如今，越来越多的企业在边缘计算处理工作负载。人们将边缘计算想象成为云计算与IT系统之间处理数据的空间或平台。

　　企业希望在靠近数据生成位置的边缘处理大部分业务。而边缘计算提供了更快的响应时间，因为不再需要将数据发送回基于云计算的中央数据存储系统，不需要在云平台中处理数据，然后再将结果返回给设备。

　　边缘计算非常有用，这是大多数企业希望采用的原因。如今，人们对边缘计算的兴趣从概念转向生产。然而，边缘计算并不能取代以往良好的架构和传统的实用方法。这就是为什么边缘计算的应用中将会出现错误的原因，而这些错误是可以避免的。

　　错误1：边缘计算所做的事情太多

　　大多数边缘平台是一种小型基于SSD硬盘的嵌入式平台。例如Arduino平台和Raspberry Pi，但也有一些规模庞大的平台，例如那些基于超融合基础设施的平台。

　　边缘计算成功的经验法则是小型、经济、易于复制。那些在边缘计算设备过多处理工作负载的公司很快发现，他们希望通过边缘计算解决的延迟和速度问题以新的形式出现，并且在大多数情况下将会使事情变得更糟。

　　边缘计算设备应该是专门构建的，并且只能负责收集、处理和传输所需的最少量数据以及响应需要立即关注的问题。例如，边缘计算设备可以处理来自汽车发动机的遥测数据，并将明显的问题直接提交给发动机的计算机和驾驶人员，例如温度过高。然而，边缘计算并不是确定发动机潜在问题并进行预测分析的良好位置，因为识别这些问题需要对数PB数据进行筛选。

　　此外，如果边缘计算的计算机设计的功能相同，则可以轻松复制自动化任务。如果用户采用定制方法或过多DIY，则不会带来任何帮助。

　　错误2：忽略边缘计算的安全性

　　边缘计算的安全性通常是事后的想法，即使其产生后果比忽略云计算的安全性更加糟糕。

　　以汽车发动机为例，如果网络攻击者攻击边缘设备，并生成可能导致关闭发动机的错误数据，或者驱动应用程序做出错误决定，那么该怎么办?这些孤立的边缘设备是攻击者理想的目标，因为它们与核心系统分离，而核心系统中通常可以有效地防范和应对网络攻击。

　　遗憾的是，对于大多数边缘计算架构师来说，解决潜在安全威胁的问题并不是首要任务。

　　为了应对安全性问题，企业需要复制在边缘计算使用的大多数云计算服务。大多数公共云计算提供商已经解决了这个问题，因此他们的边缘计算平台现在将安全性和运营服务扩展到不在云端的边缘计算机。

　　其做法是尽可能实现自动化，可以自动处理事务，例如更新已知的新威胁向量以及升级操作系统。

　　责任编辑:DJ编辑