通俗的講
下面給大家通俗地講一講邊緣計算，
為什么要通俗的講呢，怕如果不通俗，你聽不明白，新的東西在出來的時候，往往是需要一個接納和理解的程序，就像以前互聯網剛出來的時候，很多人都不知道互聯網，于是就得慢慢科普，讓大家慢慢接受和理解呀，誰現在還解釋什么是互聯網呀，
而邊緣計算也有一段時間了，只是隨著物聯網的發展，邊緣計算的概念也開始流行起來，我們先看一段非通俗的介紹邊緣計算的概念：
邊緣計算，是一種分散式運算的架構，在這種架構下，將應用程式、資料資料與服務的運算，由網路中心節點，移往網路邏輯上的邊緣節點來處理，
或者說，邊緣運算將原本完全由中心節點處理大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節點去處理，邊緣節點更接近于用戶終端裝置，可以加快資料的處理與傳送速度，減少延遲，
以上是小編從網路文章摘抄的一段對于邊緣計算的解釋，整個解釋基本都是專業術語，大部分看完這段話，依然沒有弄清楚什么是邊緣計算，
首先，小編先舉一個不太恰當的例子，比如有一款APP，用戶在使用這款APP的時候，就會收集用戶的資訊，比如收集這個用戶的年齡，性別，手機號，地址位置，搜索記錄等等資訊，而收集這些資訊主要是更好地分析這個用戶的行為和感興趣的東西，比如車，房子，書，美食等什么感興趣，然后更為準確地為其投放內容及廣告，
這個是很常見的一個功能，但是就是這樣一個功能，怎么和邊緣計算掛鉤呢，在邊緣計算之前，就是云計算了，
如果是使用云計算，這款APP的行為是這樣的：
APP收集到資訊后，把所有的基本資訊，上傳到服務器中，然后由服務器來執行演算法，計算和識別出用戶的興趣愛好，甚至可能推算出這個用戶的消費能力，然后服務器就可以根據這個推算出來的結果，為用戶投放其感興趣的內容和廣告，
如果是使用邊緣計算，這款APP的行為就是這樣：
APP收集了資訊后，不上傳到服務器中，然后由APP自己計算和識別出這個用戶的興趣和愛好，也可以推算出這個用戶的消費能力，也就是服務器的計算功能，直接由APP來完成，然后服務器只需要問一下APP,哪個用戶是有可能是年薪百萬的，哪個用戶是單身的，APP只需要告訴服務器說，這個用戶很帥，而且還單身，喜歡旅游，寫詩，可以為其投放相親美女內容，
就這樣，整個程序并沒有服務器參與計算，服務器也沒有參與收集資訊，因為這個資訊在APP本身收集和計算，并沒有進行上傳，所以也沒有涉及資訊收集，
而，這就是邊緣計算，
也就是以前由服務器作計算的部分，現在改由資訊采集的設備直接計算了，再把計算的結果，直接輸出到服務器中，服務器只要結果，并不需要程序的資料，
所以，什么是邊緣計算呢，邊緣計算，說白了，就是（服務器）云計算懶得算了，就這點資料，你在資料采集的時候，順便自己算得了，什么都丟到服務器來算，很累的，于是，邊緣計算就這么來了，邊緣計算有哪些優勢呢？
1、近水樓臺先得月
邊緣計算分布式以及靠近設備端的特性注定它實時處理的優勢，所以它能夠更好的支撐本地業務實時處理與執行，
2、簡單不粗暴效率高
家門口的事情就不麻煩遠在天邊的云計算了，邊緣計算直接對終端設備的資料進行過濾和分析，節能省時效率還高，
3、省心省力省流量
邊緣計算級訓資料爆炸和網路流量的壓力，用過邊緣節點進行資料處理，減少從設備到云端的資料流量，
4、智能更節能
AI+邊緣計算組合的邊緣計算不止于計算，智能化特點明顯，另外云計算+邊緣計算組合出擊，成本只有單獨使用云計算的39%，
既然邊緣計算這么牛，可以換掉云計算嗎？
