边缘计算是什么意思？

边缘计算是指在靠近物与数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。对于物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。我记得我们公司那会采购服务器的时候，思腾合力还给我们做过一些讲解，具体的也不太了解，有兴趣你可以自己去看看。

根据咨询公司STL Partners的研究发现，边缘计算能够在许多场景大展身手，这里选择了以下9个重要的应用场景：
1、自主汽车
卡车车队的自动组队可能是自动车辆的首批使用案例之一。在这里，一群卡车在车队中彼此紧跟着行驶，节省了燃料成本，减少了拥堵。有了边缘计算，除了前面的卡车，所有卡车都将不再需要司机，因为卡车将能够以超低延迟相互通信。
2、油气行业资产的远程监控
石油和天然气的失败可能是灾难性的。因此，他们的资产需要仔细监控。
然而，石油和天然气工厂往往位于偏远地区。边缘计算使得实时分析与处理更接近资产，这意味着更少地依赖于与集中式云的高质量连接。
3、智能电网
边缘计算将成为更广泛采用智能电网的核心技术，有助于企业更好地管理其能源消耗。
连接到工厂、工厂和办公室边缘平台的传感器和物联网设备正在被用于实时监测能源使用并分析其消耗。有了实时可见性，企业和能源公司就可以达成新的交易，例如在电力需求的非高峰时段运行大功率机械。这可以增加企业对绿色能源，如风能的消耗。
4、预测性维护
制造商希望能够在故障发生之前分析和检测生产线的变化。
边缘计算有助于使数据的处理和存储更接近设备。这使物联网传感器能够以低延迟监控机器健康状况，并实时执行分析。
5、住院病人监护
医疗保健包含几个优势机会。目前，监测设备，如血糖监测仪、健康工具和其他传感器等，要么未连接，要么需要将来自设备的大量未处理数据存储在第三方云上。这给医疗保健提供者带来了安全问题。
医院网站上的边缘可以在本地处理数据，以保护数据隐私。边缘计算还可以向从业者及时通知患者的异常趋势或行为。
6、云游戏
云游戏是一种新型的游戏，它可以将游戏的实时内容直接传输到设备上，这种游戏高度依赖于延迟。
云游戏公司正在寻找尽可能接近玩家的边缘服务器，以减少延迟，提供完全响应和沉浸式游戏体验。
7、内容交付
通过在边缘缓存内容，如音乐、视频流、网页等，可以极大地改善内容传播。延迟可以显著降低。内容提供商正在寻求更广泛的分发CDN，从而根据用户流量需求保证网络的灵活性和定制性。
8、交通管理
边缘计算可以使城市交通管理更加有效。这方面的例子包括在需求波动的情况下优化公交频率，管理额外车道的开启和关闭，以及未来管理自动驾驶汽车流量。
通过边缘计算，使处理和存储距离智能家居更近，减少了回程和往返时间，并在边缘处理敏感信息。例如，亚马逊的Alexa等语音助手设备的响应时间会快得多。
有了边缘计算，就不需要将大量的流量数据传输到集中式云，从而降低了带宽和延迟的成本。
9、智能家居
智能家庭依赖于物联网设备从房子周围收集和处理数据。通常，这些数据被发送到一个中央远程服务器，在那里进行处理和存储。然而，这种现有体系结构存在回程成本、延迟和安全性方面的问题。
通过边缘计算，使处理和存储距离智能家居更近，减少了往返时间，并在边缘处理敏感信息。
这些只是边缘计算跨多个行业支持的许多用例中的一小部分。以谐云边缘计算应用实例来说，通信领域，谐云为行业巨头某在线服务公司业务场景定制开发、打造了云边协同平台，助力其轻松应对流量洪峰；交通领域，联合上汽集团商用车技术中心打造了“基于容器的下一代车云协同架构”，是汽车行业的首款“云、边、端”一体化架构，可实现百万级车联网大规模接入；为某跨海大桥打造了一体化协同的产品，积累了丰富的“边-端”设备协议对接经验，交付了行业顶尖的“软硬一体化”的整体解决方案。
其中，某在线服务公司和上汽集团案例分别荣获《2020年分布式云与云边协同十佳实践案例》奖项和《2021年分布式云与云边协同十佳实践案例》奖项。旗下边缘计算产品通过“2021云边协同类能力评估”、“边缘一体机、可信物联网云平台（通用/安全要求）”多项能力评估，获浙江CCF2021优秀产品奖，在业内拥有极佳口碑，并获得行业权威认可。
目前，谐云边缘计算已实践于分布式云、物联网、车云协同、边缘智能金融等多场景，为边缘计算领域树立了实践标杆和经典案例。并在一些典型行业如通信、交通、金融、军工等多个行业领域中得到大规模的落地验证。

