Edge IoT分析指南

翻译自IBM网站：https://www.ibm.com/blogs/internet-of-things/edge-iot-analytics/

嵌入式片上系统（SoC）的进步已经产生了许多功能强大的商用设备，可以运行成熟的操作系统和复杂的算法。这些设备嵌入了丰富的不同传感器（例如，摄像头，麦克风或GPS），集成了多个连接选项（例如，WiFi，蓝牙或以太网）.Raspbery Pi就是一个例子，但是越来越多的替代品以不同形状，电源，计算能力和成本，出现在市场上。  

这些趋势正在扩展物联网的潜力：虽然许多早期的物联网应用主要是从“物”收集数据并将其发送到其他地方进行分析，但“物”的日益丰富的计算能力  现在允许日益复杂的 计算在现场运行，不离开物理的世界。

边缘计算：集成物联网和云

许多人将边缘计算这一术语称为发展趋势的范式，强调部分工作恰好发生在物联网将物理世界连接到云的网络边缘。但Edge Computing不仅仅是在物联网设备上进行计算和数据处理。一个基本部分是在物理世界和计算世界之间。物联网和云之间强大而无缝的集成; 

Edge Computing应用程序使用物联网设备的处理能力来过滤，预处理，聚合或评分物联网数据。它利用云服务的强大功能和灵活性对这些数据进行复杂的分析，并在反馈循环中支持物理世界的决策和行动。

位于都柏林和约克镇的IBM Research与物联网业务部门共同努力，正在设计解决方案，以帮助开发人员和开发人员构建，部署和维护使用物联网设备和IBM Watson生态系统的协同功能的复杂Edge Computing应用程序，包括Watson IoT和IBM Cloud。

使用Edge Computing的三个激励因素

我们已经确定了使用Edge Computing的三个主要激励因素：

1.保护隐私

物联网设备捕获的数据可以包含敏感或私人信息，例如GPS数据，来自摄像机的流或麦克风。虽然应用程序可能希望使用此信息在云中运行复杂分析，但重要的是，只要数据离开生成它的前提，就会保留敏感内容的隐私。通过Edge Computing，应用程序可以确保敏感数据在现场进行预处理，并且在通过第一层匿名聚合之后，只有符合隐私的数据才会发送到云进行进一步分析。

2.减少延迟

云计算的强大功能和灵活性已经实现了许多以前不可能实现的方案。想想近年来图像或语音识别算法的准确性如何提高。然而，这种准确性有一个代价：获得图像或识别的音频所需的时间受到由于数据被发送到云并且计算结果并发送回边缘而导致的不可忽视但不可避免的网络延迟的显着影响。 。当需要低延迟结果时，Edge Computing应用程序可以实现直接在IoT设备上运行的机器学习算法，并且仅在关键路径上与云交互，例如，使用捕获的数据连续训练机器学习模型。

3.坚持连接问题

设计直接在Edge上运行部分计算的应用程序不仅可以减少延迟，还可以确保在网络连接受限或间歇性的情况下不会中断应用程序。当应用程序部署在网络覆盖较差的远程位置或甚至降低来自蜂窝技术等昂贵连接技术的成本时，这非常有用。

图1：Edge Computing架构的示例

边缘计算架构

物理世界分为不同的位置。位置是部署一个或多个IoT设备的地理单元。在Edge架构中，设备可以有三种类型，具体取决于它们的作用：Edge网关，边缘设备以及边缘传感器和执行器。

边缘传感器和执行器是专用设备，没有通用处理器或操作系统。它们直接或通过低功耗无线电技术连接到边缘设备或网关。

Edge Devices是通用设备，能够运行成熟的操作系统，并且通常由电池供电。例如，运行Linux，Android或iOS的设备可以作为边缘设备。Edge Devices运行Edge智能，即他们对从传感器接收的数据进行计算，并将命令发送给执行器。它们直接或通过Edge Gateway的中介连接到云。

Edge Gateway与Edge Devices一样，运行成熟的操作系统，但它们通常具有无约束的电源，更多的CPU功率，内存和存储。网关可以充当云和边缘设备之间的中介，可能提供额外的位置管理服务。

Edge网关和设备都将选定的原始或预处理物联网数据子集转发到云中运行的服务，如存储服务，机器学习或分析服务，它们对称地接收来自云的命令，如配置，数据查询或机器用于本地评分物联网数据的学习模型。

图1显示了一个四级层次结构，以云为根，Edge网关为Edge设备，边缘传感器和执行器之上的中间层; 但是，任意树或图都是可能的，例如，在Edge或混合云配置中支持更多级别的计算。

Edge Computing应用程序由多个模块组成，每个模块在层次结构中的不同位置运行。例如，分析模块可能在云中运行，以分析来自Edge网关和设备的数据; 可以在云中部署仪表板模块以提供全局数据视图或查询接口; 可以在Edge网关上部署机器学习模块，以与在边缘设备上运行的模块进行交互，并对来自它们的预聚合数据进行评分。Edge Computing应用程序应通过明确定义组件之间的数据流来描述模块如何交互和通信，从而定义可见性限制，业务和隐私规则。

