为什么边缘计算有无限的潜力?

有时数据处理速度较快，有时它会很重要。例如，自动驾驶汽车本质上是一种高性能计算机，配备有通过大量传感器收集数据的轮子。对于这些车辆安全可靠地操作，他们需要立即反应周围环境。处理速度的任何延迟都可能是致命的。尽管现在在云中主要执行网络设备的数据处理，但是在中央服务器之间来回传输数据可能需要几秒钟。这次太长了。

边缘计算使自动车辆可以更快地处理数据。该技术使联网设备能够处理在“边缘”处形成的数据，其中“边缘”是指在设备内部或更接近设备本身。

据估计，到2020年，每个人平均每天将产生1.5GB的数据。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全处理数据——尤其是在某些需要非常快速处理数据的用例中。

边缘计算是云计算之外的另一个可选解决方案，它在未来的应用范围很可能远不止无人驾驶汽车。包括亚马逊、微软和谷歌在内的一些科技巨头正在探索“边缘计算”技术，这可能会引发下一场大规模的计算竞争。尽管亚马逊网络服务(AWS)仍在公共云领域占据主导地位，但谁将成为这一新兴边缘计算领域的领先者还有待观察。在我们理解边缘计算之前，我们必须首先看看它的前身云计算是如何为世界各地的物联网(IoT)设备铺平道路的。

云计算赋予关联的世界

从可穿戴设备到连接的厨房用具，可以说连接的设备到处都是。据估计，到2019年，全球物质市场上网将超过1.7万亿美元，超过2013年的4860亿美元的三倍。因此，云计算 - 许多智能设备连接到互联网运行的过程 -已成为越来越多的主流趋势。

云计算使公司能够在其物理硬件之外通过远程服务器网络(通常称为“云”)存储和处理数据(以及其他计算任务)。例如，你可以选择使用苹果的iCloud服务来备份你的智能手机，然后你可以通过另一个联网设备(比如你的台式电脑)登录你的账户Connect to the cloud来检索智能手机中的数据。您的信息不再受限于您的智能手机或桌面的内部硬盘驱动器容量。

这只是众多云计算用例中的一个。另一个例子是通过web或移动浏览器访问各种完整的应用程序。随着云计算越来越受欢迎，它吸引了大型科技公司，如亚马逊、谷歌、微软和IBM。根据私有云管理公司RightScale 2018年的调查，在主要公共云提供商中，亚马逊AWS和微软Azure分列第一和第二。但是集中式云计算并不适合所有的应用程序和用例。边缘计算可以在传统云基础设施难以解决的领域提供解决方案。

过渡到边缘计算

在我们充满数据的未来，数以亿计的设备将连接到互联网，因此更快、更可靠的数据处理将变得至关重要。近年来，云计算的集成化和集中化特性被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了相当大的压力。最终，并不是所有的智能设备都需要使用云计算来运行。在某些情况下，这种数据的往返传输可以而且应该避免。

结果，边缘计算出现。根据CB Insights的市场尺寸量化工具，预计全球优势计算市场大小将于2022年达到672亿美元。虽然这是一个新兴领域，在云计算所涵盖的一些地区，所以可以是边缘计算的操作效率更高。边缘计算使得能够在最近的端部（例如电机，泵，发电机或其他传感器）处理数据，从而减少了在云之间来回传输数据的需要。

根据市场研究公司IDC，边缘计算被描述为“微数据中心的网状网络，该数据中心处理或存储关键数据，并将所有接收的数据推到中央数据中心或云存储库，覆盖小于100平方英尺。“例如，火车可能包含可以立即提供有关其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到列车或云数据中心，以了解有任何内容是否会影响发动机的操作。

本地化数据处理和存储对计算网络较小。当数据较少被发送到云端时，可能会延迟 - 云和物联网设备之间的交互引起的数据处理延迟 - 将减小。这也允许基于边缘计算技术的硬件进行更多任务，包括用于收集数据和CPU或GPU的传感器，用于在联网设备中处理数据。

随着边缘计算的兴起，理解另一种涉及边缘设备的技术也很重要，那就是雾计算。边缘计算是指在网络的“边缘”或“边缘”附近进行的计算过程，雾计算是指边缘设备与云之间的网络连接。换句话说，雾计算让云更接近网络的边缘;因此，根据OpenFog，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”回到我们的列车场景:传感器可以收集数据，但不能立即对数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何工作的，他可以使用历史积累的传感器数据来预测部件是否需要维修。

