千讯咨询发布的中国云计算市场发展研究及投资前景报告显示，如今，人们听到很多关于云计算基础设施的大趋势是如何处理边缘计算的问题，但围绕这个概念存在一些困惑。许多人都认为它最终将取代传统的云计算架构。但肯定不是这种情况。但是，有些情况下，边缘计算架构比完全集中的云计算设计提供了优势，特别是从网络和数据存储的角度来看。以下将解释什么是边缘计算，它与传统云计算服务有何不同，以及边缘计算何时可能成为企业的正确选择。
边缘计算是云计算的一种形式，但与将计算和存储集中到单个数据中心的传统云计算架构不同，边缘计算将计算或数据处理能力推送到边缘设备进行处理。因此，只有数据处理的结果需要通过网络传输。在某些情况下，这会提供精确的结果，并消耗更少的网络带宽。
物联网是边缘计算最常见的用例。云计算显著改变了数据处理的形式，特别是对于大数据来说。利用云的计算能力，物联网也实现了跨越式发展，我们获取，存储和处理数据，而不必考虑计算资源和管理。
物联网每年安装数十亿台智能设备，据估计，到2020年将安装超过200亿台智能设备。由于安装了大量设备并连接到物联网，因此处理的数据量一直在增加。我们正应对着处理和分析这些数据的挑战，特别是在需要近乎实时处理这些数据的情况下。仅云计算虽然可以帮助处理如此庞大的数据集，但是无法实时提供响应。
简而言之，边缘计算就是处理和分析更靠近数据源的数据处理。在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应，而不是通过网络将所有数据发送到云数据中心并等待云数据中心的响应。设备本身就像一个迷你数据中心，由于基本分析正在设备上进行，因此延迟几乎为零。利用这种新增功能，数据处理变得分散，网络流量大大减少。云可以在以后收集这些数据进行第二轮评估，处理和深入分析。
边缘计算带来了哪些好处
利用边缘计算带来了诸多好处，例如接近零延迟，较小的网络负载，增加的弹性，减少的数据暴露以及较低的数据管理成本。让我们逐一看看这些：
超低延迟：
接近零延迟是边缘计算的最大优势。数据收集，处理和采取行动之间的时间间隔几乎是real－time。这是在关键任务情况下物联网设备的重要要求。一个非常好的例子是无人驾驶汽车。
谷歌估计他们的自动驾驶汽车每秒产生超过1GB的数据！需要快速处理大量此类数据，以便汽车能够保持正确的路线并避免碰撞。想象一下，如果这些数据被收集，传输到云，云会对其进行处理，然后将其发送回汽车。尽管整个过程在几秒钟内完成，但事实证明为时已晚，而且汽车可能已经遇到了碰撞。此方案中的最佳解决方案是使用边缘计算分析传感器本身的数据，然后将其发送到云以进行后续分析。
边缘计算在医疗行业和监控行业也很重要。延迟在医疗保健行业中较为关键，其中设备连接到心率监测器或心脏起搏器，并且轻微延迟可能导致患者的生死状况。
较轻的网络负载：
思科估计到2020年，物联网设备处理的数据量将达到近7．5Zettabytes（1ZB＝1，000，000，000，000GB）！这是互联网高速公路上的大量数据，可能导致网络拥堵增加，尤其是在连接较弱的地区。使用边缘计算，大部分流量负载将通过在源处理数据而不是通过网络发送所有数据，网络拥堵明显改善。
高弹性易扩展：
借助边缘计算提供的分散式架构，网络中的其他连接设备变得更具弹性。将此与云上的单个虚拟机故障进行比较，这将影响连接到网络的数千甚至数百万个IoT设备。即使其中一个设备发生故障，它也不会影响其他设备，并且它们仍然保持活动和运行状态。
数据暴露减少：
边缘计算减少了它通过网络发送的数据量。这样做还有助于减少传输中的数据泄露。在某些情况下，智能设备收集的敏感和关键数据（如支付卡行业（PCI）和个人身份信息（PII））根本不需要传输。这有助于在每个国家对此数据有不同规定并且更靠近其来源处理数据有助于避免许多隐私，法律和安全复杂性的情况。通过进一步加密数据和控制访问，我们可以使其更安全地抵御已知威胁。
数据管理成本降低：
使用边缘计算可以显着降低云上的存储成本，因为我们并未将所有内容存储在云上。由于数量相对较少，这也有助于有效地管理数据。只有需要更深入分析的汇总数据才会发送到云端，随后会对其进行分析和推断。
边缘计算和云协同工作，物联网的未来
我们已经看到边缘计算如何使物联网受益，那么来分析下为什么边缘计算不能完全替代云计算。
边缘计算需要考虑的一点是，由于数据不是长期存储的，最终会被删除，这不利于大数据分析。请记住，边缘设备仅提供处理本地收集的数据的结果。在大多数情况下，收集的数据只能被丢弃。因此，如果企业的物联网项目要您存储所有收集的数据以进行累积分析决策，那么边缘计算并不适合。
为了满足物联网设备的所有要求和需求，边缘计算和云计算需要协同工作。来自智能设备和传感器的所有数据仍然需要在云上进行汇总，这需要更深入的分析，以便从中获取有意义的见解。云计算仍然在使物联网设备更智能和更好的过程中发挥关键作用。
在收集了所有车辆的数据并使用云进行分析后，Google可以提出最佳实践和驾驶算法，这些算法将改善其导航并使车辆在首次访问的位置时表现最佳。
美国和欧洲的主要货运公司已经在使用这种方法从技术中受益并节省了主要成本。他们将传感器放置在车队中，并收集各种数据，包括发动机性能，轮胎，燃油油位，变速箱和电池。在边缘处理这些数据是没有用的，而是将所有这些数据发送到云端。经过深入分析，公司可以发布关于获取最佳行车路线的警报，何时更换旧零件，需要加油的燃油低，更换故障传动等等，从而改善并节省维护，维修和运营成本。
凭借云提供的巨大计算能力，让它在巨大而繁重的数据集上进行繁重的工作是有意义的。大多数时候，云计算的集中性在速度，成本和可扩展性方面优于边缘计算的分散性质。因此，为了完全满足物联网的主要需求，即延迟和大数据处理，我们看到边缘计算和云计算需要协调工作。边缘负责实时分析和响应，而云负责数据集的繁重和处理，以改善这些智能设备的功能。
相关研究报告
云计算项目可行性研究报告
中国云计算行业发展趋势分析预测报告
中国云计算行业发展研究报告