什么是边缘计算？你需要知道的一切！

边缘计算是一种分布式信息技术(IT)体系结构，其中客户端数据在网络的外围处理，尽可能地靠近原始数据来源。

数据是现代业务的命脉，提供有价值的业务洞察力，并支持对关键业务流程和运营的实时控制。当今的企业被淹没在数据的海洋中，可以从世界上几乎任何地方的远程位置和恶劣的操作环境中，实时运行的传感器和物联网设备，定期收集大量数据。

但这种虚拟的数据洪流也正在改变企业处理计算的方式。建立在中心化数据中心和日常互联网上的传统计算范式，并不太适合移动不断增长的现实世界数据河流。带宽限制、延迟问题和不可预测的网络中断都可能阻碍这些努力。企业正在通过使用边缘计算架构来应对这些数据挑战。

简单来说，边缘计算将部分存储和计算资源移出中央数据中心，并更接近数据源本身。这种工作不是将原始数据传输到中央数据中心进行处理和分析，而是在实际产生数据的地方执行——无论是零售店、工厂、庞大的公用事业单位还是整个智慧城市。只有边缘计算工作的结果，如实时业务洞察、设备维护预测或其他可操作的答案，才会被发送回主数据中心进行审查和其他人机交互。

因此，边缘计算正在重塑IT和业务计算。全面了解什么是边缘计算，其是如何工作的，以及云的影响、边缘用例、权衡和实施注意事项。

边缘计算用途

边缘计算是如何工作的?

边缘计算完全是一个位置问题。在传统的企业计算中，数据是在客户端端点产生的，例如用户的计算机。这些数据通过企业广域网跨局域网(如互联网)，企业应用程序在其中存储和处理数据。然后，将该工作的结果传送回客户端端点。对于大多数典型的业务应用程序，这仍然是一种经过验证和时间检验的客户端-服务器计算方法。

但是，连接到互联网的设备数量，以及由这些设备产生并被企业使用的数据量，增长太快，传统数据中心基础设施无法容纳。Gartner预测，到2025年，75%的企业生成数据将在中心化数据中心之外创建。在通常对时间或中断敏感的情况下移动如此多的数据，给全球互联网带来了难以置信的压力，而全球互联网本身往往会受到拥堵和中断的影响。

因此，IT架构师已将重点从中央数据中心转移到基础设施的逻辑边缘——从数据中心提取存储和计算资源，并将这些资源转移到生成数据的位置。原理很简单:如果不能让数据更接近数据中心，那么就让数据中心更接近数据。边缘计算的概念并不是新的，其植根于几十年前的远程计算理念，比如远程办公室和机构，将计算资源放置在所需的位置比依赖于单一的中心位置更可靠、更高效。

边缘计算采用

边缘计算将存储和服务器放在数据所在的位置，通常只需要在远程局域网上运行部分设备即可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外壳，以保护设备免受极端的温度、湿度和其他环境条件的影响。处理通常涉及对数据流进行规范化和分析，以寻找商业智能，并且只有分析的结果被发送回主数据中心。

商业智能的概念可能有很大的不同。一些示例包括零售环境，其中展厅的视频监控可能与实际销售数据相结合，以确定最理想的产品配置或消费者需求。其他例子还包括预测分析，其可以在实际缺陷或故障发生之前指导设备维护和维修。还有一些例子通常与公用事业相关，如水处理或发电，以确保设备正常运行，并保持输出的质量。

边缘计算、云计算与雾计算

边缘计算、云计算与雾计算的概念密切相关。尽管这些概念之间存在一些重叠，但并不是一回事，通常不应互换使用。比较这些概念并理解它们之间的差异是有帮助的。

要了解边缘计算、云计算与雾计算之间的区别，最简单的方法之一是突出共同主题:这三个概念都与分布式计算有关，并侧重于与生成的数据相关的计算和存储资源的物理部署。区别在于这些资源位于何处。

边缘计算与云

边缘。边缘计算是指在数据产生的位置部署计算和存储资源。理想情况下，这会将计算和存储与网络边缘的数据源放在同一点上。举两个例子，一是在风力涡轮机的顶部安装一个带有多个服务器和一些存储设备的小型机箱，以收集和处理涡轮机本身传感器产生的数据。另一个例子是，火车站可能会在车站内放置适量的计算和存储，以收集和处理无数轨道和轨道交通传感器数据。然后将任何此类处理的结果发送回另一个数据中心进行人工审查、存档，并与其他数据结果合并以进行更广泛的分析。

