邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析數(shù)據(jù)的行為發(fā)生在靠近數(shù)據(jù)生成的本地設(shè)備和網(wǎng)絡(luò)中。邊緣計算又被叫做分布式云計算、霧計算或第四代數(shù)據(jù)中心。

大概很多人都有這樣的經(jīng)歷：不小心，手被火燒或被開水燙了，人會立即移開自己的手，這個反應是人的自組織條件反射反應。我們假設(shè)一下，如果我們的手被火燒或被開水燙由我們大腦根據(jù)匯集的信息做反應決定，再采取行動的話，那會是一個什么樣的場景？

假設(shè)我們把人的條件反射標記為邊緣計算，把人的大腦的反應標記為云計算的話，那么我們就可以淺顯而又深刻地了解邊緣計算和云計算的區(qū)別。

一.什么是邊緣計算

邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析數(shù)據(jù)的行為發(fā)生在靠近數(shù)據(jù)生成的本地設(shè)備和網(wǎng)絡(luò)中，而不是必須將數(shù)據(jù)傳輸?shù)接嬎阗Y源集中化的云端進行處理。邊緣計算又被叫做分布式云計算、霧計算或第四代數(shù)據(jù)中心。

邊緣計算首先通過在WAN網(wǎng)絡(luò)上虛擬化網(wǎng)絡(luò)服務(wù)而出現(xiàn)。最初是由一個平臺來驅(qū)動的，適應了云計算用戶的習慣，這也便是思科(Cisco)于2011年曾提出的霧計算概念的由來。隨著新的邊緣計算能力的出現(xiàn)，邊緣計算不再需要構(gòu)建集中的數(shù)據(jù)中心，創(chuàng)建了具有潛在數(shù)千個可應用的大規(guī)模分布式節(jié)點的能力。

二. 為什么需要邊緣計算

Gartner預計到2020年全世界有多達250億的智能設(shè)備會連接互聯(lián)網(wǎng)，如此多的設(shè)備會產(chǎn)生50萬億GB的數(shù)據(jù)，這相當2015年全球數(shù)據(jù)量的5倍多。如果將這些設(shè)備產(chǎn)生的數(shù)據(jù)全部傳輸?shù)皆贫?，對網(wǎng)絡(luò)帶寬、網(wǎng)絡(luò)流量成本控制、云端存儲能力都是一個巨大的挑戰(zhàn)。
同時，一些應用需要及時響應，如工廠的機械設(shè)備的故障預測，時延即意味著損失。另外一些邊緣設(shè)備還涉及個人隱私和安全。為了應對物聯(lián)網(wǎng)場景中海量數(shù)據(jù)傳輸、存儲和云計算能力的挑戰(zhàn)，領(lǐng)先的云計算廠商紛紛推出邊緣計算的產(chǎn)品。將部分數(shù)據(jù)分析功能，放到了應用場景的附近(終端或網(wǎng)關(guān))來實現(xiàn)，這種就近提供的智能服務(wù)可以滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關(guān)鍵需求。

云計算和邊緣計算的區(qū)別

邊緣計算的幾個特質(zhì)

?分布式和低延時計算

邊緣計算聚焦實時、短周期數(shù)據(jù)的分析，能夠更好地支撐本地業(yè)務(wù)的實時智能化處理與執(zhí)行

?效率更高

由于邊緣計算距離用戶更近，在邊緣節(jié)點處實現(xiàn)了對數(shù)據(jù)的過濾和分析，因此效率更高

?更加智能化

AI+邊緣計算的組合出擊讓邊緣計算不止于計算，更多了一份智能化

?更加節(jié)能

云計算和邊緣計算結(jié)合，成本只有單獨使用云計算的39%

?緩解流量壓力

在進行云端傳輸時通過邊緣節(jié)點進行一部分簡單數(shù)據(jù)處理，進而能夠設(shè)備響應時間，減少從設(shè)備到云端的數(shù)據(jù)流量

三. 技術(shù)進步為布署邊緣計算提供了可能

在物聯(lián)網(wǎng)場景下，每個智能設(shè)備都會產(chǎn)生大量的數(shù)據(jù)，傳輸如此海量的數(shù)據(jù)從本地到云端，則需要消耗大量的網(wǎng)絡(luò)帶寬。為了加快服務(wù)和計算處理數(shù)據(jù)的時間，將計算從云端移向采集數(shù)據(jù)的邊緣節(jié)點則是必然之選。