雖然今后會將越來越多的基礎任務交給邊緣計算來完成，但是這只能代表邊緣所在的裝置設備會越來越靈敏，但是不能直接說這些任務和云毫無關系，他們是一種讓彼此更完美的存在，
邊緣計算和云計算互相協同，它們是彼此優化補充的存在，共同使能行業數字化轉型，云計算是一個統籌者，它負責長周期資料的大資料分析，能夠在周期性維護、業務決策等領域運行，邊緣計算著眼于實時、短周期資料的分析，更好地支撐本地業務及時處理執行，邊緣計算靠近設備端，也為云端資料采集做出貢獻，支撐云端應用的大資料分析，云計算也通過大資料分析輸出業務規則下發到邊緣處，以便執行和優化處理，
邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析資料的行為發生在靠近資料生成的本地設備和網路中，邊緣計算又被叫做分布式云計算、霧計算或第四代資料中心，
正式的講
大概很多人都有這樣的經歷：不小心，手被火啥訓被開水燙了，人會立即移開自己的手，這個反應是人的自組織條件反射反應，我們假設一下，如果我們的手被火啥訓被開水燙由我們大腦根據匯集的資訊做反應決定，再采取行動的話，那會是一個什么樣的場景？
假設我們把人的條件反射標記為邊緣計算，把人的大腦的反應標記為云計算的話，那么我們就可以淺顯而又深刻地了解邊緣計算和云計算的區別，
一.什么是邊緣計算
邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析資料的行為發生在靠近資料生成的本地設備和網路中，而不是必須將資料傳輸到計算資源集中化的云端進行處理，邊緣計算又被叫做分布式云計算、霧計算或第四代資料中心，
邊緣計算首先通過在WAN網路上虛擬化網路服務而出現，最初是由一個平臺來驅動的，適應了云計算用戶的習慣，這也便是思科(Cisco)于2011年曾提出的霧計算概念的由來，隨著新的邊緣計算能力的出現，邊緣計算不再需要構建集中的資料中心，創建了具有潛在數千個可應用的大規模分布式節點的能力，
二. 為什么需要邊緣計算
Gartner預計到2020年全世界有多達250億的智能設備會連接互聯網，如此多的設備會產生50萬億GB的資料，這相當2015年全球資料量的5倍多，如果將這些設備產生的資料全部傳輸到云端，對網路帶寬、網路流量成本控制、云端存盤能力都是一個巨大的挑戰，同時，一些應用需要及時回應，如工廠的機械設備的故障預測，時延即意味著損失，另外一些邊緣設備還涉及個人隱私和安全，為了應對物聯網場景中海量資料傳輸、存盤和云計算能力的挑戰，領先的云計算廠商紛紛推出邊緣計算的產品，將部分資料分析功能，放到了應用場景的附近(終端或網關)來實作，這種就近提供的智能服務可以滿足行業數字化在敏捷聯接、實時業務、資料優化、應用智能、安全與隱私保護等方面的關鍵需求，
邊緣計算的由來
邊緣計算是近幾年才興起的一個概念，它的出現是源于云計算在實際運用中的不足：
事例1:制造業打造智能工廠時，會有大量的智能化終端和設備通過工業網路接入，企業需要計算和處理的日常業務資料越來越龐大，同時，工業上有大量需要實時處理的場景，需要在毫秒級別進行實時回應，由于網路的限制，云計算架構難以實作實時回應，（延時即事故）
事例2:無人汽車需要在高速移動狀態對周圍環境做出反應，所以回應時間是個極其重要的指標，假設汽車行駛速度為65英里每小時，緊急制動回應時間即便只慢了幾毫秒，汽車緊急制動距離就會多出幾英尺，這或許就是發生事故和沒有發生事故的區別，（延時即生命）
事例3:通過大量傳感器，對油田生產資料實作自動化采集，但如果每個傳感器都向云端發送聯接，海量的資料給網路帶來巨大壓力，（海量即擁堵）
