利用云计算与雾计算实现大规模基于物联网的城市声音分类

物联网 (IoT) 已成为连接不同技术的前沿，它催生了使日常任务变得便捷的在线计算服务。然而，连接到网络的设备数量开始增加，导致依赖集中式存储的服务面临压力与过载。随着应用和软件的进步，处理与计算能力成为科技公司关注的问题。面对数据风险与大量连接设备，云计算已变得过时。由于软件复杂性的增加，设备被迫承担不必要的开支以保持市场竞争力。这种变革需求导致了边缘计算的引入。边缘计算将计算压力分布在服务器与设备之间，这一贡献使云能够容纳更多用户，且设备不再需要频繁对其设计进行重大更改。许多实时应用已发展到需要高处理能力才能执行。例如，声音分类因其与神经网络和深度学习的关联而带来巨大的计算需求。本文旨在创建一个可行且可部署的实时声音分类系统。本文测试了三种配置。我们的实验结果表明，单独的云计算和边缘计算无法满足在规模和复杂性上呈指数增长的技术市场。然而，同样的结果显示出希望，即在终端设备功耗、应用运行时间和服务器延迟方面寻找系统的最优组合配置，而非专注于单一模型。总体而言，最好综合考虑每种计算架构的优势与劣势。