随着万物互联的飞速发展和人工智能的广泛应用，大数据处理已经从以云计算为中心的集中式处理时代跨入以万物互联为核心的边缘式大数据处理计算时代。传统集中式大数据处理模式更多采用了集中式的数据存储和数据处理，通过建造云计算中心集中式解决计算和存储问题。在边缘式大数据处理时代，边缘设备会产生海量实时数据，通过部署边缘设备为用户提供应用服务和功能接口，用户可以通过调用这些接口来获取所需的边缘计算服务。
据思科全球云指数预估，到2019年，预计物联网产生数据的45%将在网络边缘存储、处理、分析，而全球数据中心总数据流量预计将达到10.4泽字节（Zettabyte,ZB）。基于万物互联应用的不断深入，据思科互联网业务解决方案集团预测，到2020年，连接到网络的无线设备数量将达到500亿台。基于万物互联平台的应用服务需要更短的响应时间，同时也会产生大量涉密的数据。在此情况下传统的云计算模式不能很好的支撑基于万物互联的应用服务程序，采用赛特斯边缘式的大数据处理模式可以较好的解决这些问题。
在赛特斯边缘计算的模型中，赛特斯FlexEGW、FlexEStack边缘网关、边缘云设备已经具备了足够的计算能力来实现数据源的本地处理，并将计算的结果发送给云数据中心。采用赛特斯边缘计算的解决方案不仅可以有效地降低数据传输带宽，同时可以更好地保护整体数据的安全性，降低终端敏感数据隐私泄露的风险。因此随着互联网、物联网的深入应用，边缘计算将成为新兴的基于边缘层的应用支撑平台。
基于边缘计算的数据需求物联网（IoT）是边缘计算应用越来越重要的领域之一。根据调研机构451Research最近的调查结果支持了这一观点，他们发现，近三分之一的组织（30.2％）计划在未来一年内增加其网络边缘/周边设备的容量，这是他们对物联网项目进行调查的直接结果。近一半（45％）的组织目前正在进行物联网数据处理。例如边缘计算的数据分析、数据聚合和数据过滤，所以这种情况是不足为奇的。这些组织中大约有一半直接在物联网设备上执行，其余的在IT基础设施中做。
物联网体系可以分为多个层面，如图1所示，每层都有数据的维护、处理和分析能力。通过边缘计算可以实现数据的虚拟化。通过边缘计算系统将来自多个设备的数据结合起来，提供跨设备的逻辑视图，并且可以部署在边缘和边缘与核心IT之间的任何中间层。
图1 物联网体系
四个基本层的特点如下。
第1层包含“事物”：设备，传感器，执行器、摄像机等。
第2层包含网关或数据采集系统，用于收集第1层设备的数据，如赛特斯FlexEGW边缘网关设备。
第3层被称为边缘IT或接近边缘如赛特斯FlexEStack边缘云系统。
第4层是IT基础架构的核心，无论是数据中心还是基于云计算的存储库。
除了这四层之外，任何数量的中间层都可以位于边缘和核心之间。更具体地说，驱动边缘计算存在的需求包括以下内容。
一是速度。必须消除或最小化数据延迟，以使用户能够捕获“业务时刻”，如及时响应客户。速度还可以使边缘分析为制造过程提供实时反馈，从而实时优化该过程。
二是数据访问的可用性和可靠性。边缘分析通常在关键环境（如自动化工厂和公路）中执行。在这种情况下，停机或断电简直是无法忍受的。
三是生成速度。企业必须确保能够轻松区分数据值不经常变化的“静态系统”和数据值经常变化的“动态系统”。在这两种情况下，组织都可以在边缘处过滤和预聚合数据，然后将其发送到诸如云或企业数据中心这样的中心位置。对于静态系统，可能只需要发送数据进行额外的处理和分析相关的价值偶尔的变化。然而，对于动态系统，它们可能需要预先聚合，并在每小时或其他频率发送相对较大的相关数据量，以避免让网络崩溃。
四是隐私、安全和合规性
用户可能不愿意将数据发送给分析人员。此外，隐私和安全规定可能需要在本地设备上留下数据。
采用赛特斯边缘计算系统实现数据治理和展现
图2 赛特斯边缘架构
边缘计算可以使数据管理更加智能、存储方式更加灵活。边缘计算可以对数据的完整性和一致性进行分析，并进行数据清洗工作，消灭系统中的“脏”数据。
采用了基于赛特斯边缘计算系统的分布式数据清洗和治理方式，能够大大提高数据处理的速度保证数据的实效性和可用性。基于赛特斯的边缘网关、边缘云的处理引擎能够更加准确地实时反馈系统当前的运行状态和过去的运行效率。结合边缘分析建模工具预判未来的运行规划。
根据不同用户应用需求和数据展现的特点，赛特斯边缘计算系统在边缘层集成了精简建模工具和精简报表系统，通过精简建模工具以可视化拖拽的方式实现数据的建模、分析，同时提供精简报表系统，方便用户在边缘层对采集数据进行展现和决策，可以显示对数据、应用、决策的分布式的管理。同时，边缘计算可以对计算和存储能力以及系统负载进行动态地部署和云端计算保持高效协同、合理分担运算任务。
