今天的城市是有生命的实体。随着时间的推移，它们发展、成长并变得更加复杂👶🏼，但许多最紧迫但最平凡的问题，例如公用事业改进和监控犯罪的需要，仍然没有改变🦆。如今，城市管理部门有能力实施分析技术，以帮助满足无数日常城市需求，以及与安全👩🏽‍🚀、医疗、出行👨🏽‍🦰、能源和经济发展相关的更复杂的挑战🧘🏼‍♀️。

由于世界上超过一半的人口居住在城市👏🏼，因此需要对他们的日常工作进行更智能🧔、更准确的洞察。城市管理当局可以从思科、亚马逊和谷歌等领导者那里学到很多东西🛻，这些领导者不仅收集数据，而且不断利用数据来改善生计和社区🎅🏼。当我们看到他们的成功时，越来越明显的是🤸‍♀️6️⃣，创建智慧城市的关键主要在于捕获数据分析的监控技术。

随着监控技术和预测分析的兴起，我们可以让智慧城市更聪明、更有效🐯，提高它们的效率。与此同时，还必须理解🧅，连通性永远得不到保证😵，当需要实时决策时👩🏿‍🍳，必须提供必要的数据🔶，而不管连通性如何💇🏿。

因此🗒，必须有足够数量的本地存储来定位最接近计算点的感知数据——这说明了边缘和嵌入式存储越来越重要。

通过边缘分析实现实时数据的增长正在导致城市需要的数字存储类型发生转变——快速、不妥协地访问数据变得越来越重要。

根据最近由希捷(Seagate)赞助的国际数据公司(IDC)最近的一项研究，数据时代 2025：从边缘到核心的世界数字化（Data Age 2025: The Digitization of the World from Edge to Core）显示，全球数据圈(Global Datasphere📞，衡量每年创建和复制多少新数据)将在未来7年增长5倍以上🤸🏿‍♂️。

预计2025年新增数据总量将从2018年的33ZB增加到175ZB🍾。这种增长的主要驱动力在世界各地基本上是一致的👩🏽‍🦲，只是发生的速度不同。娱乐数据和视频监控片段长期以来(并将继续)是全球数据圈的重要驱动力。

然而💂🏼，在当今日益数字化的世界，来自物联网设备、元数据(对分析、情境化和人工智能至关重要)和生产率数据的信号显示出了更快的增长🙋🏿。

有了所有这些可用数据，我们触手可及的洞察力从未如此之大，城市必须加快步伐🤌🏿，开发出更好地利用这些数据的方法。城市已经在很多方面做到了这一点——从基于交通模式优化路线的智能路灯🙇🏿‍♂️，减少了20 - 30%的应急响应时间，到配备先进的监控摄像头，通过分析来加强安全行动🧑🏽‍🎤，使犯罪减少了30 - 40%。

然而👩‍❤️‍💋‍👩，我们可以做得更多📒。

如今，要成为真正的智慧城市👐🌜，城市将需要一种“边缘层”的方法来存储、过滤和管理离传感器更近的数据。为了获得更深入的见解，数据在边缘域以及云或后端存储和分析的时间更长。

一个城市只能实时采取行动寻找失踪人员💝，将附近的紧急情况通知居民，并通过边缘分析发出交通拥堵警告，这些信息更靠近网络录像机 (NVR) 捕获和收集数据的位置。

数据分析和数据驱动的城市改善所带来的机遇既令人兴奋又不容忽视。NVR 等边缘设备中的行为分析📨👩‍🦳、热像仪和 AI 引擎只是使我们能够在庞大的网络上保持持续连接的技术的一个示例。通过横向关联各个系统，我们现在可以深入了解各种机制，包括电力🐤、水👳‍♂️、卫生、交通、环境监测和天气情报的模式。

以West Hollywood的创新部门为例，该部门最近因“WeHo智慧城市”战略规划获得了美国规划协会(APA)技术部的智慧城市奖。其计划分为三部分，包括以下战略：数据驱动的决策推广到全市各部门🏙，协作和实验旨在使市政厅工作人员更好地一起工作，以及通过智慧城市传感器和智能建筑项目来改善公共安全和管理建筑环境的过程自动化。

通过基于后端深度学习活动的预测分析收集的数据（在某些情况下超过一年）💂🏻‍♂️，我们可以预先确定趋势以管理一个部门中直接影响另一个部门的事件💐。例如™️，如果每次下雨，河流泛滥并导致高速公路上的交通拥堵，城市现在可以使用监控技术在这些天气模式发生之前预测它们，并在水位上升之前将交通引导至替代路线。

城市需要即时的🧑🏿‍✈️、流动的数据🏃🏻‍➡️，这就使人们迫切需要产生所需的可预测的、可靠的信息，而且往往是实时的。事实上🙆🏿‍♂️，报告预测，由于我们的城市工作流程和个人生活流的数据注入，到2025年，近30%的“全球数据圈”将是实时的。

这是大量实时数据——那么💏🧖🏽‍♀️，一个城市如何实施监控技术来更好地保护城市并实现更智能的分析？第一步是确定位于智慧城市监控应用中心的正确存储解决方案，以实现记录🖐🏽、数据保留、预测分析和实时警报。下一步是确保这些数据位于边缘，为城市提供充足的时间来分析和理解模式，然后为行动提供信息。

然而，这并不是故事的结局🈹。边缘计算是一种新的、复杂的 IT 基础设施组织方式🌶，在企业享受分布式网络新时代的积极红利之前，需要解决围绕数据管理的几个重要问题。

根据 Gartner 报告《如何克服边缘计算的四大挑战》（How to Overcome Four Major Challenges in Edge Computing），“到2022 年，超过一半的企业生成数据将在数据中心或云之外创建和处理🧑🏿‍💻。

然而，这个数据是不同的。”我们通常与数据处理和管理联系在一起的位置💇。这就带来了额外的复杂性:每个企业对其数据都有不同的需求和优先级🟡，而且从边缘到核心管理物联网生态系统没有单一的行业标准来提供帮助。

由于便利性和快速的可扩展性，许多组织已将至少部分数据迁移到公共云。然而♠️，随着产生的数据量的增加，公共云可能会导致围绕安全性👨‍👨‍👧、复杂性和财务成本的几个问题⁉️。私有云和混合云解决方案解决了这个问题，但引入了各自的问题，使得从边缘到核心的数据管理变得更加困难。展望未来📎，我们将看到解决此问题的新方法，混合硬件和软件以消除不必要的步骤，并更轻松地将数据移动到需要更快、更可靠的地方。

防御攻击

其实很简单：你的网络越大🧑🏿‍🦱，你受到网络攻击的机会就越多。对于任何企业来说🔩，边缘计算的好处必须与安全风险相权衡👨‍🦯‍➡️，并且必须采取措施来降低这些风险🪸。虽然位于公共或私有云中的数据可能相当安全，但在默认情况下🧘🏼‍♂️，位于边缘的数据要安全得多。

幸运的是，对于大多数希望增强数据安全性的企业来说👨🏽‍🎤，有一些选择是适合的。硬件扮演着一个关键的角色：如果存储数据的物理媒体的所有者能够提取数据，那么软件的安全性就不重要了。

静止数据加密应该是整个网络中所有数据的标准🙏🏼，使用与受保护数据分开存储的密钥来解锁数据。有了这种级别的加密🐹，即使网络本身受到了破坏，底层数据仍然是安全的👨🏼‍🚒。在未来几年，硬件保护将日益成为更广泛的企业数据安全战略的关键组成部分，现在认真看待这一点的企业将在未来处于一个稳固的位置。