什么是边缘计算？ 好处和局限性
已发表: 2023-01-19边缘计算是一种在更靠近数据源头的地方处理数据的方法，而不是将所有数据发送到一个集中的位置进行处理。 随着物联网 (IoT) 设备、智能手机和其他连接设备生成的数据量不断增长，这种方法变得越来越重要。
在传统的计算架构中，数据由设备收集，然后通过网络发送到集中位置（例如数据中心或云）进行处理。 这种方法可以很好地适用于某些类型的数据和应用程序，但随着生成的数据量的增长，它可能会出现问题。 通过网络发送大量数据可能非常耗时，而且还会增加数据丢失或损坏的风险。
边缘计算通过将数据处理移至更靠近数据源的位置来解决这些问题。 这可以通过在网络“边缘”（例如传感器末端或工厂车间）使用小型低功耗设备来执行数据收集、预处理和分析等任务来完成。 通过在靠近数据源的地方执行这些任务，需要通过网络发送的数据量会减少，从而可以提高依赖实时数据的系统的响应能力和可靠性。
边缘计算 VS 云计算
边缘计算和云计算都是处理和存储数据的方法，但它们在处理和存储发生的位置上有所不同。
云计算是指使用远程服务器（通常由第三方云提供商拥有和运营）通过 Internet 存储、管理和处理数据的做法。 服务器通常位于数据中心，并通过互联网访问。 云计算允许可扩展和灵活的资源，以及通过互联网连接从任何地方访问数据和应用程序的能力。
另一方面，边缘计算是指在更靠近数据源的地方处理数据，而不是将所有数据发送到一个集中的位置进行处理。 这是通过在网络“边缘”使用小型低功耗设备来实现的，例如在传感器末端或工厂车间。 边缘计算可以提高依赖实时数据的系统的响应能力和可靠性，减少需要通过网络发送的数据量，还可以让资源有限的设备高效运行。
边缘计算和云计算的主要区别在于处理和存储的位置。 边缘计算在位于网络边缘的设备上执行，而云计算在数据中心的远程服务器上执行。 边缘计算旨在处理本地生成和使用的数据，而云计算旨在处理需要远程存储和处理的数据。
边缘计算和云计算各有优缺点。 边缘计算非常适合处理实时数据、低延迟和本地决策，但它可能缺乏云计算的可扩展性和灵活性。 云计算非常适合处理大量数据、可扩展性和灵活性，但它可能缺乏边缘计算的低延迟和实时处理。
最近，边缘计算和云计算越来越多地以混合方法结合使用，利用两种技术的优势。 边缘计算用于处理实时数据并做出本地决策，而云计算用于存储和长期数据分析。 这种方法可以提供两全其美的效果，并提高系统的整体性能和效率。
边缘计算的好处
边缘计算有几个好处，包括：
- 低延迟：通过处理更靠近源头的数据，边缘计算减少了数据在网络上传输所需的时间。 这可以导致更低的延迟和更快的响应时间，这对于自动驾驶汽车、工业控制系统和视频监控等实时应用非常重要。
- 提高可靠性：通过在边缘处理数据，即使与中央位置的连接丢失，系统也可以继续运行。 这可以提高系统的整体可靠性并降低数据丢失或损坏的风险。
- 提高安全性：在边缘存储和处理数据可以通过减少需要通过网络发送的数据量来提高安全性。 这也可能使黑客更难访问敏感数据。
- 节省成本：通过在边缘处理数据，组织可以减少需要通过网络发送并存储在中央位置的数据量。 这可以节省网络带宽和存储成本。
- 更好的隐私：将数据存储在边缘可以通过使数据更接近源来增加数据的隐私。 这对于涉及敏感个人信息的应用程序尤其有益。
- 资源效率：边缘计算设备通常体积小、功耗低，因此可以在有限的资源下高效运行。 这对于处理能力和存储能力通常有限的物联网设备尤其有利。
- 更好的决策：通过在边缘处理数据，可以更靠近数据源进行决策，从而做出更好、更准确的决策。
边缘与云与雾计算
边缘计算、云计算和雾计算都是处理和存储数据的方法，但它们在处理和存储的位置上有所不同。
- 边缘计算是指在网络边缘更靠近数据源处理数据的做法。 这是通过使用小型低功耗设备（例如传感器或网关）来完成的。 边缘计算旨在处理本地生成和使用的数据，它可以提高依赖实时数据的系统的响应能力和可靠性。
- 云计算是指使用远程服务器（通常由第三方云提供商拥有和运营）通过 Internet 存储、管理和处理数据的做法。 云计算允许可扩展和灵活的资源，以及通过互联网连接从任何地方访问数据和应用程序的能力。
- 雾计算是指在边缘设备和云之间的网络“雾”中处理数据的做法。 雾计算的目的是通过使用路由器或网关等中间设备，使云计算能力更接近网络边缘。 雾计算可以提高依赖实时数据的系统的响应能力和可靠性，也可以提高数据的安全性。
边缘计算的用例和示例
- 智慧城市：边缘计算可用于实时收集和处理来自传感器和摄像头的数据，从而实现交通管理、公共安全和环境监测等智慧城市应用。
- 工业自动化：边缘计算可用于处理来自工厂车间传感器和机器的数据，从而实现对工业过程的实时控制和监控。
- 医疗保健：边缘计算可用于处理来自可穿戴设备和诊断设备等医疗设备的数据，从而实时监测患者的生命体征。
- 自动驾驶汽车：边缘计算可用于实时处理来自摄像头、激光雷达、雷达和其他传感器的数据，从而实现车辆的实时决策和控制。
- 零售：边缘计算可用于处理来自零售店摄像头和传感器的数据，从而实时监控库存水平、客户行为等。
边缘计算的局限性
- 有限的计算能力：边缘设备通常体积小且功耗低，这可能会限制可以在边缘完成的处理量。 这会使处理大量数据或执行复杂计算变得困难。
- 有限的存储：边缘设备通常具有有限的存储能力，这使得存储大量数据变得困难。 对于需要长期数据存储的应用程序来说，这可能是个问题。
- 有限的可扩展性：边缘计算系统可能难以扩展，因为添加更多设备或增加正在处理的数据量可能变得复杂且成本高昂。
- 灵活性有限：边缘计算系统可能不灵活，因为它们通常设计用于执行特定任务，可能不容易适应新的或不断变化的要求。
- 有限的互操作性：边缘计算设备可能使用专有协议，可能无法与其他设备或系统通信。
- 有限支持：一些边缘设备可能没有与传统 IT 设备相同级别的支持和维护。
- 有限的安全性：边缘设备可能更容易受到物理篡改、黑客攻击或其他类型的网络攻击。
到底
边缘计算是一种在更靠近数据源头的地方处理数据的方法，而不是将所有数据发送到一个集中的位置进行处理。 这可以提高依赖实时数据的系统的响应能力和可靠性，减少需要通过网络发送的数据量，还可以让资源有限的设备高效运行。
边缘计算有几个好处，包括低延迟、提高可靠性、提高安全性、节省成本、更好的隐私、资源效率和更好的决策制定。
边缘计算也有一些限制，包括有限的计算能力、存储、可扩展性、灵活性、互操作性和支持。 由于这些限制，在决定使用边缘计算之前仔细考虑用例和应用程序的具体要求非常重要。