Amazon IoT Greengrass 甚至能够允许互联设备在间歇连接到云的情况下运行。Amazon IoT Greengrass 设备可以收集、处理和导出大容量数据流，无论它们是在线还是离线。设备重新连接后，Amazon IoT Greengrass 可将设备上的数据与 Amazon IoT Core 或 Amazon S3 等云服务同步，不管连接情况如何，都能够提供无缝的功能。

Amazon IoT Greengrass 可对本地和云通信的设备数据进行身份验证和加密，这样一来，在身份未经证实的情况下，设备与云之间就绝不会进行数据交换。对于在 Amazon IoT Greengrass Core 和 亚马逊云科技 云之间发送的消息，以及 Amazon IoT Greengrass Core 与使用 Amazon IoT Device 开发工具包的其他本地设备之间的消息，您还可以使用硬件保护的端到端加密。 

通过对设备进行编程以在本地筛选或聚合数据，并只将应用程序所需的数据传输到云，您能够以较低的成本获得丰富的见解。这可以减少传输到云的原始数据量、降低成本，并能够提高您发送到云的数据的质量。 

本文将介绍如何利用机器学习提升视觉搜索能力。有时我们可能很难找到合适的词汇来描述自己想要寻找的东西。一般来说，展示真实示例或者图像，对于目标的表达效果确实要比纯文字描述好上不少。这一点，在使用搜索引擎查找所需内容时显得尤其突出。接下来我们将在一个小时的演练中从零开始构建一款视觉图像搜索应用程序，其中包含用于提供视觉搜索结果的全栈 Web 应用程序。

Amazon Web Services 致力于简化机器学习模型，为客户提供便利，客户告诉我们，以往几种选项在处理超大型模型方面都不太理想。他们希望获得一种更简单、更具成本效益的解决方案。于是，我们给出了自己的答案。

本文介绍了如何使用 Amazon FreeRTOS 和 Amazon Web Services IoT Greengrass 来在边缘感知物理属性，使用 Amazon Web Services IoT Core 将数据传输到 Amazon Web Services，以及使用 Amazon Web Services IoT Analytics 来执行分析。您可以修改此架构以使用机器学习并启用预测性维护。这有助于您最大限度地提高资产性能并提前预测故障。