云。云计算是在多个分布式全球位置（区域）之一的计算和存储资源的巨大、高度可扩展的部署。云提供商还为物联网运营整合了各种预打包服务，使云成为首选的物联网部署集中平台。但是，即使云计算提供的资源和服务远远超过了处理复杂分析的能力，最近的区域云设施仍然可能距离数据收集点数百英里，并且连接依赖于支持传统数据中心的相同的互联网连接。在实践中，云计算是传统数据中心的替代方案——有时是补充方案。云可以让集中计算更接近数据源，但不能在网络边缘。

边缘计算架构

雾计算。但是计算和存储部署的选择并不局限于云或边缘。云数据中心可能距离太远，但边缘部署可能过于资源有限，或物理上分散或分布，无法实现严格的边缘计算。在这种情况下，雾计算的概念可以提供帮助。雾计算通常会后退一步，将计算和存储资源置于数据“内部”，但不一定“置于”数据中。

雾计算环境可能会产生大量的传感器或物联网数据，这些数据跨越太大而无法定义边缘的广阔物理区域。例如智能建筑、智慧城市，甚至智能公用事业电网。考虑一个智慧城市，数据可用于跟踪、分析和优化公共交通系统、市政公用事业、城市服务，并指导长期城市规划。单个边缘部署不足以处理这样的负载，因此雾计算可以在环境范围内操作一系列雾节点部署来收集、处理和分析数据。

注意:需要重复的是，雾计算和边缘计算具有几乎相同的定义和架构，甚至在技术专家之间有时也可以互换使用这两个术语。

为什么边缘计算很重要?

计算任务需要合适的架构，适合一种计算任务的架构不一定适合所有类型的计算任务。边缘计算已成为一种可行且重要的体系结构，其支持分布式计算，以便将计算和存储资源部署在更靠近数据源的位置——理想情况下，位于与数据源相同的物理位置。总的来说，分布式计算模型并不新鲜，远程办公室、分支机构、数据中心托管和云计算的概念有着悠久且经过验证的历史了。

但是去中心化是具有挑战性的，其要求高水平的监控和控制，在脱离传统的中心化计算模型时很容易被忽略。边缘计算已变得非常重要，因为其提供了一个有效的解决方案，以解决与移动当今组织产生和使用的大量数据相关的新兴网络问题。这不仅仅是数量的问题，也是一个时间问题，应用程序依赖于对时间越来越敏感的处理和响应。

想想自动驾驶汽车的兴起。它们将依赖于智能交通控制信号。汽车和交通管制将需要实时生成、分析和交换数据。将这一需求与大量自动驾驶汽车相乘，潜在问题的范围就变得更加清晰。这需要一个快速响应的网络。边缘计算和雾计算解决了三个主要的网络限制:带宽、延迟、拥塞或可靠性。

•带宽。带宽是网络在一段时间内所能携带的数据量，通常以每秒位数表示。所有的网络都有一个有限的带宽，对于无线通信来说，这种限制更为严重。这意味着可以通过网络传输数据的数据量或设备数量是有限的。虽然可以通过增加网络带宽以容纳更多的设备和数据，但成本可能很高，仍然存在(更高的)有限限制，并且不能解决其他问题。

•延迟。延迟是网络上两点之间发送数据所需的时间。虽然理想情况下通信以光速进行，但较大的物理距离加上网络拥塞或中断会延迟数据在网络中的移动。这会延迟任何分析和决策过程，并降低系统的实时响应能力。在自动驾驶汽车的例子中，其甚至导致生命的损失。

•拥塞。互联网基本上是一个全球性的“网络中的网络”。尽管其已经发展到为大多数日常计算任务提供良好的通用数据交换，但涉及数百亿台设备的数据量可能会使互联网不堪重负，导致高度拥塞，和强制耗时的数据重传。在其他情况下，网络中断可能会加剧拥塞，甚至完全切断与某些互联网用户的通信——使物联网在中断期间变得毫无用处。

通过在生成数据的地方部署服务器和存储，边缘计算可以在一个更小、更高效的LAN上运行许多设备。在该LAN中，本地数据生成设备专门使用充足的带宽，从而几乎不存在延迟和拥塞。本地存储收集并保护原始数据，而本地服务器可以执行基本的边缘分析——或至少对数据进行预处理和减少——在将结果或基本数据发送到云或中央数据中心之前，实时做出决策。

边缘计算用例和示例

原则上，边缘计算技术用于在网络边缘或附近“就地”收集、过滤、处理和分析数据。这是一种使用无法首先移动到中心化位置的数据的强大手段，通常是因为庞大的数据量使此类移动成本过高，技术上不切实际，或者可能违反合规义务，如数据主权。这个定义产生了无数现实世界中的用例:

