網(wǎng)絡(luò )從未如此關(guān)鍵。無(wú)論是電話(huà)會(huì )議還是流媒體（視頻內容或游戲），服務(wù)提供商都無(wú)法承受卡頓、分辨率下降和緩存變慢的現象。為了解決這一問(wèn)題，業(yè)務(wù)應用和數據必須盡可能靠近數據攝取點(diǎn)，縮短總體往返時(shí)間，最終讓?xiě)贸绦蚩梢詫?shí)時(shí)獲取信息。
但在實(shí)際執行中卻不那么容易。
直面挑戰
對于服務(wù)提供商來(lái)說(shuō)，邊緣計算有著(zhù)獨特的挑戰。在邊緣領(lǐng)域涌現出大量的解決方案意味著(zhù)部署的容器越來(lái)越多，增長(cháng)速度超過(guò)了人們可以實(shí)現有效管理的速度。雖然可以使用編排工具進(jìn)行自動(dòng)部署，但要確保自動(dòng)化的故障排查和服務(wù)保證，可觀(guān)測性才是關(guān)鍵。
畢竟，任何程度的服務(wù)中斷都將會(huì )招致大量的客戶(hù)投訴，因此服務(wù)提供商會(huì )迫使IT團隊盡可能快速地解決問(wèn)題。但從IT團隊的角度來(lái)講，即使已經(jīng)擁有了識別問(wèn)題來(lái)源和解決問(wèn)題所需的信息，但檢查分散于各服務(wù)器組件的大量遙測數據依然會(huì )是很大的挑戰。IT團隊需要能夠快速地處理這些數據的能力，并根據可見(jiàn)的趨勢獲得有價(jià)值的洞察。
數據驅動(dòng)的解決方案
解決方法的關(guān)鍵，就是在于人工智能的能力，更具體地說(shuō)是機器學(xué)習，在其驅動(dòng)下，編排解決方案可以對各工作負載進(jìn)行可擴展的預測性操作。通過(guò)機器學(xué)習與實(shí)時(shí)網(wǎng)絡(luò )監測的結合，可為自動(dòng)化工具提供所需的洞察，從而以比人工更快更準確的方式對物理和虛擬網(wǎng)絡(luò )功能進(jìn)行預設、實(shí)例化并配置。這一過(guò)程也意味著(zhù)IT團隊可以把時(shí)間用在具有更高價(jià)值的任務(wù)關(guān)鍵型項目上，為企業(yè)創(chuàng )造實(shí)際收益。
將人工智能帶到云端
針對應用程序在網(wǎng)絡(luò )邊緣的生命周期管理，機器學(xué)習也發(fā)揮著(zhù)關(guān)鍵作用。在只有幾個(gè)集中式數據中心構成的環(huán)境中，運營(yíng)商可以明確應用程序虛擬網(wǎng)絡(luò )功能（VNF）的最佳性能條件。但是隨著(zhù)環(huán)境分散成數千個(gè)小型場(chǎng)所，虛擬網(wǎng)絡(luò )功能就有了更復雜的需求，必須根據實(shí)際情況予以滿(mǎn)足。
運營(yíng)商沒(méi)有足夠的帶寬可以滿(mǎn)足所有這些需求，因此人工智能的應用再次彰顯出重要性。機器學(xué)習算法可以通過(guò)一個(gè)前期循環(huán)測試來(lái)運行所有組件，以評估它們在生產(chǎn)場(chǎng)所的表現，讓運營(yíng)人員判定所測試的應用程序可以在邊緣正常運行。
由邊緣網(wǎng)絡(luò )決定的未來(lái)
邊緣計算的興起徹底改變了服務(wù)提供商對于基礎設施的想法。人們越來(lái)越將邊緣看作是優(yōu)質(zhì)資產(chǎn)。由服務(wù)提供商提供和管理，在人工智能和機器學(xué)習的優(yōu)化下，邊緣計算可被用于數不勝數的業(yè)務(wù)目的。一旦這一高度沉浸式邊緣計算力得到釋放，我們就會(huì )看到應用程序和新的工作負載涌向網(wǎng)絡(luò )邊緣，這在五年前還是無(wú)法想象的。
在未來(lái)，不只是服務(wù)提供商要利用網(wǎng)絡(luò )邊緣。很快，邊緣云環(huán)境將會(huì )解放更多潛力--開(kāi)放、安全、云原生，具有各種可擴展的預測性操作--可滿(mǎn)足更豐富的企業(yè)、消費者和電信工作負載需求。邊緣云將集成安全能力，有效減少安全事件的破壞半徑。最終，人工智能驅動(dòng)的預測性操作將會(huì )被用于管理運行著(zhù)數千個(gè)邊緣位置的復雜環(huán)境，從而有效提升消費者和員工使用體驗。
