边缘计算是一种强大的分布式计算架构，它使企业应用程序更接近数据源，例如物联网设备或本地边缘服务器。这种接近数据源的方式可以为企业带来多种额外好处，例如更快的洞察力、更好的响应时间和更好的带宽可用性。
边缘计算技术由云提供支持，使企业能够重新构想体验，以满足目的、人员和盈利能力为目的，同时兼顾速度和规模因素。边缘计算解决方案允许企业通过集成在线数据和算法来融合数字世界和物理世界，从而改善体验。本文将介绍“什么是边缘计算”以及边缘计算解决方案如何帮助企业以较少的努力和投资获得更好的结果。
简介（什么是边缘计算？
您可以通过购买最新邮件数据库来提高公司或部门的营销效率，这将 电影电子邮件数据库 为您提供新的合同最新邮件数据库手机号码。我们在创建网站时非常小心，它看起来很棒。您可以在我们的循环数据中找到一系列信息。
全球研究公司 Gartner 预测，到 2025 年，75% 的数据将在云或传统数据中心之外处理。云、移动或 5G 边缘计算的潜力使其对于跨职能和行业的业务转型非常有用。物联网设备的增长和计算能力导致数据量出现前所未有的激增，随着通过 5G 网络连接的移动设备的增加，数据量还将继续上升。
过去，云和人工智能有望通过提供切实可行的数据洞察来实现自动化并加速创新。然而，联网设备产生的数据的规模和复杂性已经超出了网络和基础设施的能力范围。
将所有设备生成的数据发送到集中式数据中心或云端会导致带宽和延迟问题。边缘计算通过在更接近创建点的位置处理和分析数据，提供了更有效的替代方案。它显著降低了延迟，因为数据不需要通过网络到达云端或数据中心进行处理。边缘计算和移动边缘计算在 5G 网络上结合使用，可以实现更快、更全面的数据分析，从而提供更深入的洞察、更快的响应时间和更好的客户体验。
阅读更多： 10 个移动消息传递技巧，助您优化短信营销活
边缘计算是何时发明的？
边缘计算发明于 20 世纪 90 年代。边缘计算的起源可以追溯到 20 世纪 90 年代，当时 Akamai 推出了其内容交付网络 (CDN)。当时的概念是引入更靠近最终用户位置的节点来交付缓存内容，例如视频和图像。云计算中的边缘是什么这个问题的正确答案在于边缘的好处。
边缘计算的可能组成部分
边缘计算的优势不同于将计算能力集中在本地数据中心的传统模式。通过在边缘部署计算资源，公司可以增强对实物资产的管理并创造新的交互式体验。例如，边缘计算在各种用例中都很有用，例如自动驾驶汽车、智能设备数据、自动化零售和自主机器人。以下是边缘计算的可能组成部分。
边缘设备
边缘计算由不同的组件组成，例如边缘设备，包括智能扬声器、手表和手机。这些设备在与物理世界交互的同时在本地收集和处理数据。同样，如果其他设备（例如销售点 (POS) 系统、机器人、传感器和车辆）在本地计算并连接到云，它们也可以充当边缘设备。
网络边缘
边缘计算的另一个组成部分是网络边缘。与边缘设备不同，它不需要单独的边缘网络。例如，它可以位于单个边缘设备或路由器上。5G 技术 为边缘计算提供了强大的无线连接，带来了低延迟和高蜂窝速度，这在需要高响应能力且在本地部署计算资源成本过高且复杂的情况下尤其有用。5G 提供了令人兴奋的机会，例如远程远程手术、自动无人机、智慧城市项目等。
本地基础设施
最后，包括服务器、路由器、容器、集线器或网桥在内的内部基础设施管理本地系统并连接到网络。
边缘计算与云计算
边缘计算和云计算之间的区别有助于您更好地理解计算对于各种目的的实用性和相关性。必须认识到云计算和边缘计算是两种截然不同且独立的技术，不能互相替代。边缘计算用于处理时间敏感的数据，而云计算用于处理非时间关键的数据。
除了解决延迟问题外，边缘计算在远程位置比云计算更受欢迎，因为这些位置与中心位置的连接受限或没有连接。这些区域需要像微型数据中心一样运作的本地存储，而边缘计算是完美的解决方案。
