随着业界大规模采用公有云，许多企业显然已经跨越了云鸿沟。当初那些金融和公共部门领域曾经最怀疑的高管们，现在对云的价值也深信不疑。随着云计算成为主流，企业基础设施的下一站是什么呢?

企业IT的下一大潮流就是边缘计算(edge computing)，边缘计算减少了数据中心与公有云之间来回传送的数据量，缩短了公有云平台带来的延迟。更重要的是，边缘计算将让IT部门能够将敏感数据保留在内部，同时仍充分利用公有云提供的弹性网络。

现在有一种误解，以为边缘计算只是为物联网设计的。事实上，虽然边缘计算对物联网解决方案来说再理想不过，但是它也为部门应用软件和传统的业务型应用软件提供了巨大的价值。

边缘计算层将更靠近数据源来运行。边缘计算的每个单元都拥有一套自己的资源，表现为计算资源、存储资源和网络资源，这些单元将针对设备某些特定功能加以配置，例如网络交换、路由、负载均衡、安全和审计跟踪，同时还负责运行数据处理管道。企业常规搜集到的数据将由复杂事件处理引擎来进行分析，决定是在企业本地处理，还是被发送到公有云做进一步处理。一般情况下，“热数据”(hot data)将由边缘计算层立即分析、存储和处理，而这种数据对于本地基础设施的运行至关重要。而有助于长期分析的“冷数据”(cold data)则会被移动到公共云，进行批处理。

未来为边缘计算构建的应用程序将基于三层架构，这种架构与上世纪90年代的三层架构全然不同。当初在从客户端/服务器向分布式计算架构转变的过程中，微软、Sun、IBM和甲骨文奉行这种模式：用户界面、业务逻辑和数据库在单独的层中运行，这是许多J2EE架构师所熟悉的传统的三层架构。但是，用于未来应用程序的新兴三层架构与过去的设计模式根本没有相似之处。它是一种全新的模式，其架构围绕基于云计算、机器学习和快速数据的先进技术而建。

　　新兴的三层架构将由以下逻辑层组成：

数据源：计算越来越受数据驱动。从电视到智能手机，再到工业设备、客户关系管理(CRM)、供应链管理(SCM)和企业资源规划(ERP)，一切都是数据源。由于计算和存储成为可负担得起的资源，更容易从一系列数据源获取和存储数据。整合和关联这些数据集有助于我们挖掘新的洞察力。数据源层包括可以生成数据的任何数据源，包括机器日志、点击流、社交媒体内容、RDBMS、非结构化数据和结构化数据。在新的三层架构中，数据源成为了第一层。

智能层：机器学习(ML)正成为用户体验中必不可少的部分。微软、谷歌、亚马逊和IBM在竭力把机器学习嵌入到手机、应用程序、平台和云中。在当代的三层架构中，机器学习将跨越边缘计算层和云计算平台，提供智能。数据科学家们将利用云的力量，创建机器学习模型，这需要获取可从公共云获得的原始计算能力。有了GPU、FPGA和定制芯片方面的创新，我们可以基于庞大数据集和复杂算法，创建经过训练的机器学习模型。这些模型在公共云进行测试，之后将被移动到边缘位置，处理实时数据集。只要需要创建新模型，或者现有的机器学习模型需要优化，模型就会返回到公共云。因此，公共云将处理繁重任务，而边缘计算层将处理生产级数据集。横跨边缘层和公共云的这个智能层是新架构的第二层。

操作型、可付诸行动的洞察力：这一层负责根据前一个层提供的信息，采取行动。企业决策者们将来能够根据智能层提供的分析，获得准确的洞察力。这将加快企业高管们的决策过程。这个层经授权后，可代表用户来执行。比如说，某个特定的条件被规则引擎评估为真实时，这个层中的组件就能控制机器或设备。简而言之，用户在这里将访问那些拥有KPI的丰富的仪表板。

可以预见，不久的将来，可负担得起的计算和存储资源，加上机器学习的兴起，将共同促进边缘计算得到采用。连传统的企业应用程序也将开始充分利用这种架构，而不仅仅是物联网。