由 dawei 物联网的蓬勃发展迫使许多组织重新思考传统的 IT 概念。随着数以亿计的设备添加到物联网网络，很明显需要在网络的末端进行更多的处理。边缘计算减轻了更集中的计算资源的负担，但更重要的是，减少了来回移动数据引起的延迟。
这给边缘带来了很大的压力，但由于对那里可以完成的工作的期望似乎是无限的，因此几乎看不到任何缓解。正如微软的报告所述，“人工智能是最广泛采用的新兴技术——79% 的组织采用人工智能作为其物联网解决方案的一部分。”
边缘计算存储
物联网极其分散的环境正逐渐成为 IT 的噩梦。所有边缘计算都需要将数据存储在非常靠近那些微型机器学习 (TinyML) 芯片的地方，这些芯片将人工智能添加到无数传感器、执行器和其他悬挂在边缘的设备中。
无需处理数百甚至数千个虚拟机及其所需的存储，物联网边缘可能意味着需要本地存储的数万或数十万设备——这就像去中心化。
在许多 IoT 环境中，管理员使用云为边缘计算提供存储服务，但随着计算需求的增加，云存储的延迟已成为一个问题。
边缘存储可能没那么容易
在数千或数百万个地方放置高性能存储，然后管理整个交易是一项艰巨的任务。
首先，任何单个物联网的边缘都可能有数十甚至数百种不同类型的设备。每个设备的交互方式可能不同。通信可能会使用存储领域不熟悉的协议，例如 MQ 遥测传输、高级消息队列协议、4G 和5G LTE 以及各种短距离无线协议。
嵌入在边缘设备中的处理器也会有所不同。这意味着 Raspberry Pi 从存储访问数据的方式可能与 Banana Pi 或 Onion Omega2 的方式不同。
电源可能是个问题。我们不会在边缘启动磁盘，但是当乘以数千个边缘实例时，即使是固态的适度功率需求也可能看起来很庞大。
如今，大多数用于边缘计算的存储都采用 SD 和 microSD 格式，它们提供充足的容量，目前似乎足以处理 AI 杂务。新形式的固态存储肯定会出现，它们更便宜、速度更快且耗电更少。
边缘存储问题的硬件部分似乎已得到控制，但跟上处理和存储速度所需的固件和软件将需要更多的开发。最大的挑战可能是管理所有存储。尽管不需要担心庞大的容量,但要管理 IoT边缘存储环境也不是容易的事,因为企业要配置、保护和备份如此多单独的案例,把数据从边缘装置转移到云服务和数据中心可能会引起数据流的混乱。