1.制造业。一家工业制造商部署了边缘计算来监控生产，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，以及这些组件的库存时间。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。

2.农业。考虑一个在室内种植作物的企业，没有阳光、土壤或杀虫剂。这个过程可以减少60%以上的生长时间。使用传感器可以跟踪用水、养分密度，并确定最佳收成。通过数据收集和分析，发现环境因素的影响，不断改进作物生长算法，确保作物在高峰条件下收获。

3.网络优化。边缘计算可以通过测量互联网用户的性能，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，边缘计算被用来“引导”整个网络的流量，以获得最佳的时间敏感流量性能。

4.工作场所安全。边缘计算可以结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环境，或确保员工遵守既定的安全协议，特别是在工作地点偏远或异常危险的情况下，如建筑工地或石油钻井平台。

5.改善医疗保健。医疗保健行业极大地增加了从设备、传感器和其他医疗设备收集的患者数据量。庞大的数据量需要边缘计算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，以便临床医生能够立即采取行动，帮助患者实时避免健康事件。

6.运输。自动驾驶汽车每天需要和生产5TB到20TB的数据，收集有关位置、速度、车辆状况、路况、交通状况和其他车辆的信息。并且数据必须在车辆运动时实时汇总和分析。这就需要大量的车载计算——每辆自动驾驶汽车都将成为一个“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。

7.零售。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大量数据。边缘计算可以帮助分析这些多样化的数据，并识别业务机会，如有效的终端或活动，预测销售和优化供应商订单，等等。由于零售业务在本地环境中可能会发生巨大变化，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。

边缘计算有什么好处？

边缘计算解决了至关重要的基础设施挑战，比如带宽限制、过度延迟和网络拥塞。不过，边缘计算还有几个潜在的额外好处，可以让这种方法在其他情况下更有吸引力。

自主权。当连接不可靠或由于站点的环境特性而限制带宽时，边缘计算很有用。例如石油钻井平台、海上船只、偏远农场或其他偏远地区。边缘计算在现场进行计算工作—有时是在边缘设备本身，比如偏远村庄的净水器上的水质传感器，并且只有在连接可用时才能保存数据以传输到中心点。通过在本地处理数据，可以大大减少要发送的数据量，所需的带宽或连接时间远远少于其他情况下可能需要的时间。

物联网网关系统

数据主权。移动大量数据不仅仅是一个技术问题。数据跨越国家和地区边界的流动可能会给数据安全、隐私和其他法律问题带来额外的问题。边缘计算可以用来保持数据接近其来源，并在现行数据主权法律的范围内。如欧盟的GDPR，其定义了数据的存储、处理和公开方式。这可以允许原始数据在本地处理，在将任何数据发送到云或主数据中心(可能位于其他司法管辖区)之前，对任何敏感数据进行模糊处理或保护。

边缘计算市场

边缘安全。最后，边缘计算为实现和确保数据安全提供了额外的机会。虽然云提供商拥有物联网服务，并专注于复杂分析，但企业仍然担心数据一旦离开边缘，再返回到云或数据中心的安全性。通过在边缘实现计算，任何通过网络返回到云或数据中心的数据都可以通过加密得到保护。况且边缘部署本身可以抵御黑客和其他恶意活动，即使在物联网设备的安全性仍然有限的情况下。

边缘计算的挑战

尽管边缘计算有可能在众多用例中提供吸引力的好处，但这项技术并非万无一失。除了传统的网络限制问题之外，还有几个关键考虑因素会影响边缘计算的采用:

•能力有限。云计算给边缘计算或雾计算带来的吸引力之一是资源和服务的多样性和规模。在边缘部署基础设施可能是有效的，但必须明确定义边缘部署的范围和目的，即使是广泛的边缘计算部署也可以使用有限的资源和很少的服务以预定规模服务于特定目的。

•连通性。边缘计算克服了典型的网络限制，但即使是最宽容的边缘部署也需要一些最低级别的连通性。设计一种能够适应不良或不稳定连接的边缘部署非常关键，并考虑当连接丢失时，边缘会发生什么情况。自主、人工智能和在连接问题之后的优雅失败规划是成功的边缘计算的关键。

•安全。众所周知，物联网设备不安全，所以设计边缘计算部署至关重要。该部署将强调适当的设备管理，如策略驱动的配置实施，以及计算和存储资源的安全性，包括软件补丁和更新等因素，特别注意静态和动态的数据加密。主要云提供商提供的物联网服务包括安全通信，但这在从头开始构建边缘站点时并不是自动的。

