边缘计算吸引了很多积极的关注，特别是随着物联网的普及。通常，边缘计算被认为是云的对立面，但事实并非如此。在本博客中，您将了解边缘计算、云和传统本地技术之间的区别；边缘计算为何备受关注；以及它有什么好处。
边缘计算概述及其引起关注的原因
什么样的边缘计算引起了人们的关注？让我们来看看。
边缘计算的定义和概念
边缘计算是一种分布式开放 IT 架构，在计算机网络的边缘执行处理。
边缘计算中的 “边缘” 是指计算机网络的边缘或边缘。如果网络中心是数据中心或云端，则物联网设备（例如智能手机和平板电脑）将在边缘运行并连接到互联网。通过处理这些边缘附近的数据，可以呈现集中在网络路径和数据中心上的负载。因此，处理数据时延迟更少，效率更高。
据说边缘计算的特点是其分布式处理能力。边缘计算不是将数据发送到远程的数据中心，而是在设备本身或设备附近的计算机或服务器上处理数据。目的是通过处理附近的数据来分配负载并最大限度地减少通信延迟。
为什么边缘计算很重要
“保持数据密度” 变得越来越重要，但为什么呢？
随着数据通信量的增加，实时数据变得越来越重要。
在物联网时代，各种设备处理的数据量呈爆炸式增长。话虽如此，所需的处理速度和响应也在增加。需要大型数据中心来处理大量数据，但是在一个位置集中处理比在每个位置都设置数据中心更有效。这是云计算变得流行的原因之一。
但是，在通过互联网将数据发送到云端、处理和返回数据时，不可避免地会有一些时间延迟。
机器人和工业设备的传感器技术每天都在发展，现在可以随时准确捕捉情况。但是，如果数据处理和响应之间存在时间间隔，复杂的传感技术将变得毫无意义。
执行精确和复杂运动的设备需要高精度物联网。为了应对这种情况，必须尽可能接近实时地交换信息和数据。边缘计算使之成为可能，作为物联网进入下一阶段的必要技术，正引起人们的关注。
与 MEC 的区别
近年来，MEC（多接入边缘计算）已成为边缘计算的一种新形式。
MEC 是移动通信边缘计算的演变，作为 5G 利用的绝佳工具备受关注。
5G 是一种满足大容量、高速、低延迟和多连接要求的通信标准。通过将其与边缘计算相结合，可以分配和减少网络负载，并可以进一步利用 5G 的性能。
从数据处理方法中可以看出边缘的作用。与云和本地的区别
那么，边缘计算中的 “边缘” 到底是什么呢？如前所述，边缘计算的目的是消除数据处理响应中的延迟并提高实时性能。出于这个原因，关键信息在 “边缘” 分发和处理，即在现场，而不是在云端。
出于这个原因，有时人们认为边缘计算与云计算具有相反的性质，后者是一种集中处理类型。但从真正意义上讲，云与本地形成鲜明对比。
那么，边缘计算与传统的本地计算有何不同呢？
边缘计算无法在本地处理所有数据。通过将可以在边缘完成的操作与应发送到云端的操作分开，可以最大限度地发挥每种操作的优势。
当需要准确处理大量数据或需要更多实时处理的信息时，可以在边缘或本地完成。需要大规模协作和聚合且受处理速度影响较小的信息可以通过使用云进行顺畅管理。因此，可以说，边缘计算的最初形式是 “准确划分在何处处理信息的作用”。
边缘计算的 5 大好处
边缘计算的具体优势是什么？以下五个好处概述了利用边缘计算的优势。
- 低延迟：实时数据处理
访问云时，发送数据的时间与处理和接收数据的时间之间通常会有一段时间间隔。这种时间延迟（或通信延迟时间）称为延迟。通过边缘计算和分布式处理，可以减少延迟。这减少了数据交换的延迟，并实现了实时数据处理。
- 流量优化和稳定
物联网的演变和普及将进一步增加未来的数据通信量。据预测，如果将所有这些数据聚合到云中，通信路线和数据中心将出现 “数据拥塞”。数据拥塞不仅会导致数据传输和接收延迟，还存在导致云服务故障的风险。
通过使用边缘计算，组织可以通过不将所有数据发送到云端并在边缘处理关键数据来减少通信量。这也有助于减轻网络带宽的压力。
优化和稳定数据流量是边缘计算的显著优势之一。
- 降低通信成本
将大量数据传输到云端时，由于通信量的增加，数据传输的成本也会增加。
综合使用边缘计算将减少传输到云端的数据量和通信量，从而降低通信成本。
- 加强信息安全
将公司和个人信息存储在云端会带来潜在的安全风险，例如泄漏或外部攻击。
边缘计算消除了在边缘处理数据时向云端发送和接收数据的需要，这有助于降低数据泄露的风险。
- 业务连续性规划
边缘计算也可以是 BCP（业务连续性计划）。如果你在云端处理所有数据，但云服务出现故障，会怎么样？依赖这些数据的企业可能会倒闭。
