近年来，数据以前所未有的速度产生，传统的云计算模型面临重大挑战。 人们需要更快的处理、减少延迟和增强隐私，这导致了一种称为边缘计算的革命性范式的出现。 但它到底是什么？为什么它如此重要？ 下面我们就来了解一下吧！
什么是边缘计算？
边缘计算是指一种分布式计算范式，它使计算和数据存储更接近需要的位置，通常靠近网络边缘或更接近生成或消费数据的设备。 在边缘计算中，数据的处理和分析发生在源处或源附近，而不是依赖于集中式云基础设施。
传统上，在云计算模型中，来自各种设备或传感器的数据被发送到集中式数据中心或云服务器进行处理和分析。 然而，边缘计算旨在克服以云为中心的方法的局限性，例如延迟、带宽限制以及对稳定网络连接的依赖。
通过将计算移近网络边缘，它可以实现实时数据处理、更快的响应时间、减少网络流量并提高可靠性。 它对于需要低延迟的应用特别有利，例如物联网 (IoT) 设备、自动驾驶车辆、工业自动化、增强现实和远程监控。
在边缘计算架构中，网关、路由器或边缘服务器等边缘设备部署在数据源附近。 这些设备执行本地数据处理、过滤和分析，减少需要发送到集中式云基础设施的数据量。 然后，处理后的数据或相关见解可以发送回设备或传输到云端以进行进一步处理、存储或长期分析。
边缘计算有几个优点：
#1。 减少延迟
通过在边缘本地处理数据，实时应用程序可以实现更快的响应时间，最大限度地减少因将数据传输到远程云服务器而造成的延迟。
#2. 带宽优化
除了减少延迟之外，它还减少了需要通过网络传输的数据量，优化带宽使用并降低与数据传输相关的成本。
#3。 提高可靠性
即使在网络连接不可靠或暂时中断的情况下，边缘设备也可以继续操作和处理数据。 这增强了整个系统的可靠性和可用性。
#4。 增强的数据隐私和安全性
由于敏感数据可以在本地处理，边缘计算减轻了与将数据传输到外部服务器相关的隐私问题和安全风险。
#5。 可扩展性
它还可以将处理负载分布在多个边缘设备上，从而实现可扩展且高效地处理大量数据。
为什么边缘计算是塑造计算未来的关键技术？
由于多种原因，边缘计算是塑造计算未来的关键技术。 首先，它解决了传统云计算模型的局限性，传统云计算模型经常与延迟和处理速度作斗争。 它使计算更接近数据源，还减少了数据在设备和远程数据中心之间来回传输所需的时间。 这使得实时数据处理、分析和决策成为可能，这对于自动驾驶汽车、工业自动化和实时监控系统等应用至关重要。
其次，增强数据隐私和安全性。 通过在本地处理和存储敏感信息，可以减少对将数据传输到远程服务器的依赖。 一般来说，这可以最大限度地降低数据泄露和未经授权访问的风险。 这一点在医疗保健、金融和政府等数据保密性至关重要的行业中尤为重要。
什么是边缘计算的示例？
边缘计算的一个例子是智能家居设备的使用。 在传统设置中，来自这些设备（例如恒温器、安全摄像头和语音助手）的数据将被发送到中央服务器或云进行处理。 然而，通过边缘计算，这些数据的处理和分析可以在设备本身或附近的边缘服务器上本地进行。
例如，配备这种计算能力的智能恒温器可以从家中的传感器收集温度和占用数据，并实时决定如何调节温度，而无需依赖远程服务器。 这可以实现更快的响应时间、减少延迟并提高管理家庭供暖和制冷系统的效率。
另一个例子是自动驾驶汽车。 自动驾驶汽车从各种传感器（包括激光雷达、摄像头和雷达）生成大量数据。 实时处理这些数据并做出瞬间决策对于自动驾驶车辆的安全运行至关重要。
它使这些车辆能够对传感器数据进行本地处理和分析，减少对远程云服务器的依赖，并确保物体检测和避免碰撞等关键任务的快速响应时间。
边缘计算的主要特征是什么？
主要特点如下：
＃1。 接近
它使计算资源和数据处理更接近网络边缘、数据生成或消费点。 这样做的好处是邻近性减少了延迟并支持实时或近实时处理。
#2. 分布式架构
它涉及一种去中心化架构，其中计算、存储和分析功能分布在边缘设备、边缘服务器或雾节点上。 这种分布提高了可靠性、容错性和可扩展性。
#3。 本地化数据处理
它强调在边缘本地处理和分析数据，而不是依赖集中式云服务器。 这种本地化处理减少了数据传输的需求，节省了带宽并减少了对持续互联网连接的依赖。
#4。 实时或近实时处理
它可以实现实时或近实时的分析和决策。 这对于需要低延迟的应用至关重要，例如自动驾驶汽车、工业自动化或远程监控系统。