边缘计算（Edge Computing）是一种在物理上靠近数据生成的位置处理数据的方法，这种技术使得联网设备能够处理在“边缘”形成的数据，这里的“边缘”是指位于设备内部或者与设备本身要近得多的地方。

好处：在边缘计算中，传感器数据不需要传输到汽车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。

本地化数据处理和存储对计算网络的压力更小。当发送到云端的数据变少时，发生延迟的可能性，以及云端与物联网设备之间的交互导致的数据处理延迟就会降低。

这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的CPU或GPU。

随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计算（Fog Computing）。边缘计算具体是指在网络的“边缘”或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。

换句话说，雾计算使得云更接近于网络的边缘，因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”

回到无人辅助驾驶场景：传感器能够收集数据，但不能立即对数据采取行动。例如，如果一名车辆工程师想要了解汽车车轴和刹车系统是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要进行维修或替换。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎状态不同）。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回中央云。

1、延迟问题

延迟是指处理和分析捕获数据所需的时间。连接到互联网的设备必须在100毫秒内响应，有时甚至不到10毫秒。因此，计算过程必须尽可能本地化，以抵消远距离传输数据的固有延迟。
通过物联网中的边缘计算，计算将在源头附近完成，例如传感器，如果汽车上的传感器判断出将要发生碰撞，那么系统就必须具有足够的确定性，能够在一定的时间范围内部署安全气囊，如果在长距离传输数据方面有任何滞后，那就是根本不安全的。

2、带宽问题

运行软件和生成数据的大多数物联网设备需要链接到云以存储和进一步处理该数据。因此，需要大量的功率和带宽将IoT数据传输到云。

在物联网中使用边缘计算，组织可以减少互联网带宽的使用，因为可以在源附近处理大量数据。

例如，边缘计算相机可以通过分析警察仪表板的视频源来帮助执法机构减少带宽，相机摄像头可以实时生成大量的视频和音频记录，但只有在必要时才将相关数据发送到云端。

3、带宽成本问题

物联网应用程序生成大量相对低价值的时间序列数据。这意味着带宽成本，设备获得带宽的机会成本，存储和分析成本，以及云中这些低价值时间序列数据的计算成本。

有了边缘计算，这些数据就可以被捕获，如果有必要的话，在将数据发送到云或其他上游聚合点之前进行分析和汇总，这比通过WAN链路发送未经过滤的数据要便宜得多，后者通常非常昂贵。

4、传统系统连接问题

公司经常连接到物联网的传统系统具有非IP/以太网接口。因此，他们需要来自模拟或专有系统接口的物理转换，以便能够使用和分析数据。这只能在生成数据的原始设备旁边完成。

这是物联网中的边缘计算可以提供帮助的地方。边缘可以充当新旧之间的中介，为没有现代计算能力的传统资产添加智能功能。

5、物联网安全问题

尽管云服务提供商已经为终端客户的物联网产品开发了出色的安全性，但运营技术专业人员仍然担心他们的敏感数据一旦离开企业的墙壁就不会安全。

为了解决这个问题，可以在边缘添加更多智能来保护系统，使其更强大，可以抵御黑客攻击和入侵。因此，任何中断都将仅限于边缘计算设备和这些设备上的本地应用程序。

边缘计算在物联网中应用的领域非常广泛，特别适合具有低时延、高带宽、高可靠、海量连接、 异构汇聚和本地安全隐私保护等特殊业务要求的应用场景。为了打造更适合行业应用的物联网通讯终端产品，四信通信充分利用边缘计算技术，大力研发生产出了F-G200边缘计算网关，该系列产品可帮助用户快速接入高速互联网，实现安全可靠的数据传输。

---