事例4:假如你家的空調是智能化控制的，而且依托于云計算，但你家沒有停電，卻斷網了，那怎么辦？無法進行云端控制，盡管你汗如雨下，空調也是擺設，這豈不是是十分尷尬？邊緣計算解決了這沒有網路情況下的控制，（無網無服務）
1、云計算和邊緣計算的區別
2、邊緣計算的幾個特質
分布式和低延時計算
邊緣計算聚焦實時、短周期資料的分析，能夠更好地支撐本地業務的實時智能化處理與執行
效率更高
由于邊緣計算距離用戶更近，在邊緣節點處實作了對資料的過濾和分析，因此效率更高
更加智能化
AI+邊緣計算的組合出擊讓邊緣計算不止于計算，更多了一份智能化
更加節能
云計算和邊緣計算結合，成本只有單獨使用云計算的39%
緩解流量壓力
在進行云端傳輸時通過邊緣節點進行一部分簡單資料處理，進而能夠設備回應時間，減少從設備到云端的資料流量
三. 技術進步為布署邊緣計算提供了可能
在物聯網場景下，每個智能設備都會產生大量的資料，傳輸如此海量的資料從本地到云端，則需要消耗大量的網路帶寬，為了加快服務和計算處理資料的時間，將計算從云端移向采集資料的邊緣節點則是必然之選，
如上表所示，在30年前，計算通常發生在資源集中的大型機上，而20年前，隨著PC的發展，C/S架構變得流行，任務處理變成分布式模型，客戶端處理業務邏輯，資料庫存盤和交換資料，又經過10年的發展，為了提升用戶體驗、提供更敏捷的軟體升級和改進，B/S架構占據主流，業務處理和存盤又集中到了云端完成，現今，隨著連入云端的智能設備越來越多、資料量越來越大，而且智能設備芯片的運算能力越來越強，這為使用邊緣節點完成對初始資料的處理和分析便提供了必要的條件，
四. 怎么布署邊緣計算
在物聯網場景下，每個智能設備都會產生大量的資料，傳輸如此海量的資料從本地到云端，則需要消耗大量的網路帶寬，為了加快服務和計算處理資料的時間，將計算從云端移向采集資料的邊緣節點則是必然之選，其實，在大資料場景下，將計算部署到靠近資料的節點早有先例，Hadoop中的MapReduce就是通過將mapper和reducer部署到資料存盤的節點，從而高效的處理HDFS中存放的海量資料，
邊緣計算環境是構成物聯網生態系統的諸多元素的一個子集，它剔除了管理、安全和分析功能，邊緣計算是聯接物理世界和虛擬世界的一道“橋梁”，
1、設備域：邊緣計算在這一層，可以對感知的資訊直接進行計算處理，比如在制造領域，可以對設備進行適時監控，能夠實作預防性維護；在視頻采集、音頻采集中直接部署智能鑒別的能力;又或者像手機一樣，能夠由語音輸入直接轉換成文字輸出，
2、網路域：通過部署計算能力，實作各網路協議的自動轉換，對資料格式進行標準化處理，要解決物理網中資料異構的問題，就需要在網路域中部署邊緣計算，以實作資料格式的標準化和資料傳遞的標準化(例如將所有的感知資料都換算成MQTT型別資料，并通過HTTP方式傳遞)，同時，網路域的邊緣計算，還能對“融合網路”進行智能化管理，實作網路的冗余，保證網路的安全，并可進一步參與網路的優化作業，
3、資料域：邊緣計算，使得資料管理更智能、存盤方式更靈活，首先，邊緣計算可以對資料的完整性和一致性進行分析，并進行資料清洗作業，消滅系統中的“臟”資料，其次，邊緣計算可以對計算和存盤能力、以及系統負載進行動態地部署，最后，邊緣計算還能和云端計算保持高效協同、合理分擔運算任務，
4、應用域：邊緣計算提供屬地化的業務邏輯和應用智能，它使得應用具有靈便、快速反應的能力，并在離線的情況下(和云端失去聯系時)，仍能夠獨立地提供本地化的應用服務，