边缘计算对于专用和智能设备也具有优势。虽然这些设备类似于 PC，但它们不是旨在执行各种功能的通用计算设备。这些专用计算设备具有天赋，并以特定方式响应特定机器。然而，这种专业化对于需要立即响应的少数行业的边缘计算来说可能是一个缺点。
因此，我们讨论了边缘计算和云计算之间的差异。在接下来的章节中，您将更详细地了解这些平台的未来。
边缘计算如何降低延迟
边缘计算能够通过降低网络边缘和处理能力之间的差距来降低延迟。这种边缘技术巧妙地创建了物联网传感器等边缘设备。
延迟是最终用户面临的重大挑战
虽然有些智能设备用户可能并不介意延迟，但延迟可能会对其他设备造成严重后果。例如，自动驾驶汽车依靠与云端的定期通信来运行其自动驾驶和机器视觉算法，即使是轻微的延迟也会严重影响其性能。它可能导致行为不一致和故障，从而导致危险驾驶或事故。
支持远程手术的手术机器人也需要近乎实时的云端连接。这些机器人可以帮助使手术更容易进行，并最大限度地减少疼痛，但延迟可能会导致处理延迟，从而导致异常行为，使机器人手术更加困难。即使对于延迟不是生死攸关的问题的设备，它仍然会对它们的性能产生负面影响。
边缘计算如何减少最终用户的延迟？
延迟或数据处理延迟会显著降低依赖云存储和分析有用数据的智能设备的性能。这些设备通常没有足够的处理能力或存储空间来在设备上执行所有必要的分析，因此它们会将部分工作发送到云端。然而，云端可能远离网络“边缘”的设备，导致数据处理和分析延迟。
边缘计算通过将一些通常在云端进行的工作转移到网络的“边缘”（更靠近最终用户及其设备）来减少延迟。边缘节点（分散的数据中心）可以处理一些通常在云端进行的工作，而边缘设备本身也可以处理一些计算工作。
边缘计算系统确定哪些信息需要云处理，哪些信息可以在本地处理以减少延迟。需要更大处理能力或存储空间的任务或非最高优先级的工作将被发送到云端进行处理。优先级较高的工作则保留在本地，以减少重要分析的延迟。
随着响应式或实时数据处理变得越来越重要
企业开始转向边缘计算来解决互联网连接边缘设备的延迟问题。据 Gartner 称，到 2025 年，在旧式集中式数据中心或云之外处理的企业生成数据的比例将从 10% 增长到 75%。
阅读更多： 云联络中心：它是什么以及它如何运作？
边缘计算优势
芝加哥智慧城市照明的节能减排、沃尔玛减少对集中式云服务器的依赖以及联邦快递、戴尔和Switch对现有房地产的重新利用都是边缘计算在现实世界中的最佳例子。
如何利用边缘计算来提高可持续性？
边缘计算可以通过将处理保持在靠近设备的位置来提高设备速度和性能，从而有助于降低成本并提高效率。但是，还有其他原因使公司应该考虑使用边缘计算来减少对环境的影响。
边缘计算的独特优势之一是它减少了进出集中式服务器的网络流量，从而减少了带宽和能耗。这释放了数据中心和任何本地集中式服务器的带宽。此外，需要在云中处理的数据往往是更有用的数据，而这些数据受到边缘设备的限制。设备会处理其所能处理的数据，并仅将关键数据（如果有）发送到云。这些自然限制可防止不必要的处理或蔓延。
许多公司在迁移到云端时可以使用现有设备，而不是投资新设备。借助边缘计算，许多公司已经拥有目前未充分利用的传感器和设备。通过在本地处理数据而不是将所有内容发送到云端，公司可以减少对中央云的依赖及其对能源消耗的贡献。
边缘计算的设计目标是提高效率，因为设备的硬件自然会限制边缘设备上的资源。边缘堆栈的每个方面都经过优化，可以高效工作。此外，许多设备即使在没有持续的互联网连接的情况下也可以运行，从而允许离线继续处理并进一步降低总体能耗。
边缘计算的 14 大优势
边缘计算具有多项显著优势，使其成为当今数字领域中一种有价值的方法。边缘计算的一些主要优势包括：