#5. 带宽优化
它通过在将数据传输到云端之前在边缘过滤、汇总或预处理数据来优化网络带宽使用。 这减少了传输的数据量，节省了带宽并降低了成本。
＃6。 增强的安全性和隐私性
它通过将敏感数据保留在本地或特定地理区域内来提高安全性和隐私性。 它不会将数据传输到可能面临潜在威胁的云端，而是允许对敏感数据进行本地处理和存储。
#7。 离线能力
它使设备和应用程序能够离线运行或在连接有限的情况下运行。 即使互联网连接间歇性或不可用，本地处理和存储功能也允许设备继续运行。
#8。 可扩展性和灵活性
它允许根据特定要求部署边缘设备或服务器，从而提供可扩展性和灵活性。 可以根据需要在边缘添加额外的计算资源，从而实现边缘计算基础设施的快速扩展。
边缘计算的主要目的是什么？
边缘计算的主要目的是让计算资源和数据处理更接近数据生成源，而不是仅仅依赖于遥远的云服务器或数据中心。 它旨在通过将计算、存储和分析功能分布到更靠近数据创建或消费位置的网络边缘来解决传统集中式计算架构的局限性。 也可以说，它的存在是为了通过分散计算并使计算更接近网络边缘来提高应用程序和服务的效率、性能和响应能力。
边缘计算的另一个词是什么？
经常与“边缘计算”互换使用的另一个词或术语是“雾计算”。
什么是边缘计算技术
边缘计算技术是指用于实现边缘计算的一组技术和方法。 它包含一系列硬件和软件组件，可促进网络边缘的处理、存储和网络功能。 以下是其一些关键组件：
#1. 边缘设备
这些是位于网络边缘的物理设备，例如传感器、网关、路由器、交换机或边缘服务器。 他们收集、处理和传输来自各种来源的数据。
#2。 边缘服务器
这些是部署在网络边缘的计算设备，提供计算能力、存储和本地数据处理能力。 边缘服务器可以位于数据中心、本地或分布式位置。
#3。 边缘操作系统
这些是专门为在边缘设备或边缘服务器上运行而设计的操作系统。 它们针对低功耗、资源效率和实时处理进行了优化。 示例包括 Ubuntu Core、Windows 10 IoT Core 或 Wind River 的 VxWorks。
#4。 边缘分析软件
该软件可以在边缘进行实时数据分析和决策。 它可能包括机器学习算法、人工智能模型或数据分析框架。 边缘分析软件允许本地处理和洞察生成，而无需依赖集中式云服务器。
#5。 边缘网络
这是指连接边缘设备和服务器的网络基础设施。 它可能涉及边缘路由器、边缘交换机或软件定义网络（SDN）解决方案等技术。 边缘网络可实现设备与云端之间的高效数据传输和通信。
＃6。 容器化和虚拟化
这些技术允许封装和隔离软件应用程序和服务，从而更轻松地部署和管理边缘计算环境。 容器和虚拟机可以部署在边缘设备或服务器上，以模块化和可扩展的方式运行应用程序和服务。
#7. 边缘管理和编排
这些工具和平台有助于管理和协调边缘计算基础设施的部署、配置、监控和维护。 它们提供对分布式边缘设备和服务的集中控制和可见性。
边缘计算有哪些类型？
边缘计算有多种类型或类别，可以根据边缘资源的位置和部署进行分类。 以下是一些例子；
- 边缘设备
- 边缘服务器
- 雾计算
- 云计算
边缘计算如何工作
边缘计算的工作原理是将计算资源和数据处理分散到网络边缘，更靠近数据生成或消费的地方。 以下是其通常工作原理的概述：
#1。 数据生成
数据是从各种来源生成的，例如传感器、物联网设备或用户与智能手机或智能电器等边缘设备的交互。 这些数据可以包括传感器读数、视频流或用户输入。
#2. 数据收集和过滤
边缘设备或网关从源收集数据并执行初始过滤或预处理以减少需要传输的数据量。 此步骤有助于优化带宽使用并减少延迟。
＃3。 本地数据处理
边缘设备或边缘服务器对收集的数据进行本地处理和分析。 这可能涉及运行算法、应用机器学习模型或执行特定任务以提取见解、做出决策或根据数据触发操作。
＃4。 边缘决策
它可以在边缘进行实时或接近实时的决策。 通过在本地处理数据，边缘设备可以快速响应事件或条件，而无需依赖远程云服务器。 这对于自动驾驶汽车或工业自动化等时间敏感的应用尤其重要。
#5。 数据传输
经过本地处理和决策后，边缘计算系统将相关或汇总的数据传输到云端或其他集中式系统。 这可能涉及发送处理后的数据、警报或汇总结果以进行进一步分析、存储或长期处理。