•数据生命周期。当今数据过剩的长期问题是，有太多的数据是不必要的。考虑一种医疗监测设备——只有问题数据才是关键，保存几天的正常患者数据没有任何意义。实时分析中涉及的大多数数据都是短期数据，不会长期保存。在执行分析之后，企业必须决定保留哪些数据，以及丢弃哪些数据，并必须根据业务和监管政策保护所保留的数据。

边缘计算实现

边缘计算是一个简单的想法，在纸面上看起来很容易，但开发一个有凝聚力策略并在边缘实现合理的部署可能是一项具有挑战性的工作。

任何成功的技术部署的第一个关键因素是创建有意义的业务和技术优势战略。这样的策略并不是关于挑选供应商或设备。相反，边缘策略考虑的是边缘计算的需求。理解“为什么”需要清楚地了解组织试图解决的技术和业务问题，例如克服网络限制和观察数据主权。

边缘数据中心

这样的策略可以从讨论优势的意义、其对企业的意义以及应该如何使组织受益开始。边缘策略也应该与现有的业务计划和技术路线图保持一致。例如，如果企业试图减少其集中式数据中心的占用，那么边缘计算和其他分布式计算技术可能会很好地结合在一起。

随着项目接近实现，仔细评估硬件和软件选项是非常重要的。边缘计算领域有很多供应商，包括AdlinkTechnology、Cisco、Amazon、DellEMC和HPE。必须对每个产品进行成本、性能、特性、互操作性和支持等方面的评估。从软件的角度来看，工具应该提供对远程边缘环境的全面可见性和控制。

边缘计算计划的实际部署在范围和规模上可能有很大的差异，从公用设施经过实战考验场地中的一些本地计算设备，到向公共云提供高带宽、低延迟网络连接的大量传感器。没有两种边缘部署是相同的。正是这些变化使得边缘策略和计划对边缘项目的成功至关重要。

边缘部署需要全面的监控。需要注意的，让IT人员到达物理边缘站点可能是困难的，甚至是不可能的，因此应该对边缘部署进行架构设计，以提供弹性、容错和自我修复功能。监控工具必须提供远程部署的清晰概览，支持轻松的配置，提供全面的警报和报告，并维护安装及其数据的安全性。边缘监控通常涉及一系列指标和KPI，例如站点可用性或正常运行时间、网络性能、存储容量和利用率，以及计算资源。

如果不仔细考虑边缘维护，任何边缘的实现都是不完整的:

•安全。物理和逻辑安全预防措施是至关重要的，应该包括强调漏洞管理和入侵检测和预防的工具。安全必须扩展到传感器和物联网设备，因为每一个设备都是一个可以被访问或攻击的网络元素，呈现出数量惊人的可能攻击面。

•连通性。连接性是另一个问题，即使实际数据的连接性不可用，也必须提供控制和报告的访问。一些边缘部署使用辅助连接进行备份连接和控制。

•管理。边缘部署的远程和不适宜的位置使得远程配置和管理至关重要。IT经理必须能够看到边缘发生的事情，并能够在必要时控制部署。

•物理维护。物理维护要求不容忽视。物联网设备的使用寿命通常有限，需要定期更换电池和设备。当设备出现故障，需要维护或更换时，实用的网站后勤必须包括维护。

边缘计算、物联网和5G的可能性

边缘计算不断发展，使用新的技术和实践来增强其能力和性能。也许最值得注意的趋势是边缘服务的可用性，预计到2028年，边缘服务将在全球范围内可用。目前，边缘计算通常与具体情况有关，但预计该技术将变得更加普遍，并改变互联网的使用方式，为边缘技术带来更多抽象和潜在用例。

这一点可以从专门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将使产品具有更好的互操作性和灵活性。一个例子包括AWS和Verizon之间的合作，为边缘地区带来更好的连接。

无线通信技术，如5G和Wi-Fi6，也将在未来几年影响边缘的部署和利用，实现尚未探索的虚拟化和自动化功能，如更好的车辆自动驾驶和工作负载迁移到边缘，同时使无线网络更灵活和更具成本效益。

此图详细地展示了5G如何在4G和LTE能力之上为边缘计算和核心网络提供显著的进步。

随着物联网的兴起以及此类设备产生的数据突然过剩，边缘计算受到了关注。但由于物联网技术仍处于相对起步阶段，物联网设备的发展也将对边缘计算的未来发展产生影响。此类未来替代方案的一个例子是微型模块化数据中心(MMDC)的开发。MMDC基本上是一个盒子里的数据中心，将一个完整的数据中心放在一个小型移动系统中，该系统可以部署在更靠近数据的地方，例如跨越城市或地区，以使计算更接近数据，而无需在数据上设置边缘。