В эпоху Интернета вещей (Internet of Things, IoT) все более актуальными становятся задачи обработки, фильтрации и анализа данных как можно ближе к их источнику, поскольку это позволяет действовать удаленно вместо того, чтобы пересылать эти данные в центры обработки данных (ЦОД) или облака для фильтрации и анализа.
Еще одна причина для развертывания инструментов аналитики на периферии сети заключается в том, что сегодня появляются все новые варианты применения Интернета вещей, и во многих случаях объем данных, генерируемых на периферии, предъявляет такие высокие требования к полосе пропускания и вычислительной мощности, что доступные ресурсы не способны их удовлетворить.
То есть ЦОД, предназначенные для решения более традиционных корпоративных задач, могут не справляться с потоками данных от интеллектуальных устройств, датчиков и т. п.
Например, если показания датчика температуры двигателя ветровой турбины лежат в пределах рабочего диапазона, не обязательно сохранять их с интервалом в одну секунду, поскольку очень быстро накопится колоссальный объем данных. Лучше придерживаться подхода, когда показания, выходящие за пределы рабочего диапазона или указывающие на определенные тенденции (например, неизбежный сбой в работе компонента), будут генерировать предупреждение и, возможно, сохраняться централизованно только после выявляения этой первой аномалии в целях последующего анализа.