什么是边缘计算原理与应用

数十亿物联网和移动设备收集的数据呈指数级增长，这推动了从将数据发送到云进行处理和存储的转变，转向分布式模型，其中一些计算发生在网络边缘，更接近数据创建的地方。

什么是边缘计算？

边缘计算是指处理、分析和存储数据，使其更接近其生成位置，以实现快速、近乎实时的分析和响应。近年来，一些公司通过在云中集中数据存储和计算来整合运营。但是，数十亿分布式设备支持的新用例的需求-从先进的仓库和库存管理解决方案到视觉增强的机器人生产线到先进的智能城市交通控制系统-使这种模式不可持续。

边缘计算是一种新兴的计算模式，它将计算、存储和数据处理能力从传统的中心化云服务器向网络边缘靠近，使得数据可以在物理距离上更接近用户和设备。边缘计算旨在解决云计算中的延迟和网络带宽不足等问题，提供更快速、可靠的计算服务。

1. 低延迟：由于边缘计算将计算资源放置在靠近用户或设备的位置，数据的处理和响应时间大大减少，从而实现低延迟的计算体验。
2. 数据隐私和安全：边缘计算可以在本地处理和存储数据，减少数据传输到云端的需求，降低了数据在传输过程中被攻击或泄露的风险，提高了数据的隐私和安全性。
3. 网络带宽利用率优化：边缘计算可以对数据进行本地处理和分析，只将关键的结果传输到云端，减少了对网络带宽的需求，提高了网络带宽利用率。
4. 实时性要求：对于某些需要实时响应的应用场景，如物联网、智能交通等，边缘计算可以在本地进行实时处理和决策，使得系统能够更加快速地响应用户的需求。
5. 弹性和可扩展性：边缘计算提供了分布式的计算资源，可以根据需求进行弹性扩展，并且可以根据不同的应用场景，将计算能力灵活地部署在各个边缘节点上。

边缘计算的驱动因素

• 延迟。越来越多的行业正在实施需要快速分析和响应的应用程序。由于网络与数据源的距离会带来延迟，因此仅靠云计算无法满足这些需求，从而导致效率低下、延迟时间和糟糕的客户体验。
• 带宽。增加传输带宽或更多处理能力可以克服延迟问题。然而，随着公司继续增加其网络上的边缘设备数量及其生成的数据量，将数据发送到云的成本可能会达到不切实际的水平，如果可以在边缘处理，存储和分析数据，则可以减轻这种水平。
• 安全和隐私。在边缘保护敏感数据（如私人医疗记录）并通过互联网传输较少的数据，可以通过降低拦截风险来帮助提高安全性。此外，某些政府或客户可能要求数据保留在创建数据的司法管辖区内。例如，在医疗保健领域，甚至可能有当地或区域要求限制个人数据的存储或传输。
• 连接性。缺乏持久的互联网连接可能会阻碍云计算，但各种网络连接选项使边缘到云计算成为可能。例如，5G提供高带宽、低延迟的连接，用于从边缘快速传输数据和提供服务。
• 人工智能。由于需要近乎实时的可操作情报，公司需要在数据源中使用AI，以便更快地进行处理并利用以前未开发的数据的潜力。

边缘计算的优势

• 提高速度和降低延迟。将数据处理和分析转移到边缘有助于加快系统响应速度，从而实现更快的交易和更好的体验，这在近乎实时的应用（如自动驾驶汽车操作）中至关重要。
• 改进了网络流量管理。最大限度地减少通过网络发送到云的数据量可以降低传输和存储大量数据的带宽和成本。
• 更高的可靠性。网络一次可以传输的数据量是有限的。对于互联网连接度低于标准的位置，能够在边缘存储和处理数据，可在云连接中断时提高可靠性。
• 增强的安全性。通过适当的实施，边缘计算解决方案可以通过限制互联网上的数据传输来提高数据安全性。

从边缘到云

边缘计算工作原理

边缘计算将存储和服务器放在数据所在的位置，通常只需要一个部分齿轮架即可在远程LAN上运行，以在本地收集和处理数据。在许多情况下，计算设备部署在屏蔽或硬化的外壳中，以保护齿轮免受极端温度，潮湿和其他环境条件的影响。处理通常涉及规范化和分析数据流以查找商业智能，并且只有分析结果被发送回主数据中心。

边缘计算应用场景

• 制造业。一家工业制造商部署了边缘计算来监控制造，从而在边缘实现实时分析和机器学习，以发现生产错误并提高产品制造质量。边缘计算支持在整个制造工厂中添加环境传感器，从而深入了解每个产品组件的组装和存储方式，以及组件的库存时间。制造商现在可以对工厂设施和制造运营做出更快、更准确的业务决策。
• 农业。考虑一家在没有阳光，土壤或杀虫剂的情况下在室内种植农作物的企业。该工艺将生长时间缩短了60%以上。使用传感器使企业能够跟踪用水量、养分密度并确定最佳收获。收集并分析数据以发现环境因素的影响，并不断改进作物生长算法，并确保作物在峰值状态下收获。
• 网络优化。边缘计算可以通过测量互联网上用户的性能，然后利用分析来确定每个用户流量的最可靠、低延迟的网络路径，从而帮助优化网络性能。实际上，边缘计算用于“引导”网络上的流量，以实现最佳的时间敏感型流量性能。
• 工作场所安全。边缘计算可以组合和分析来自现场摄像头、员工安全设备和各种其他传感器的数据，以帮助企业监督工作场所条件或确保员工遵守既定的安全协议-特别是当工作场所偏远或异常危险时，例如建筑工地或石油钻井平台。
• 改善医疗保健。医疗保健行业已经大大扩展了从设备、传感器和其他医疗设备收集的患者数据量。巨大的数据量需要边缘计算来应用自动化和机器学习来访问数据，忽略“正常”数据并识别问题数据，以便临床医生可以立即采取行动，帮助患者实时避免健康事件。
• 运输。自动驾驶汽车每天需要并产生5TB到20TB的容量，收集有关位置、速度、车况、路况、交通状况和其他车辆的信息。数据必须在车辆行驶时实时汇总和分析。这需要大量的车载计算-每辆自动驾驶汽车都成为一个“边缘”。此外，这些数据可以帮助当局和企业根据当地的实际情况管理车队。
• 零售。 零售企业还可以从监控、库存跟踪、销售数据和其他实时业务细节中产生海量数据。边缘计算可以帮助分析这些不同的数据并识别商机，例如有效的最终上限或活动，预测销售并优化供应商订购等。由于零售业务在本地环境中可能会有很大差异，因此边缘计算可以成为每个商店本地处理的有效解决方案。

边缘计算、物联网和5G的未来

这可以从专为边缘计算设计的计算、存储和网络设备产品的激增中看出。更多的多供应商合作伙伴关系将在边缘实现更好的产品互操作性和灵活性。例如，AWS和Verizon之间的合作伙伴关系旨在为边缘带来更好的连接。