四.怎么布署邊緣計算

在物聯(lián)網(wǎng)場景下，每個智能設(shè)備都會產(chǎn)生大量的數(shù)據(jù)，傳輸如此海量的數(shù)據(jù)從本地到云端，則需要消耗大量的網(wǎng)絡(luò)帶寬。為了加快服務(wù)和計算處理數(shù)據(jù)的時間，將計算從云端移向采集數(shù)據(jù)的邊緣節(jié)點則是必然之選。其實，在大數(shù)據(jù)場景下，將計算部署到靠近數(shù)據(jù)的節(jié)點早有先例。Hadoop中的MapReduce就是通過將mapper和reducer部署到數(shù)據(jù)存儲的節(jié)點，從而高效的處理HDFS中存放的海量數(shù)據(jù)。

邊緣計算環(huán)境是構(gòu)成物聯(lián)網(wǎng)生態(tài)系統(tǒng)的諸多元素的一個子集，它剔除了管理、安全和分析功能。邊緣計算是聯(lián)接物理世界和虛擬世界的一道“橋梁”。

1、設(shè)備域：邊緣計算在這一層，可以對感知的信息直接進行計算處理。比如在制造領(lǐng)域，可以對設(shè)備進行適時監(jiān)控，能夠?qū)崿F(xiàn)預防性維護；在視頻采集、音頻采集中直接部署智能鑒別的能力;又或者像手機一樣，能夠由語音輸入直接轉(zhuǎn)換成文字輸出。

2、網(wǎng)絡(luò)域：通過部署計算能力，實現(xiàn)各網(wǎng)絡(luò)協(xié)議的自動轉(zhuǎn)換，對數(shù)據(jù)格式進行標準化處理。要解決物理網(wǎng)中數(shù)據(jù)異構(gòu)的問題，就需要在網(wǎng)絡(luò)域中部署邊緣計算，以實現(xiàn)數(shù)據(jù)格式的標準化和數(shù)據(jù)傳遞的標準化(例如將所有的感知數(shù)據(jù)都換算成MQTT類型數(shù)據(jù)，并通過HTTP方式傳遞)。同時，網(wǎng)絡(luò)域的邊緣計算，還能對“融合網(wǎng)絡(luò)”進行智能化管理，實現(xiàn)網(wǎng)絡(luò)的冗余，保證網(wǎng)絡(luò)的安全，并可進一步參與網(wǎng)絡(luò)的優(yōu)化工作。

3、數(shù)據(jù)域：邊緣計算，使得數(shù)據(jù)管理更智能、存儲方式更靈活。首先，邊緣計算可以對數(shù)據(jù)的完整性和一致性進行分析，并進行數(shù)據(jù)清洗工作，消滅系統(tǒng)中的“臟”數(shù)據(jù)。其次，邊緣計算可以對計算和存儲能力、以及系統(tǒng)負載進行動態(tài)地部署。最后，邊緣計算還能和云端計算保持高效協(xié)同、合理分擔運算任務(wù)。

4、應用域：邊緣計算提供屬地化的業(yè)務(wù)邏輯和應用智能。它使得應用具有靈便、快速反應的能力，并在離線的情況下(和云端失去聯(lián)系時)，仍能夠獨立地提供本地化的應用服務(wù)。

五. 邊緣計算典型應用場景

邊緣網(wǎng)絡(luò)基本上由終端設(shè)備（例如移動手機、智能物品等等）、邊緣設(shè)備（例如邊界路由器、機頂盒、網(wǎng)橋、基站、無線接入點等等）、邊緣服務(wù)器等構(gòu)成。這些組件可以具有必要的性能，支持邊緣計算。作為一種本地化的計算模式，邊緣計算提供了對于計算服務(wù)需求更快的響應速度，通常情況下不將大量的原始數(shù)據(jù)發(fā)送云網(wǎng)絡(luò)。然而，總體來說，邊緣計算不需要會主動協(xié)助 IaaS,、PaaS、 SaaS和其他云服務(wù)，更多地專注于終端設(shè)備端。

邊緣計算的概念是因工業(yè)制造之因而起。在工業(yè)領(lǐng)域，云端固然必不可少，但是仍需要邊緣與云端的協(xié)同工作。單點故障在工業(yè)級應用場景中是絕對不能被接受的，因此除了中心云的統(tǒng)一控制外，工業(yè)現(xiàn)場的系統(tǒng)也必須具備一定的活力，能夠自主判斷并解決問題。邊緣計算可以更便捷的處理工廠設(shè)備產(chǎn)生的海量數(shù)據(jù)，及時檢測異常情況，更好的實現(xiàn)預測性監(jiān)控，提升工廠運行效率的同時也能預防設(shè)備故障問題。