gydtep

这是一个巨大的挑战，因为用户可能会从高性能的移动网络驶向盲区，而无论如何都希望获得良好的性能。在推理期间，没有足够的网络带宽将所有数据从边缘移动到云，但是用例要求将本地推理输出进行全局汇总。边缘AI可以运行神经网络，以帮助过滤必须发送到云以进行进一步AI处理的数据。

gydtep

在其他情况下，云AI训练可能会导致神经网络模型具有过多的层次，无法在边缘设备上有效运行。在这些情况下，边缘AI可以运行较轻的神经网络，从而创建输入的中间表示形式，该中间表示被压缩得更多，因此可以发送到云中以进行进一步的AI处理。在训练期间，边缘和云AI可以以混合模式运行，以提供类似于“虚拟主动学习”的功能，在这种情况下，边缘AI筛选大量数据并“教导”云AI。

gydtep

能耗：大多数设计人员通常不必像对待边缘那样考虑云的能耗约束。
连通性：当连通性下降时，像自动驾驶汽车这样的安全关键服务将无法停止工作，这会将实时AI驱动的决策的处理推向边缘。

gydtep

安全性：用于驱动身份验证和处理敏感信息（例如指纹或病历）的AI服务通常最好是在本地出于安全考虑而完成。即使部署了非常强大的云安全性，用户从边缘处理中获得更好的隐私感也可能是重要的考虑因素。

gydtep

数据集成的实时同步技术自带脏数据收集机制，在整个ETL的链路中，无论是读取端还是写入端不支持的数据，都可以通过插件中心的能力收集并输出到用户配置的目标端，包括本地日志、Loghub、MaxCompute等，为数据的再处理提供支持。

gydtep

Hologres在全链路实时数仓建设场景，与Flink做了深度的融合，同时支持Flink的sink表、source表、维表。业务上可以基于Flink进行实时ETL清洗、转换，将明细数据、轻度汇总数据以及业务汇总数据存储在Hologres，再通过Hologres实时查询并输出数据至第三方分析工具进行实时分析。

gydtep

MaxCompute+Hologres可以构建秒级交互式分析，MaxCompute数仓可以通过Hologres直接加速查询，无需数据移动，并对接BI分析工具，实现实时分析离线数据。也支持MaxCompute数据快速导入Hologres构建索引，提供更高QPS、更快查询响应的查询服务。

gydtep

Holgores+Flink+MaxCompute可以实现“实时、离线、分析、服务一体化方案”。冷数据存储在MaxCompute中，热数据存储在Hologres中。

gydtep

2）拥有丰富的格式化日志/指标手段，包括各个开源软件、网络格式的日志/指标采模板，无需格式化，拥有实时数据加工处理的扩展组件，提供丰富的转化UDF/Plugin

gydtep

3）高稳定性保证：基于分布式架构，保证集群的基础吞吐和性能，跨机房部署、同城容灾、场景化内核优化等
4）低成本：阿里云ElasticStack提供热-温-冷-冻结四层数据存储方式，使用特殊的存储压缩功能，大幅降低存储成本。