IT解决方案提供商可以解决的四大边沿计算挑战
全球边沿计算市场范围预计到2025年将到达32.4亿美元(根据Grand View Research，Inc .进行的研究)。虽然这项研究强调了边沿计算装备的增长速度和数量，但它掩盖了许多组织仍在采取该技术的初期采取阶段的想法。在公司计划迁移到广泛的部署之前，他们正在寻觅重大部署问题的答案。IDC最近的一项研究调查指出，有几个问题可能会阻碍预计的边沿计算的广泛采取。
解决阻碍边沿计算部署的主要因素
IDC调查肯定了多个阻碍边沿计算增长的领域。这篇博客文章分析了四个重要的关注领域，并提出了克服这些阻碍因素的方法。
抑制因素1：缺少内部技能
在2019年，计划部署边沿解决方案的终究用户中有46.2%的人担心他们支持远程装备的能力。由于将在没有IT专家在现场的区域(例如，零售店配备收银员和商店经理的区域)进行边沿实行，因此组织对边沿的支持本钱感到不安。
抑制剂2：网络和物理安全
网络安全始于物理安全。由于将在许多情况下将边沿计算系统放置在靠近人员(例如工厂工人，医院服务员等)的地方，因此一定要具有物理安全性。具有远程监控装备(例如传感器或摄像头)的独立系统将有助于禁止任何不希望的篡改。新的边沿计算解决方案(如微数据中心)已针对包括网络安全性在内的功能进行了预配置和预测试，并且一样重要的是，设计时斟酌了物理安全性。这些系统在耐用的机架势机箱中发货，并可以配备安全的锁定系统和运动传感器。
抑制剂3：管理云本钱
许多企业发现迁移到云的本钱可能很高。当将物联网数据实时实时地传输到云时，终究用户将向云提供商支付流入数据，消息处理和流出数据的费用。边沿实现通过在数据传输到云之前 在本地处理此数据的很大一部份来控制这些本钱。通过这类方式，仅需要传输需要云的超计算能力的那部份数据。
抑制剂4：缺少足够的保护支持
传统上，许多组织自己履行IT基础架构保护。随着边沿数据中心数量的增长和逾越更广阔的地理区域，许多组织将发现他们没法继续履行内部保护。由于现在新的AI技术正在启用围绕预测性保护(能够提早肯定组件什么时候可能产生故障的远程肯定能力)的创新服务和业务模型，所之外包给基于云的支持变得愈来愈流行。根据德勤最近的一项调查，几近所有(93%)的企业调查受访者都表示他们的组织正在斟酌或已采取了云服务。由MSP专注于边沿计算的这些新模型有助于提供强大的支持解决方案。
