数据驱动的处理办法

解决方法的关键，就是在于人工智能的能力，更具体地说是机器学习，在其驱动下，编排解决方案可以对各工作负载进行可扩展的预测性操作。通过机器学习与实时网络监测的结合，可为自动化工具提供所需的洞察，从而以比人工更快更准确的方式对物理和虚拟网络功能进行预设、实例化并配置。这一过程也意味着IT团队可以把时间用在具有更高价值的任务关键型项目上，为企业创造实际收益。

将人工智能带到云端

针对应用程序在网络边缘的生命周期管理，机器学习也发挥着关键作用。在只有几个集中式数据中心构成的环境中，运营商可以明确应用程序虚拟网络功能(VNF)的最佳性能条件。但是随着环境分散成数千个小型场所，虚拟网络功能就有了更复杂的需求，必须根据实际情况予以满足。

运营商没有足够的带宽可以满足所有这些需求，因此人工智能的应用再次彰显出重要性。机器学习算法可以通过一个前期循环测试来运行所有组件，以评估它们在生产场所的表现，让运营人员判定所测试的应用程序可以在边缘正常运行。

由边缘网络决定的未来

边缘计算的兴起彻底改变了服务提供商对于基础设施的想法。人们越来越将边缘看作是优质资产。由服务提供商提供和管理，在人工智能和机器学习的优化下，边缘计算可被用于数不胜数的业务目的。一旦这一高度沉浸式边缘计算力得到释放，我们就会看到应用程序和新的工作负载涌向网络边缘，这在五年前还是无法想象的。

（编辑：青岛站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!