#6。 云端整合
边缘计算通常涉及与基于云的系统或服务的集成。 云平台可用于长期存储、高级分析、机器学习培训或在需要时提供额外的计算资源。 边缘设备可以利用云资源来执行需要大量计算能力或历史数据分析的任务。
#7. 管理和编排
边缘计算基础设施需要管理和编排，以确保边缘设备、边缘服务器和相关软件组件的正确部署、配置、监控和维护。 这可能涉及为其部署提供控制、可见性和自动化的集中管理平台或工具。
什么是边缘计算 埃森哲
边缘计算是指在生成数据的源或“边缘”附近处理数据的做法，而不是将其发送到集中式云或数据中心。 埃森哲是一家全球专业服务公司，提供广泛的咨询、技术和外包服务。 他们与组织合作，帮助他们利用边缘计算技术和策略来改善运营、增强数字能力并推动创新。
埃森哲认识到边缘计算在实现实时数据处理、减少延迟、提高网络效率以及跨行业实现新用例方面的潜力。 他们提供与边缘计算相关的服务，包括策略开发、架构设计、实施和集成。 埃森哲帮助客户评估其边缘计算需求、确定适当的边缘基础设施、优化网络连接以及开发边缘应用程序。
通过利用边缘计算，组织可以增强在更接近源点的地方收集、处理和分析数据的能力，从而实现更快的洞察和响应。 这在自动驾驶汽车、智慧城市、工业物联网、医疗保健监控和远程资产管理等实时决策至关重要的场景中尤其有价值。
埃森哲在边缘计算方面的专业知识使他们能够支持客户有效采用该技术，利用其潜力推动数字化转型，提高运营效率并创造新的商机。
边缘计算与云计算
边缘计算和云计算是计算领域的两种截然不同的范式，各自服务于不同的目的并满足特定的要求。 以下是边缘计算和云计算之间的主要区别：
#1。 接近数据和处理
在边缘计算中，数据处理发生在更靠近其生成位置的源或“边缘”，通常位于设备或传感器处或附近。 这种邻近性可实现实时处理、减少延迟并最大限度地减少向集中式数据中心传输数据的需要。 相比之下，云计算涉及在远程数据中心处理和存储数据，这些数据中心通常在地理上远离生成数据的设备。
#2。 数据量和带宽
适用于产生大量数据但由于带宽或成本考虑而将其全部传输到云端不切实际或效率低下的场景。 相反，它在本地过滤和处理数据，仅将相关信息或汇总的见解传输到云。 另一方面，云计算非常适合需要海量存储容量和广泛数据处理能力的应用程序。
#3。 延迟和实时处理
边缘计算旨在通过本地处理数据来最大限度地减少延迟，从而实现实时或近实时分析和决策。 这对于自动驾驶汽车、工业自动化和医疗保健监控等时间敏感的应用至关重要。 在云计算中，数据必须传输到远程数据中心，这会引入延迟，使其不太适合需要立即处理的应用程序。
#4。 可扩展性和资源可用性
云计算提供了几乎无限的可扩展性和计算资源。 组织可以根据需求轻松地扩大或缩小其计算能力，并根据需要支付资源费用。 在边缘计算中，可用的计算资源仅限于边缘设备本身或本地基础设施，这可能在处理能力、存储和网络容量方面受到限制。
＃5。 网络依赖性
云计算严重依赖网络连接来将数据传输到远程数据中心或从远程数据中心传输数据。 在边缘计算中，由于数据处理发生在本地，因此减少了对网络的依赖。 这在网络连接间歇性、不可靠或成本高昂的情况下可能是有利的。
#6。 数据隐私和安全
边缘计算可以通过将敏感数据保留在本地来增强数据隐私和安全性，从而降低传输到云期间未经授权的访问或数据泄露的风险。 另一方面，云计算需要仔细考虑数据安全措施，因为数据是在云服务提供商管理的远程数据中心中存储和处理的。
特斯拉是边缘计算吗？
不是完全。 电动汽车和能源公司特斯拉在其车辆中利用了边缘计算，但它主要不被视为边缘计算公司。 边缘计算在特斯拉的车辆中发挥作用，实现实时数据处理和决策，但特斯拉的核心业务围绕电动汽车、可再生能源和相关技术。
边缘计算是硬件还是软件？
边缘计算包含硬件和软件组件。 它是指一种分布式计算范式，结合了硬件基础设施和软件应用程序，以便在边缘设备或传感器处或附近进行数据处理和分析。
- 云计算：定义、类型、优点、缺点和 PDF（2023 年详细指南）
- 2023 年顶级云服务提供商：终极指南
- 网速对在线游戏的重要性
- 云工程师：定义、职责、工作、薪水以及如何成为一名云工程师
- 语音助手：关于语音助手的一切知识
- Gps 追踪软件
参考资料
