互联网十万个为什么之什么是边缘计算？

边缘计算是一种计算模式，目的在于把数据处理的位置从远程集中的数据中心或云迁移到靠近数据源的地方，如用户设备或传感器附近。这种方式通过在网络的边缘处理信息，可以有效应对数据量增长和网络容量限制所带来的挑战。边缘计算通过近源处理，大幅减少了数据传输时间，降低了网络拥塞和服务延迟，同时实现了对带宽的经济性利用和更快的决策反馈，优化了整体应用性能，加强了数据处理的即时性和安全性。

边缘计算有什么优势？

• 低延迟

  边缘计算能够大幅减少数据传输时间，提供近乎实时的响应。例如，在自动驾驶汽车中，车载边缘计算单元能够即时处理来自传感器的数据，快速作出驾驶决策，从而保证车辆安全。

• 带宽节约

  通过在边缘进行数据处理，只有必要的、已处理的信息会被上传到云端，减少了对带宽的需求。例如，在安防监控系统中，边缘设备仅在检测到异常活动时才发送视频流到中心服务器，这样大大减少了数据的传输量。

• 增强隐私和安全性

  数据在本地处理，可以更好地控制敏感信息的传播。例如，在健康监护系统中，患者的健康数据可以在本地进行预处理和加密，保证个人隐私不被泄露。

• 提高可靠性

  即使中心网络连接失败，边缘计算节点仍可独立运行。例如，工业控制系统中的边缘计算单元能够在断网情况下继续监控和控制生产线，确保连续作业。

• 实时分析和决策

  边缘计算允许数据在产生地点快速分析，并做出响应。例如，智能交通系统中，边缘计算节点能够实时处理交通流量数据，调整信号灯的配时，优化交通流。

边缘计算有哪些使用场景？

• 智慧城市

  城市基础设施通过边缘计算更高效地管理和处理信息。例如，智能交通系统能够收集来自街道传感器的交通流量数据，并在边缘实时处理这些信息以优化交通信号控制，减少拥堵。

• 工业自动化

  边缘计算在工业生产中实现设备的即时监控和控制，提高生产效率。例如，生产线上的边缘计算节点可以实时分析从机器传感器来的数据，并在检测到生产异常时立即调整或停止设备运行，以维护质量控制。

• 远程医疗

  在医疗领域，边缘计算可以加快急救响应和治疗时间。比如，在救护车上的边缘设备能够进行快速的数据分析，如心电图解读，在患者到达医院前提供紧急治疗建议。

• 智能家居

  在家居自动化中，边缘计算使智能设备能够更快地响应用户需求。例如，智能门锁可以即时处理面部识别数据，为居住者提供快捷安全的门禁服务，而无需等待远程服务器的验证。

• 零售业

  零售商可以通过边缘计算更好地理解和服务顾客。例如，在商店中的边缘设备能够分析顾客的购物习惯和在店内的移动路径，实时提供个性化的折扣和推荐，提高顾客的购物体验。

• 云渲染

  通过边缘计算就近算力服务提升终端用户业务体验。例如，元宇宙电商采用与终端用户就近的边缘GPU资源进行即时渲染，降低渲染时延，让广分布的用户获得一致性的业务体验。

• 云游戏

  边缘计算分布式原生多开方案优化云游戏运营成本，提升低配置终端设备覆盖率，让更多游戏玩家体验无损的优质内容魅力。

• AI推理

  边缘计算帮助业务实现本地化数据分析，实时响应用户需求。例如，智能助手采用边缘推理可以降低处理时延，让用户获得本地化交互体验，同时可降低网络带宽传输成本。

边缘计算的工作原理是什么？

边缘计算作为一种网络计算架构，其核心目的在于优化数据流，减少延迟，并减轻中央处理设施的计算负载。这种架构通过两个主要的操作领域来实现其目的：上游边缘计算和下游边缘计算。

上游边缘计算

上游边缘计算主要聚焦在数据的产生源，如传感器和智能设备，这些设备在物联网环境中广泛分布。上游边缘计算的过程主要包括：

1. 数据捕获：设备层面的传感器和智能设备不断捕获多源数据，包括环境监测、用户交互或运行状态等信息。
2. 实时处理与决策：设备或与之相连的边缘节点会对这些数据进行即时处理。这种处理包括筛选、聚合和初步分析。处理的目标是识别出不同类别的数据，并作出快速决策。例如，对于关键操作指令，边缘设备可能会立即执行反应，如在工业控制系统中调整参数。
3. 数据优化传输：通过数据预处理，系统减少了对中央数据中心的依赖，同时减少了通信成本和延迟。重要数据被上传到云端或数据中心进行深入分析和长期存储，而不重要的数据则在本地消化。
4. 多层架构：边缘计算设施可能包括地理分散的微数据中心、企业内部的边缘服务器或在物联网设备中的微处理器。这些节点不仅处理数据，还能进行数据的临时存储，提供足够的灵活性来支持不同的应用场景。

下游边缘计算

下游边缘计算则更注重于将处理好的数据或服务快速交付给用户，特别是在需要低延迟交互的应用中。这包括了以下几个方面：

1. 内容分发网络（CDN）：CDN的架设使得流媒体、网页内容和其他数据可以被缓存在接近用户的位置，显著提高了访问速度和服务质量。
2. 云边缘集成：云提供商通过在多个地理位置设立边缘节点，使得应用程序能够在用户近旁进行关键计算，从而减少数据往返的时间。
3. 移动性支持：利用5G等先进移动网络技术，移动边缘计算可为端到端的应用提供强大的支持，如增强现实（AR）、无人机控制或远程医疗等。

边缘计算和云计算有什么区别？

下表总结了边缘计算和云计算这两种计算模式在数据处理位置、延迟、带宽需求等关键特征方面的主要区别。在实际应用中，很多系统会将两者结合起来，以满足不同的业务需求和场景。

对比项	边缘计算	云计算
数据处理位置	在网络的边缘，接近数据源（如本地设备或近端服务器）	在远程数据中心，通常位于网络的核心
延迟	低延迟，因为处理离数据源更近	较高延迟，受限于数据传输到远端服务器的时间
带宽需求	少量数据传输到云端，节约带宽	需要更多带宽来支持数据传输到远端服务器
实时性	更强的实时数据处理能力，因为数据在产生地点被处理	实时性较差，因为数据需要被发送到远端处理
可扩展性	受限于边缘设备的计算和存储资源	高，云服务提供者可以按需提供几乎无限的计算和存储资源
安全性和隐私	数据在本地处理，减少了数据传输，提高了安全性和隐私性	数据传输和存储在远端，需通过加密和其他安全措施确保安全和隐私
成本	较低的数据传输成本，设备维护和升级成本根据部署规模变化	高效的资源共享和管理可以降低运营成本，但需要支付云服务费用
应用场景	适合对即时性、低延迟有严格要求的场景，如自动驾驶、工业自动化、智能城市等	适合大规模数据处理、分析和存储的场景，如大数据分析、在线服务等