7、边缘计算：大数据与人工智能的融合之道

边缘计算：大数据与人工智能的融合之道

1. 边缘计算系统的可靠性与分类

随着智能设备的不断发展和基站范围的扩大，网络系统的可靠性成为了一个重大问题。并非所有智能对象都有足够的计算能力来运行可靠的杀毒软件，因此，大部分安全负担转移到了网络边缘或最近的物理层防火墙。

边缘计算有多种分类，其中雾计算是由思科提出的一种云技术解决方案。它通过将服务和交互定位在通道边缘，利用了智能设备丰富和设备产生数据的潜力。

雾服务器兼具数据中心和信号处理器的功能，还能进行信号分类、源识别和向量自回归模型拟合。雾服务器靠近用户以及可穿戴网络的存在，在节点之间形成了三角关系，有助于提高系统的稳定性和效率。该方案还支持机器对机器（M2M）广告协议，并使用传输层安全协议来加强设备安全。

2. 边缘计算的资源管理

在智能制造中，边缘计算能够进行系统故障诊断分析，为其提供大量资源。制造中使用的计算机向雾节点发送大量数据，但雾节点的计算和存储能力有限，因此需要有效的资源分配机制。

虚拟化环境为VMD应用提供托管设施。在雾计算领域，灵活的移动设备卸载和便携式存储的发展有助于移动应用的执行，而计划卸载判断需要积极的资源管理。

雾计算技术的开发面临挑战，因为要协调不同层次的复杂异构服务。一个完善的雾系统设计和一系列支持技术对于实现云计算愿景至关重要。雾架构允许多个用户的程序共存，每个用户都能感受到资源的分配。基于雾的系统资源管理范式试图以平等和最优的方式分配资源，研究人员根据物联网设备的移动性和设计将其分为三类，然后管理可用资源。资源评估模型公式如下：
[M = U_i\times P_i(L|H)_s\times(1 - \si