網(wǎng)絡從未如此關鍵。無論是電話會議還是流媒體（視頻內容或游戲），服務提供商都無法承受卡頓、分辨率下降和緩存變慢的現(xiàn)象。為了解決這一問題，業(yè)務應用和數(shù)據(jù)必須盡可能靠近數(shù)據(jù)攝取點，縮短總體往返時間，最終讓應用程序可以實時獲取信息。
但在實際執(zhí)行中卻不那么容易。
直面挑戰(zhàn)
對于服務提供商來說，邊緣計算有著獨特的挑戰(zhàn)。在邊緣領域涌現(xiàn)出大量的解決方案意味著部署的容器越來越多，增長速度超過了人們可以實現(xiàn)有效管理的速度。雖然可以使用編排工具進行自動部署，但要確保自動化的故障排查和服務保證，可觀測性才是關鍵。
畢竟，任何程度的服務中斷都將會招致大量的客戶投訴，因此服務提供商會迫使IT團隊盡可能快速地解決問題。但從IT團隊的角度來講，即使已經(jīng)擁有了識別問題來源和解決問題所需的信息，但檢查分散于各服務器組件的大量遙測數(shù)據(jù)依然會是很大的挑戰(zhàn)。IT團隊需要能夠快速地處理這些數(shù)據(jù)的能力，并根據(jù)可見的趨勢獲得有價值的洞察。
數(shù)據(jù)驅動的解決方案
解決方法的關鍵，就是在于人工智能的能力，更具體地說是機器學習，在其驅動下，編排解決方案可以對各工作負載進行可擴展的預測性操作。通過機器學習與實時網(wǎng)絡監(jiān)測的結合，可為自動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)絡功能進行預設、實例化并配置。這一過程也意味著IT團隊可以把時間用在具有更高價值的任務關鍵型項目上，為企業(yè)創(chuàng)造實際收益。
將人工智能帶到云端
針對應用程序在網(wǎng)絡邊緣的生命周期管理，機器學習也發(fā)揮著關鍵作用。在只有幾個集中式數(shù)據(jù)中心構成的環(huán)境中，運營商可以明確應用程序虛擬網(wǎng)絡功能（VNF）的最佳性能條件。但是隨著環(huán)境分散成數(shù)千個小型場所，虛擬網(wǎng)絡功能就有了更復雜的需求，必須根據(jù)實際情況予以滿足。
運營商沒有足夠的帶寬可以滿足所有這些需求，因此人工智能的應用再次彰顯出重要性。機器學習算法可以通過一個前期循環(huán)測試來運行所有組件，以評估它們在生產(chǎn)場所的表現(xiàn)，讓運營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)絡決定的未來
邊緣計算的興起徹底改變了服務提供商對于基礎設施的想法。人們越來越將邊緣看作是優(yōu)質資產(chǎn)。由服務提供商提供和管理，在人工智能和機器學習的優(yōu)化下，邊緣計算可被用于數(shù)不勝數(shù)的業(yè)務目的。一旦這一高度沉浸式邊緣計算力得到釋放，我們就會看到應用程序和新的工作負載涌向網(wǎng)絡邊緣，這在五年前還是無法想象的。
在未來，不只是服務提供商要利用網(wǎng)絡邊緣。很快，邊緣云環(huán)境將會解放更多潛力--開放、安全、云原生，具有各種可擴展的預測性操作--可滿足更豐富的企業(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，人工智能驅動的預測性操作將會被用于管理運行著數(shù)千個邊緣位置的復雜環(huán)境，從而有效提升消費者和員工使用體驗。