借助边缘计算，组织可以在边缘处理关键数据，这意味着如果云服务出现故障，运营将继续进行。
引入边缘计算应是优先事项，也是业务连续性计划的一部分，以便在发生紧急情况时进行恢复和延续。
利用边缘计算有很多好处。关键是要弄清楚在哪里以及如何才能获得最大的收益。
边缘计算的当前问题
尽管使用边缘计算带来了多种好处，但仍有一些障碍必须克服。为了最大限度地提高边缘计算的有效性，必须解决以下问题。
吞吐量和容量之间的平衡
边缘计算可以加快整体处理速度，但是如果设备的处理能力不支持，组织必须采取对策。
增加边缘终端的处理能力将导致更高的功耗，从而需要更大的终端和散热对策。这增加了从引入到运行的成本，如果以后增加处理量，则可能需要更换设备。
如果你找不到边缘的处理量和终端的处理能力之间的平衡，它最终可能会变得效率低下。
加强多方面安全
虽然减少与云的通信量可以降低安全风险，但组织面临的一个挑战是，由于分发类型的原因，必须维护安全的地方数量有所增加。
当引入边缘计算并在多个站点联网时，需要多方面的安全增强。
由于数据传输/接收路径导致的延迟
为了确保增强边缘计算的实时性能，有必要建立一种机制来确定组织应将数据分发到边缘还是云端。
如果与该分类决策相关的设置未得到正确优化，则可能会出现绕道的情况，例如在边缘处理后通过云向设备发出命令。
数据通信路径、处理位置和命令传输方法的设计至关重要。
与边缘计算相关的初始成本
为了高效运行边缘计算，组织需要安装终端和服务器以及管理这些终端的系统和人员，这可能会很昂贵。
实际上，准备这些物品的初始成本可能很高。将边缘计算的优势与投资成本进行比较以确定公司的价值非常重要。
边缘计算的用例
边缘计算用于以下领域和场所。
工厂运行设备的异常检测
经验丰富的管理层对工厂使用的设备和设备的维护做出直观的决策，并根据过去的数据做出未来的预测。
在许多生产领域，预防性或预测性维护正变得越来越受欢迎，尽管它偶尔会造成浪费。例如，有时会先发制人地更换部件，即使它仍然可以使用。其他时候，零件会发生故障，当人们认为还能正常使用时，它就无法再使用了。
边缘计算在最大限度地减少与此类预测的偏差和提高维护准确性方面起着重要作用。
安装在设备上的传感器可检测故障迹象并通知维护人员。一种机制用于判断设备发出的特定声音、振动的大小等。
边缘计算平台从传感器收集声音和振动数据，将数据发送到云端，大数据分析检测异常。模式化后，显示异常迹象的数据将被反馈到边缘，通知现场人员。
通过图像分析检查质量
在制造中，特别是利用精密设备的过程中，有一种机制使用图像处理系统来确定焊接处理是否正确。
手动完成工作时，成品通常因工人而异，但必须符合标准值。通过分析相机图像，对产品进行判断。如果超出标准范围，则会通知管理员。
边缘计算被用作判断和通知的机制。
AGV（自动导引车）的自动零件供应系统
自动导引车（AGV）在特定时间提供制造工厂所需的零件。传统的自动导引车沿着铺设在地板上的磁带或光学胶带确定的路线行驶。尽管它非常有用，但很难改变工厂布局，这阻碍了对生产计划的灵活响应。
通过利用边缘计算和 5G，AGV 可以沿着设定的路线移动，无需用胶带作为指导。它使用传感器计算自己的位置，自动避开障碍物和潜在的碰撞。
当传感器检测到工作人员附近的货架上缺少必要零件时，AGV 会自动读取条形码或 IC 标签，并将零件供应到指定地点。AI 还用于学习 AGV 的工作状态和行为数据，从而提高了运输的精度。
边缘计算和5G正用于通信和处理这些关键数据。
使用各种数据运行的智能工厂
智能工厂的目的是从工厂中的每台设备收集数据，并充分利用物联网来简化操作。
除了设备运行外，我们还收集所有数据，例如生产线上的人员流动、运输设备的状态和仓库的库存状态，并将这些关键信息连接起来并用于优化。
智能工厂处理大量信息，但通信延迟可能导致生产周期延迟和缺陷，直接导致生产效率降低。
出于这个原因，在所有地方引入边缘计算可以防止延迟，并保持以 0.1 秒、0.01 秒甚至更短为单位运行的设备的稳定运行。
边缘计算支持的未来行业
在这篇博客中，我们介绍了什么是边缘计算以及组织利用边缘计算可以实现的目标。随着物联网在各行各业变得越来越重要，人们对边缘计算机会的期望和关注也越来越多。边缘计算平台是支持物联网增长的重要工具。
参考：
推动边缘计算主流的四大因素 | Stratus
