边缘计算与云计算的区别

1 云计算的概念
云计算模型是一种服务提供模型，通过网络访问数据中心的计算资源、网络资源和存储资源等，为应用提供可伸缩的分布式计算能力。其利用现有资源，使用虚拟化技术构建由大量计算机组成的共享资源池，不仅具有功能强大的计算和监督能力，而且可以动态的分割和分配计算资源，以满足用户的不同需求，提供高效的交付服务。
云计算是并行计算、分布式计算和网络计算的发展，或者说是这些计算科学概念的商业实现。云计算按照服务类型大致可以分为三类：
基础设施即服务（infrastructure as a service，IaaS）、
平台即服务（platform as a service，PaaS）、
软件即服务（software as a service， SaaS）
随着云计算的深入发展，不同云计算解决方案之间相互渗透融合。
2 云计算特点
从研究现状看，云计算具有以下特点：
云中心服务器规模庞大。目前，谷歌、微软等著名IT公司的云计算平台通常拥有数十万台服务器，一般IT企业的私有云项目中也会拥有几百台或上千台服务器。云计算中心的服务器规模庞大，能够为用户提供强大计算能力和海量存储空间。
高可靠性。云计算平台是基于分布式服务器集群设计的，出现单点错误等问题不可避免。为此，云计算中心引入副本策略、计算节点同构互换等容错机制确保云计算的高可靠性。
可扩展性。云计算可以根据特定用户的需求，动态地分配或释放资源。如用户增加需求时，云计算能快速地增加相匹配的资源，高速d性地提供资源；当用户不再需要使用资源时，也能够随时释放这些资源。这些均是得益于云计算资源的可扩展性。
虚拟化。云计算通过虚拟化技术将分布在不同地理位置的资源整合成逻辑统一的共享资源池，用户可以随时随地通过接入互联网请求云计算中心所提供的服务。虚拟化技术屏蔽底层设备资源的异构特性，实现统一调度和部署所有资源。对于使用资源的用户来说，云计算中心的基础设施对用户透明，用户也不必关心这些基础设施的具体位置。因此，虚拟化技术不仅是云计算的基础，同时也是云计算技术的特征。
3 边缘计算与云计算
万物互联背景下，应用服务需要低延时、高可靠性以及数据安全，而传统云计算模式在实时性、隐私保护和能耗等问题上无法满足需求。边缘计算模型充分挖掘网络中边缘终端的计算能力，在边缘终端处执行部分计算或全部计算、处理隐私数据，降低云计算中心的计算、传输带宽负载及能源消耗。下面用一个例子来说明边缘计算带来的好处。
学生们对网络中用户节点与边缘节点或云端节点二者之间数据传输延迟和带宽进行测试，亚马逊EC2东部云和西部云分别表示两种位于美国地理位置的云端节点；有线边缘节点、WiFi 5GHz边缘节点和 WiFi 24 GHz边缘节点分别表示三种边缘节点与用户所连接路由器的连接方式；三种结果图分别表示用户节点与路由器的有线、WiFi 24 GHz 和WiFi5GHz等三种连接方式。这里，边缘节点和用户节点总是处于同一个路由器下，测试时延的地点为美国华盛顿DC地区（临近实验中的亚马逊EC2东部云）。

通俗讲解边缘计算
随着物联网越来越火，同时伴随着物联网而来的，就是各种概念和各种技术，其中一个就是边缘计算，当然还有雾计算。其实边缘计算和雾计算都差不多，雾计算只是和云计算是相对的。只是叫边缘计算呢，比较高大上吧。
下面我们要通俗地讲一讲边缘计算。

为什么要通俗的讲呢，怕如果不通俗，你听不明白。新的东西在出来的时候，往往是需要一个接纳和理解的过程。就像以前互联网刚出来的时候，很多人都不知道互联网，于是就得慢慢科普，让大家慢慢接受和理解呀。谁现在还解释什么是互联网呀。

而边缘计算也有一段时间了，只是随着物联网的发展，边缘计算的概念也开始流行起来。我们先看一段非通俗的介绍边缘计算的概念：
边缘计算，是一种分散式运算的架构。在这种架构下，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。

或者说，边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。

边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。
以上是我从网络文章摘抄的一段对于边缘计算的解释。整个解释基本都是专业术语，搞工控的你，看完这段话，你来告诉我什么是边缘计算。

作为一名参与研发产品边缘计算的程序员，我决定写一篇文章来通俗讲解一下这个边缘计算。
首先，我要举一个不太恰当的例子。

比如有一款APP，用户在使用这款APP的时候，就会收集用户的信息，比如收集这个用户的年龄，性别，手机号，地址位置，搜索记录等等信息，而收集这些信息主要是更好地分析这个用户的行为和感兴趣的东西，比如车，房子，书，美食等什么感兴趣。然后更为准确地为其投放内容及广告。

    这个是很常见的一个功能，但是就是这样一个功能，怎么和边缘计算挂钩呢。

在边缘计算之前，就是云计算了。

如果是使用云计算，这款APP的行为是这样的：

    APP收集到信息后，把所有的基本信息，上传到服务器中，然后由服务器来执行算法，计算和识别出用户的兴趣爱好，甚至可能推算出这个用户的消费能力。然后服务器就可以根据这个推算出来的结果，为用户投放其感兴趣的内容和广告。