在这种情况下，数据处理使用边缘计算，但不总是立即执行（而不是确定发动机状态）。利用雾计算，可以在给定的时间点实现短期分析，而无需完全返回中心云。因此，重要的是要记住，虽然边缘计算补充云计算并与雾计算密切合作，但绝不是替代偶据。

边缘计算的优点

虽然边缘计算是一个新兴的领域，但它有一些明显的优势，包括:

• 实时或更快的数据处理和分析:数据处理更接近数据源，而不是在外部数据中心或云中执行，因此可以减少延迟。
• 降低成本：企业对本地设备的数据管理解决方案少于云和数据中心网络。
• 更少的网络流量:随着物联网设备数量的增加，数据生成继续以创纪录的速度增长。结果，网络带宽变得更加有限，使云无法承受，并造成更大的数据瓶颈。
• 较高的应用操作效率：随着滞后减少，应用程序可以更快，更有效地运行。
• 削弱云的作用还将减少单点故障的可能性。

例如，如果一家公司使用中央云来存储其数据，一旦云下降，数据将无法进入，直到问题固定，公司可能会遭受严重的业务损失。2016年，Salesforce的北美14个网站（AKA NA14）已于24多小时。客户无法访问用户数据，从电话号码到电子邮件等，并且业务运营严重损坏。

自那以后，Salesforce已经将其物联网云转移到亚马逊的AWS，但这次宕机事件凸显了只依赖云的一个主要缺点。减少对云的依赖还意味着某些设备可以在离线状态下稳定运行。这在互联网连接有限的地区尤其有用，无论是在严重缺乏网络服务的特定地区，还是在偏远地区，如油田，往往无法访问。

边缘计算的另一个关键优势与安全性和遵从性有关。这一点尤其重要，因为政府越来越关注企业如何使用消费者数据。欧盟(EU)最近实施的《通用数据保护条例》(GDPR)就是一个例子。该条例旨在保护个人身份信息不被滥用。因为边缘设备可以在本地收集和处理数据，所以数据不需要转移到云端。因此，敏感信息不需要经过网络，所以如果云受到网络攻击，影响不会那么严重。边缘计算还可以实现新兴网络设备和老式“传统”设备之间的互操作性。它“将旧系统使用的通信协议转换成现代连接设备能够理解的语言”。这意味着传统工业设备可以无缝、高效地连接到现代物联网平台。

边缘计算的发展现状

今天，边缘计算市场仍处于发展的早期阶段。但随着越来越多的设备连接起来，它似乎正受到越来越多的关注。主导云计算市场的公司(亚马逊、谷歌和微软)正在成为边缘计算的领导者。去年，亚马逊凭借AWS Greengrass进入了边缘计算领域，走在了行业的前列。这项服务将AWS扩展到设备上，这样它们就可以“处理本地生成的数据，同时仍然使用云来进行管理、数据分析和持久存储”。微软在这一领域也有一些重大举措。未来四年，该公司计划在物联网领域投资50亿美元，其中包括边缘计算项目。

但是，它不仅仅是有兴趣进入这一领域的三大技术巨头。随着越来越多的联网设备出现，新兴生态系统中的许多玩家正在开发软件和技术，以帮助边缘计算起飞。在接下来的四年里，惠普企业将投资40亿美元的边缘计算。该公司的Edgeline融合Edge Systems目标客户是那些想要获得数据中心级计算电源的工业合作伙伴，通常在偏远地区运行。其系统承诺提供从连接设备的洞察力，用于工业运营（如石油钻井平台，工厂或铜矿），而无需依赖向云或数据中心发送数据。在新兴的边缘计算领域，其他主要竞争对手包括规模计算，vertiv，华为，富士通和诺基亚。

人工智能芯片制造商NVIDIA于2017年推出了Jetson TX2，这是一个用于边缘设备的人工智能计算平台。它的前身是Jetson TX1，声称“重新定义了从云到边缘的高级AI的可能性。”许多知名公司也在投资Edge Computing，包括一般电气，英特尔，戴尔，IBM，思科，Hewlett Packard Enterprise，Microsoft，SAP SE和AT＆T.例如，私募股权市场，都是戴尔和英特尔已投资Foghorn，为工业和商业物联网应用提供边缘智能。戴尔还参加了IOT Edge Platform IoTech的种子融资。上面提到的许多公司，包括思科，戴尔和微软，也加入了努力形成OpenFog联盟。该组织的目标是标准化这项技术的应用。