如此多的数据,所以没有时间来处理它。
设备连接到互联网的数量预计将超过1万亿的设备在未来十年左右。时间轴有点模糊,部分原因是没有人实际上是计算所有这些设备,但含义很清楚。海量数据的走向我们,到目前为止,没人知道如何处理它。
从系统的角度来看,有三个关键问题,很多排列这些问题。走在前列,这些数据将被处理,以及系统需要设计来处理所有的数据。认为所有的数据将通过巨大的管道传递到云是行不通的。和这是一个理解,大多数的数据生成的是没有用的,所以最好的办法是尽可能快地摆脱它。
不过,这正是事情变得混乱。数据需要理解和标记之前,可以划分为好,也许好,垃圾。怎么做视频作为汽车沿着公路赛车或机器人转动在工厂还不清楚。虽然可以处理数据速度不够快,基于一些新架构下开发,目前还不清楚如何确定什么是有价值的,什么不是。事实上,这一决定可能是应用程序,特定于用户的权重数据需要用户足够友好建立这些系统弹性和可编程性。
这不是有多少这些系统的今天,设计。事实上,大多数的设计重点是移动数据通过一个芯片,没有搞清楚什么是最重要的。在大多数情况下,没有重视安全、数据一致性、或可以用什么数据。
导致第二个问题,是如何将这些设备连接到其他系统。这是更复杂的比新的无线技术或协议栈。它是关于如何以及在哪里移动所有的数据,即使在一万亿年处理设备将是一个海洋。没有一些严肃的计划在基础设施方面,这可能会使整个网络瘫痪。
的一个重大问题是,没有人想到整个互联网,因为没有人真正拥有互联网。这意味着它没有人的责任,以确保它可以处理数据流量的增加。这是边缘的原因之一是获得如此多的动力。所有的数据是昂贵的移动,并在本地管理更容易和更快。事实上,其中一些甚至没有移动之外的内存使用的一些新架构。它可以加权,大部分只是删除。
默认情况下,这增加了一些安全过程,添加更多的机会。而在云中数据严重了,数据在云不是。这意味着加密需要发生在芯片或设备层面,和解密必须在其他地方发生。那就是一刹那之间当数据加密和解密的数据可以砍,这是特别重要的数据被送回设备,因为数据已经被清理干净。也很容易忽略这一步随着数据量的增加。
第三个问题是在哪里存储所有的数据。数据清洗时需要更少的存储空间,数据从一万亿年设备仍然增加了洪水。记忆是便宜,但这并不是说便宜。和需要能量来存储数据,检索的时候需要它。可能没有足够的力量在地球上一万亿台设备,将一个巨大的负担芯片设计者保持能源足迹足够低所以整体针不动。半导体行业,这是一个巨大的挑战,可能仅仅是个开始。当有2万亿台设备的时候会发生什么?
有关的故事
大的变化数据
为什么云的发展和边缘计算和处理更多的数据将对半导体设计和制造产生深远的影响。
数据混乱的边缘
处理器和数据类型的差异将产生不可预测的影响人工智能系统。
硬件如何偏见AI数据
有辱人格的传感器和其他设备可以斜AI数据的方式是很难分辨的。
更多的半导体数据迁移到云
一年前,许多公司都不愿意船数据离线。改变了什么?
解决内存瓶颈
移动大量数据系统不再是通往成功的途径。太缓慢,消耗了过多的权力。是时候把方程。
内存子系统推论芯片边缘
权衡和他们对权力的影响,热,性能和面积。
|
|
|
|
|
|
|
|
|
|
我最喜欢的物联网设备是一个带有gps功能的自行车电脑自动上传我的自行车路线,速度、心率和节奏网站http://www.strava.com使用无线网络连接。在每个骑我看所有这些精彩的分析数据,然后在云呆很长时间,减少值。