五. 邊緣計算典型應用場景
邊緣網路基本上由終端設備（例如移動手機、智能物品等等）、邊緣設備（例如邊界路由器、機頂盒、網橋、基站、無線接入點等等）、邊緣服務器等構成，這些組件可以具有必要的性能，支持邊緣計算，作為一種本地化的計算模式，邊緣計算提供了對于計算服務需求更快的回應速度，通常情況下不將大量的原始資料發送云網路，然而，總體來說，邊緣計算不需要會主動協助 IaaS,、PaaS、 SaaS和其他云服務，更多地專注于終端設備端，
邊緣計算的概念是因工業制造之因而起，在工業領域，云端固然必不可少，但是仍需要邊緣與云端的協同作業，單點故障在工業級應用場景中是絕對不能被接受的，因此除了中心云的統一控制外，工業現場的系統也必須具備一定的活力，能夠自主判斷并解決問題，邊緣計算可以更便捷的處理工廠設備產生的海量資料，及時檢測例外情況，更好的實作預測性監控，提升工廠運行效率的同時也能預防設備故障問題，
除工業制造之外，邊緣計算在物聯網時代不斷增長的資料催生了對邊緣計算的需求，下圖是邊緣計算的典型應用場景：
1、工業制造
邊緣計算可以更便捷的處理工廠設備產生的海量資料，及時檢測例外情況，更好的實作預測性監控，提升工廠運行效率的同時也能預防設備故障問題，
2、安全監控、ARVR
邊緣計算提供快速、高效、精準的實時回應，將驅動安防行業人工智能應用邁入全新層次，
3、智能交通
智能交通信號燈可以根據路上車流的情況動態的調整信號燈的顏色，提高交通流暢度，減少擁堵，還可以應用于緊急情況，例如：信號燈可以為緊急情況開辟出一條綠色通道，
4、自動駕駛
自動駕駛在躲避障礙物的程序，若按照先上傳云端、分析處理、再回傳設備的模式，將造成信號傳輸的延遲，緊急情況下極易發生交通事故，
5、智慧家居
家中有非常多的智能家居的設備，智能家居不同產品之間互動場景的定義，需要邊緣計算，另外，對于智慧家居來說，接入網路的安全性和私密性也為人們所看重，邊緣云可以在物聯網網關和資料中心之間建立加密通道，進一步提高系統的安全性和隱私性，
6、智慧城市
邊緣計算就好比城市神經末梢，將人工智能與分布在城市中的傳感器結合，可以高效處理城市運營問題，如在道路兩側路燈桿上安裝傳感器，收集城市路面資訊，檢測空氣質量、光照強度、噪音水平等環境資料，
7、智慧路燈
嵌入到路燈內部的傳感器、執行器、計算和存盤單元可以組合起來構成邊緣計算的節點，傳感器采集的資料發送到位于網路邊緣的計算和存盤節點，經過計算將結果回傳給執行器，執行器對路燈進行控制，而不是將資料發送到位于網路邊緣的云計算中心，這樣既可以提高系統的實時性，又可以減輕云端的壓力，
8、風力發電
在風力發電機機組上布置邊緣節點，實時收集資料資訊，資料資訊上傳至工業網關，如風速、啟動等做優化，將模型轉化為演算法或者規則，即時控制機組，
9、醫療保健
醫療設備上存盤的資料可用于更新患者的數字醫療記錄，邊緣計算將連接起來這些醫療設備，在緊急情況下為醫院和醫生提供可靠和最新的患者資訊，
10、無人機
邊緣計算使無人機能夠檢查資料并實時回應資料，廣泛應用于各種領域，如當無人機識別到車禍時，無人機可以向附近的行人提供有價值的資訊，
六. 結語
據IDC預測，未來超過50%的資料需要在網路邊緣側分析、處理和儲存，邊緣計算將延伸至交通運輸系統、智能駕駛、實時觸覺控制、增強現實等諸多領域，成為運營商數字化轉型的關鍵使能技術，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/109053.html
標籤：其他