随着物联网的爆炸式增长，连接设备通过传感器、摄像头、加速器以及深度传感器收集到的信息越来越多，包括了从制造业到汽车、卫生技术、能源、公用事业和可穿戴技术等各个行业。在AI和5G融合的帮助下，收集的数据量只会不断扩大。据估计，一辆全自动汽车将包含60多个微处理器和传感器，每年可生成超过300TB的数据。更或者，在一小时的行程中，将会有多达25GB的信息通过连接的车辆（相当于大约100小时的视频）发送。
这些数据会面临什么问题？
有了这些海量数据，捕获、聚合和分析数据就成了一个挑战。并非所有数据都是有用的，但对时间敏感的数据，如自动驾驶汽车、有害气体监测、医疗保健和安全设备等，都存在滞后的风险。数据到达云并返回到设备中的瞬间延迟（例如，能够识别道路上行人的汽车或者发生故障的胰岛素泵）都可能会是灾难性的或致命的。其他数据站点面临的挑战是在恶劣环境中使用物联网，例如海上炼油厂、地下矿井或深水井，可能导致带宽有限且可变延迟的链接不稳定。
边缘计算，一个根据行业和用例的不同有着许多定义的概念，在Linux基金会的领导下创建了开放式边缘计算术语表，用于开发和改进术语。
正如Linux基金会所解释的那样，边缘计算是：
“将计算能力交付到网络的逻辑极端，以便提高应用程序和服务的性能、运营成本和可靠性。通过缩短为其提供服务的云资源设备之间的距离，以及减少网络跃点，边缘计算减轻了当今互联网的延迟和带宽限制，引入了新的应用程序类。
实际上，这意味着在当今的集中式数据中心和现场越来越多的设备之间的路径上分配新的资源和软件栈，特别是（但不限于），在最后一英里网络附近，基础设施和设备方面。“
边缘计算将智能和处理功能放置在更接近数据源的位置，从而提高了对可操作的洞察力进行实时分析的能力。与恶劣环境等场景一样，减少发送到云和传感器之间的数据量可以最大限度地减少延迟并减少时间、能量和带宽支出。
最常见的边缘计算用例有哪些？
IDC 2015年的一份报告预测，到2019年，物联网中45%的数据将在网络附近或边缘进行存储、处理、分析和操作。
也许迄今为止实践最多的是工业部门，它们将数据收集和处理工作纳入边缘，可以更好地促进预测维护和降低能源成本。
城市正在通过智能城市计划实现连接，重点关注交通模式、天气以及公共设施的功能，如照明、停车收费，智能交通灯、建筑物、运输和废物收集。这些举措涉及部署高带宽和对延迟敏感的应用程序，从多个来源获取信息。生成的数据在存储在远程的集中式数据中心中时是无用的，它必须更接近交互点，这是边缘计算能够实现的。例如，如果智能城市交通控制中心检测到交通拥堵或事故，就可以使用该信息立即将延误通知本地公共汽车时刻表，同时向游客推荐替代交通。
虽然医疗保健在采用边缘计算功能方面发展较慢，但假设如果医院病房内有多达20台机器，并且来自这20个设备的数据可以放在一个仪表盘中，并与电子健康记录（EHR）中的患者历史相结合，这样的吸引力是非常大的，能够提供更好的实时医疗保健服务。这样带来的好处是等待结果的时间减少，并且医院的就诊的人数也有可能减少。
这不是边缘和云之间的竞争
在物联网中，边缘计算并不意味着云的消亡。相反，在最新的体系结构中，它是一个在边缘网关和云后端之间转换功能的场景。这很可能是一个聚合模型，包括边缘的隔离，以及数据和“节点”在边缘的选择性聚合的能力。
云计算将始终占有一席之地。例如，虽然许多物联网设备需要在边缘进行实时决策，但企业可能需要对流程改进和模型开发进行历史分析。当多个边缘设备的数据可以集中组合在一起时，这就达到了最佳效果。它可以促进互联关系，从历史分析中获得的洞察力可以被推回到边缘，以便支持物联网的边缘设备不断发展，以做出更好的实时决策。因此，计算模型就变成了边缘计算和云计算的结合，其中物联网设备在边缘实时操作，在边缘收集和处理原始数据，并将元数据共享到云以进行全面的历史分析和持续的过程改进。
安全性将继续面临挑战
有争议的是，边缘计算有一些与云计算不同的数据安全性，因为边缘设备上的数据不会通过易于拦截的网络传输。但是，企业数据中心受制于完善的安全防御和安全程序，而边缘计算则不然。由于将设备连接到互联网上，以前在安全性方面默默无闻的攻击站点变得更大。每个连接的传感器和执行器都代表了恶意软件DDoS攻击的潜在危害点。 2016年底发生的Mirai僵尸网络攻击就证明了这一点，在一次大规模分布式拒绝服务（DDoS）攻击中，Mirai僵尸网络攻陷了数十万个物联网设备。任何考虑边缘计算机会的公司、城市或设备构建商都需要牢记安全性。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