原型：IBM Edge IoT Analytics

根据一项调查，糟糕的客户服务成本组织全球每年亏损3385亿美元。由于在获取客户满意度方面实现高覆盖率通常很困难，因此情况更加恶化。大多数客户不填写纸质或在线表格，而那些客户不一定是整个客户群的完全代表性样本。

关注客户满意度，我们希望了解在以下针对酒店服务的情景中将Watson的认知功能和Edge Computing的优势结合在一起的潜力。

一家大型全球连锁酒店希望改善用于收集客户满意度的流程。他们意识到有关它的自发信息已经在他们的酒店场所每天进行交换，但系统性地丢失了。客人在前台与酒店员工不断互动，所有这些互动都隐含或明确地表达了与他们满意度直接相关的情绪或语调。

如果可以以某种方式捕获和分析此信息以产生更好的客户见解，该怎么办？如果此外，酒店管理委员会可以通过简单的可视化仪表板和查询界面轻松查询和分析全球所有酒店的实时客户满意度？

理解对话

今天的IBM Watson Cloud产品已经拥有了从谈话中提取宝贵信息的大部分关键智能。Watson Tone Analyzer  可以从文本成绩单中提取对话音，而  Watson Speech-to-Text  可以轻松地将录制的口语对话转换为文本。

但是，我们的酒店场景存在重要的局限性，这使得在云中使用此类服务​​变得不可能：捕获的客户的对话很可能包含客户的敏感数据，将这些数据发送到云服务具有重要的隐私隐患。此外，传输连续音频流可能是昂贵的并且受连接问题的影响。

为了应对这些挑战，我们构建了针对所描述场景的初始概念证明  ，称为Edge IoT Analytic。我们使用Watson Speech-to-Text和Watson Tone Analyzer作为Edge Gateway模块，分布式IoT查询引擎作为Cloud模块运行。

在我们的原型中，我们展示了如何将廉价设备（如Raspberry Pi或类似设备，配备麦克风）放置在酒店的前台，并充当Edge Gateways。

图2：IBM Edge IoT Analytics的原理图工作流程

如图2中示意性所示，在网关上运行的Edge应用程序模块将捕获会话的音频并直接在设备上运行语音到文本和音调分析，从而完全避免将任何敏感数据发送到云。Edge Gateways仅存储音调分析的结果，这些结果只是本地数据库中一组固定音调属性（如快乐，悲伤或愤怒）的数字分数。

图3：IBM Edge IoT Analytics Web仪表板的屏幕截图

为了让一般酒店管理人员能够访问此全球信息，Edge IoT Analytics在Cloud上运行了一个额外的模块作为Bluemix服务，该服务实现了可视化仪表板以及查询引擎以探索物联网信息（参见图3）。通过仪表板上的映射，可以可视化运行应用程序的设备。IoT查询引擎（我们称之为EdgeSQL）实现了标准SQL的子集，其扩展使其适用于查询存储在Edge网关上的数据。

使用EdgeSQL，酒店管理人员可以构建和执行诸如“与客人最愤怒的互动链中的酒店是什么？”，“罗马客户互动的平均幸福感是多少？”或“什么是最悲伤的”等查询在过去的三个月内在雅典进行的谈话？“

Cloud和Edge之间的所有通信都利用了Watson IoT Platform提供的服务。

未来发展方向

我们正在努力将我们的原型扩展到通用框架和运行时平台，以帮助开发人员构建和开发工程师，以便在异构方案上部署Edge Computing应用程序。从开发人员的角度来看，我们正在将原型扩展到以下方向：

• 常见的on-Edge和Edge-to-Cloud数据交换功能，可清晰地了解Edge上的内容以及剩下的内容。
• 批量和流式数据分析框架和API，可简化和统一跨云和Edge的数据分析。这将扩展上面介绍的EdgeSQL原型，并扩展到一系列着名的大数据分析框架。

从devOps的角度来看，我们的目标是构建基础架构管理平台，以在整个生命周期中部署和控制Edge Computing应用程序。这将包括许多丰富的功能，如：

• 可以通过编写将在Edge和云上的不同设备和环境上运行的模块来定义复杂的Edge Computing应用程序。
• 辅助基于云的Edge Computing应用程序部署，可以根据地理或其他自定义属性选择Edge部署目标。
• 从ad-hoc云仪表板丰富的应用程序状态监控，允许访问一个或多个应用程序中每个模块实例的状态。
• 跨云和边缘的应用程序或单个模块的版本控制和受控滚动升级。

对于这项工作，我们计划在现有IBM服务的基础上进行广泛构建，包括Watson IoT Platform。我们相信Edge Computing是利用物联网全部潜力的关键。到目前为止，我们的工作只是触及了许多可能性的表面; 我们的远景目标是让每个人都能轻松构建Edge Computing应用程序，并进一步在Edge上实现分析和认知计算。

致谢

IBM爱尔兰：Andrea Reale，Yiannis Gkoufas，Kostas Katrinis; IBM Yortkown：Nirmit Desai，Bongjun Ko，Keith Grueneberg。特别感谢物联网业务部门的人员提供的指导和支持。