如今，人們聽到很多關于云計算基礎設施的大趨勢是如何處理邊緣計算的問題，但圍繞這個概念存在一些困惑。許多人都認為它最終將取代傳統(tǒng)的云計算架構。但肯定不是這種情況。但是，有些情況下，邊緣計算架構比完全集中的云計算設計提供了優(yōu)勢，特別是從網(wǎng)絡和數(shù)據(jù)存儲的角度來看。以下將解釋什么是邊緣計算，它與傳統(tǒng)云計算服務有何不同，以及邊緣計算何時可能成為企業(yè)的正確選擇。

邊緣計算是云計算的一種形式，但與將計算和存儲集中到單個數(shù)據(jù)中心的傳統(tǒng)云計算架構不同，邊緣計算將計算或數(shù)據(jù)處理能力推送到邊緣設備進行處理。因此，只有數(shù)據(jù)處理的結果需要通過網(wǎng)絡傳輸。在某些情況下，這會提供精確的結果，并消耗更少的網(wǎng)絡帶寬。

物聯(lián)網(wǎng)是邊緣計算最常見的用例。云計算顯著改變了數(shù)據(jù)處理的形式，特別是對于大數(shù)據(jù)來說。利用云的計算能力，物聯(lián)網(wǎng)也實現(xiàn)了跨越式發(fā)展，我們獲取，存儲和處理數(shù)據(jù)，而不必考慮計算資源和管理。

物聯(lián)網(wǎng)每年安裝數(shù)十億臺智能設備，據(jù)估計，到2020年將安裝超過200億臺智能設備。由于安裝了大量設備并連接到物聯(lián)網(wǎng)，因此處理的數(shù)據(jù)量一直在增加。我們正應對著處理和分析這些數(shù)據(jù)的挑戰(zhàn)，特別是在需要近乎實時處理這些數(shù)據(jù)的情況下。僅云計算雖然可以幫助處理如此龐大的數(shù)據(jù)集，但是無法實時提供響應。

據(jù)國際數(shù)據(jù)公司（IDC）稱，邊緣計算（Edge computing）是一類微型數(shù)據(jù)中心的網(wǎng)絡，既可以在本地處理或存儲關鍵數(shù)據(jù)，也能將所有接收的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫。

簡而言之，邊緣計算就是處理和分析更靠近數(shù)據(jù)源的數(shù)據(jù)處理。

在邊緣計算環(huán)境中安裝和連接的智能設備能夠處理關鍵任務數(shù)據(jù)并實時響應，而不是通過網(wǎng)絡將所有數(shù)據(jù)發(fā)送到云數(shù)據(jù)中心并等待云數(shù)據(jù)中心的響應。設備本身就像一個迷你數(shù)據(jù)中心，由于基本分析正在設備上進行，因此延遲幾乎為零。利用這種新增功能，數(shù)據(jù)處理變得分散，網(wǎng)絡流量大大減少。云可以在以后收集這些數(shù)據(jù)進行第二輪評估，處理和深入分析。

邊緣計算帶來了哪些好處

利用邊緣計算帶來了諸多好處，例如接近零延遲，較小的網(wǎng)絡負載，增加的彈性，減少的數(shù)據(jù)暴露以及較低的數(shù)據(jù)管理成本。讓我們逐一看看這些：

超低延遲：

接近零延遲是邊緣計算的最大優(yōu)勢。數(shù)據(jù)收集，處理和采取行動之間的時間間隔幾乎是real－time。這是在關鍵任務情況下物聯(lián)網(wǎng)設備的重要要求。一個非常好的例子是無人駕駛汽車。

谷歌估計他們的自動駕駛汽車每秒產(chǎn)生超過1GB的數(shù)據(jù)！需要快速處理大量此類數(shù)據(jù)，以便汽車能夠保持正確的路線并避免碰撞。想象一下，如果這些數(shù)據(jù)被收集，傳輸?shù)皆疲�云會對其進行處理，然后將其發(fā)送回汽車。盡管整個過程在幾秒鐘內(nèi)完成，但事實證明為時已晚，而且汽車可能已經(jīng)遇到了碰撞。此方案中的最佳解決方案是使用邊緣計算分析傳感器本身的數(shù)據(jù)，然后將其發(fā)送到云以進行后續(xù)分析。

邊緣計算在醫(yī)療行業(yè)和監(jiān)控行業(yè)也很重要。延遲在醫(yī)療保健行業(yè)中較為關鍵，其中設備連接到心率監(jiān)測器或心臟起搏器，并且輕微延遲可能導致患者的生死狀況。

較輕的網(wǎng)絡負載：

思科估計到2020年，物聯(lián)網(wǎng)設備處理的數(shù)據(jù)量將達到近7．5 Zettabytes（1ZB＝1，000，000，000，000 GB）！這是互聯(lián)網(wǎng)高速公路上的大量數(shù)據(jù)，可能導致網(wǎng)絡擁堵增加，尤其是在連接較弱的地區(qū)。使用邊緣計算，大部分流量負載將通過在源處理數(shù)據(jù)而不是通過網(wǎng)絡發(fā)送所有數(shù)據(jù)，網(wǎng)絡擁堵明顯改善。