低延迟： 边缘计算可最大程度缩短数据传输距离，从而减少数据处理中的延迟或延迟。这对于需要实时或近实时响应的应用（例如自动驾驶汽车、工业自动化和增强现实）至关重要。
提高性能： 通过在更靠近源头的地方处理数据，边缘计算可以提高应用程序和服务的性能。这可以缩短响应时间、提高用户体验并提高整体系统效率。
带宽效率： 边缘计算减少了需要传输到集中式数据中心或云端的数据量。这可以节省网络带宽并降低数据传输成本，尤其是在连接受限或成本高昂的情况下。
增强隐私和安全性： 数据保持本地化或在边缘处理，从而降低数据传输过程中数据泄露或未经授权访问的风险。这对于处理敏感信息的医疗保健和金融等行业尤其重要。
可靠性： 边缘设备即使与中央基础设施失去连接，也可以继续运行。这确保了关键功能可以不间断地继续运行，使边缘计算适合对正常运行时间要求较高的应用程序。
可扩展性： 边缘计算使组织能够根据需要在各个边缘位置扩展计算资源。这种灵活性允许动态资源分配以应对需求波动或新边缘设备的添加。
冗余： 分布式边缘环境在设计时可以考虑冗余。如果一个边缘节点或设备发生故障，工作负载可以无缝转移到附近的节点，从而最大限度地减少停机时间和服务中断。
离线操作： 边缘设备无需持续的互联网连接即可执行计算并做出决策。这在远程或间歇性连接场景中非常有用。
节省成本： 边缘计算可以降低将大量数据传输到中央数据中心或云端的成本。它还可以优化资源利用率，最大限度地减少过度配置的需要。
定制： 组织可以定制边缘计算解决方案以满足特定的应用需求，从而对数据的处理和分析方式进行更细粒度的控制。
边缘AI： 边缘人工智能的集成可实现实时决策和自动化，无需依赖集中式AI基础设施即可实现智能处理和响应。
合规性： 边缘计算可以确保数据保持在特定地理边界内，从而帮助组织遵守数据主权法规。
减少网络拥塞： 通过在本地处理数据，边缘计算可以缓解网络拥塞，尤其是在连接设备或用户数量较多的情况下。
能源效率：边缘设备可以在本地处理必要的数据，而不是将其发送到遥远的数据中心，从而优化电力消耗并降低能源成本。
总体而言，边缘计算是一种有价值的策略，可以满足现代应用不断变化的需求，尤其是由物联网、5G 和实时数据处理要求驱动的需求。它在集中式云计算和纯本地处理之间实现了平衡，提供了当今互联世界所需的灵活性和响应能力。
12 种边缘计算类型
边缘计算包含一系列架构和部署模型，用于在更靠近数据源的地 解决框架问题的简单方法 据。这些类型的边缘计算可以根据它们与数据源的接近程度和它们执行的处理级别进行分类：
1.设备级边缘计算
本地处理：数据直接在边缘设备（如传感器或物联网设备）上处理。这可以最大限度地减少延迟并减少与中央服务器持续通信的需求。
2.雾计算
雾节点：在雾计算中，中间计算节点（通常称为“雾节点”）位于边缘设备和中央云或数据中心之间。这些雾节点执行数据处理和过滤，从而减轻中央云的负载。
3.边缘服务器
微型数据中心：小型数据中心或服务器机架部署在网络边缘。这些边缘服务器执行本地处理，可作为本地设备和中央数据中心之间的桥梁。
4.多接入边缘计算（MEC）
移动网络边缘：MEC 将计算资源带到移动网络的边缘，使应用程序能够以最小的延迟运行。这对于 5G 等新兴技术和低延迟应用至关重要。
5. Cloudlet
微型云数据中心
Cloudlet 是位于网络边缘的小型云 BO 目录 数据中心，为附近的设备和 应用程序提供计算资源。
6. 区域数据中心
边缘数据中心：大型数据中心，距离数据源较近，但不如设备级边缘计算近。它们服务于区域，提供更广泛的计算和存储能力。
7.内容分发网络（CDN）
边缘缓存：CDN 使用边缘服务器和缓存从靠近最终用户的服务器传输 Web 内容、媒体和其他数据。这可减少源服务器的负载并提高内容传输速度。