高彈性易擴展：

借助邊緣計算提供的分散式架構，網(wǎng)絡中的其他連接設備變得更具彈性。將此與云上的單個虛擬機故障進行比較，這將影響連接到網(wǎng)絡的數(shù)千甚至數(shù)百萬個IoT設備。即使其中一個設備發(fā)生故障，它也不會影響其他設備，并且它們?nèi)匀槐３只顒雍瓦\行狀態(tài)。

數(shù)據(jù)暴露減少：

邊緣計算減少了它通過網(wǎng)絡發(fā)送的數(shù)據(jù)量。這樣做還有助于減少傳輸中的數(shù)據(jù)泄露。在某些情況下，智能設備收集的敏感和關鍵數(shù)據(jù)（如支付卡行業(yè)（PCI）和個人身份信息（PII））根本不需要傳輸。這有助于在每個國家對此數(shù)據(jù)有不同規(guī)定并且更靠近其來源處理數(shù)據(jù)有助于避免許多隱私，法律和安全復雜性的情況。通過進一步加密數(shù)據(jù)和控制訪問，我們可以使其更安全地抵御已知威脅。

數(shù)據(jù)管理成本降低：

使用邊緣計算可以顯著降低云上的存儲成本，因為我們并未將所有內(nèi)容存儲在云上。由于數(shù)量相對較少，這也有助于有效地管理數(shù)據(jù)。只有需要更深入分析的匯總數(shù)據(jù)才會發(fā)送到云端，隨后會對其進行分析和推斷。

邊緣計算和云協(xié)同工作，物聯(lián)網(wǎng)的未來

我們已經(jīng)看到邊緣計算如何使物聯(lián)網(wǎng)受益，那么來分析下為什么邊緣計算不能完全替代云計算。

邊緣計算需要考慮的一點是，由于數(shù)據(jù)不是長期存儲的，最終會被刪除，這不利于大數(shù)據(jù)分析。請記住，邊緣設備僅提供處理本地收集的數(shù)據(jù)的結果。在大多數(shù)情況下，收集的數(shù)據(jù)只能被丟棄。因此，如果企業(yè)的物聯(lián)網(wǎng)項目要您存儲所有收集的數(shù)據(jù)以進行累積分析決策，那么邊緣計算并不適合。

為了滿足物聯(lián)網(wǎng)設備的所有要求和需求，邊緣計算和云計算需要協(xié)同工作。來自智能設備和傳感器的所有數(shù)據(jù)仍然需要在云上進行匯總，這需要更深入的分析，以便從中獲取有意義的見解。云計算仍然在使物聯(lián)網(wǎng)設備更智能和更好的過程中發(fā)揮關鍵作用。

回過頭來看看谷歌自動駕駛汽車的例子。

在收集了所有車輛的數(shù)據(jù)并使用云進行分析后，Google可以提出最佳實踐和駕駛算法，這些算法將改善其導航并使車輛在首次訪問的位置時表現(xiàn)最佳。

美國和歐洲的主要貨運公司已經(jīng)在使用這種方法從技術中受益并節(jié)省了主要成本。他們將傳感器放置在車隊中，并收集各種數(shù)據(jù)，包括發(fā)動機性能，輪胎，燃油油位，變速箱和電池。在邊緣處理這些數(shù)據(jù)是沒有用的，而是將所有這些數(shù)據(jù)發(fā)送到云端。經(jīng)過深入分析，公司可以發(fā)布關于獲取最佳行車路線的警報，何時更換舊零件，需要加油的燃油低，更換故障傳動等等，從而改善并節(jié)省維護，維修和運營成本。

憑借云提供的巨大計算能力，讓它在巨大而繁重的數(shù)據(jù)集上進行繁重的工作是有意義的。大多數(shù)時候，云計算的集中性在速度，成本和可擴展性方面優(yōu)于邊緣計算的分散性質(zhì)。因此，為了完全滿足物聯(lián)網(wǎng)的主要需求，即延遲和大數(shù)據(jù)處理，我們看到邊緣計算和云計算需要協(xié)調(diào)工作。邊緣負責實時分析和響應，而云負責數(shù)據(jù)集的繁重和處理，以改善這些智能設備的功能。

物聯(lián)網(wǎng)未來幾年將快速發(fā)展。雖然云計算推動了物聯(lián)網(wǎng)的發(fā)展，但邊緣計算對所收集的數(shù)據(jù)有了更強大的洞察和分析力。隨著技術的進步，易邁云也加大了邊緣云計算的研發(fā)力度，相信在不久的將來，易邁云的邊緣云計算產(chǎn)品將會很快面世，并快速改變你我的生活。

云計算云服務器云科技邊緣云計算

標簽： Google idc isp 安全 大數(shù)據(jù) 大數(shù)據(jù)處理 大數(shù)據(jù)分析 服務器 谷歌 互聯(lián)網(wǎng) 數(shù)據(jù)分析 網(wǎng)絡 云服務 云服務器 云計算 云計算產(chǎn)品 云計算服務 云計

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。