如果是使用边缘计算，这款APP的行为就是这样：

    APP收集了信息后，不上传到服务器中。然后由APP自己计算和识别出这个用户的兴趣和爱好，也可以推算出这个用户的消费能力，也就是服务器的计算功能，直接由APP来完成。然后服务器只需要问一下APP,哪个用户是有可能是年薪百万的，哪个用户是单身的。APP只需要告诉服务器说，这个一路向东用户很帅，而且还单身，喜欢旅游，写诗，可以为其投放相亲美女内容。

就这样，整个过程并没有服务器参与计算，服务器也没有参与收集信息。因为这个信息在APP本身收集和计算，并没有进行上传，所以也没有涉及信息收集。

而，这就是边缘计算。

也就是以前由服务器作计算的部分，现在改由信息采集的设备直接计算了，再把计算的结果，直接输出到服务器中。服务器只要结果，并不需要过程的数据。
下面我们就以回答问题的形式来通俗的聊一聊这个边缘计算吧。

所以，什么是边缘计算呢。

边缘计算，说白了，就是（服务器）云计算懒得算了，就这点数据，你在数据采集的时候，顺便自己算得了，什么都丢到服务器来算，很累的。于是，边缘计算就这么来了。
那么，工控领域行业中使用到边缘计算的都有哪呢

这个就太多了。随着很多PLC，控制器和触摸屏等都开始接入到物联网中，每个设备需要采集的信息不一样，有温度，湿度，产量，生产数据，运行状态等。而不同行业的参数指标，性能数据都不一样，这很难在服务器通过云计算来形成一套标准，这使得PLC，控制器等，都会用到边缘计算。
为什么以前的DTU，或者物联模块等不流行边缘计算，现在开始流行了呢。

因为现在的IoT使用的模块或者芯片的处理能力也越来越高，资源也比较丰富，随着一些芯片成本的下降，以及开发模式的简化，使得一些芯片或模块在处理基本的数据采集功能后，仍存在资源过剩及功能利用率低的情况，也就是一个100%的芯片或模块，你只使用了10%的来采集数据，那还有90%你可以用来作计算
那么，使用边缘计算的优势在哪里呢。

1 可以使得设备的支持数量提升几个数量级。

   比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器最多只能接入1000个设备就挂了。

   如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。

  没有使用边缘计算，服务器可以接1000个设备。

  如果使用了边缘计算，服务器可以接10000个设备。提升了一个数量级。而对于一些复杂的设备，特别是一些工厂，现场作业等需要数据量多的，如果使用了边缘计算来给服务器节省空间和资源，这个优势更能体现出来了。

2 让计算变得更为灵活和可控

   前面说到，接入设备的服务器很难做到统一的计算分析标准，因为物联网可是一个万物接入的网络，每一个设备采集的数据不一样。如果使用了边缘计算，就可以单独针对每一个设备进行相应的计算和分析。当然，如果相同的设备或者相同参数的，可以进行复制使用同一套计算标准或算法。如果将计算脚本开放出来给用户，用户就可以自定义去添加自己的计算公式和行为。
边缘计算的模式和拓扑结构是什么样的呢。
比如要在一套数据采集系统里，以一个云服务器为中心，移动客户端，PC客户端或第三方接口等接入到云服务器获取数据，而数据采集方呢，由数据采集模块来连接到云服务中。

    数据采集模块可以采集PLC，变频器，智能仪表等，将数据上传到云服务器中，由服务器进行数据分析和计算，然后PC或移动客户端，第三方接口就可以获取数据分析的结果。但是这种情况下，随着设备的接入越来越多，云服务器的负担也会越来越重，而且接入的PLC，控制器等的种类也越来越多，原来的云服务数据计算模式难以满足越来越复杂的应用。这时候边缘计算就应运而生了。

    在原拓扑结构不变的情况，可无缝引入边缘计算。在数据采集模块端开放边缘计算功能，将复杂的计算，策略，规则等，由数据采集模块进行运算，得到输出结果后，只需要将结果上传到云服务中。再由PC客户端，移动客户端及第三方接口从云服务获取。

    比如数据采集模块需要采集一个电表，电表能采集的数据有电流，电压，偏偏没有功率。当然现在的电表采集不到功率很少了，只是举例。

    那怎么办呢，偏偏客户很想看到功率。那在没有边缘计算的时候，为了要看到功率，只好在云服务里，增加一定的计算规则，将采集到的电流和电压通过计算得到功率。如果有1000个电表，云服务器就要对这1000个电表进行计算。这就增加了云服务器的工作量和负担了。

    如果有了边缘计算，那么在数据采集模块，就可以添加计算功能，直接将采集的电流和电压通过计算得到功率，只需要把功率上传给服务器就可以了。这样，即便有50000个电表，云服务也毫无计算压力，因为它并不需要计算。
    这就是通俗的讲一讲边缘计算。

边缘计算即在设备端附近产生的计算。

边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务；目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。

通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户；为什么要这么近？目的是为了让用户感觉到刷什么内容都特别快。

物联网应用

全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。

事实上，物联网的概念已经提出有超过15年的历史，然而，物联网却并未成为一个火热的应用。一个概念到真正的应用有一个较长的过程，与之匹配的技术、产品设备的成本、接受程度、试错过程都是漫长的，因此往往不能很快形成大量使用的市场。

根据Gartner的技术成熟曲线理论来说，在2015年IoT从概念上而言，已经到达顶峰位置。因此，物联网的大规模应用也开始加速。因此未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。

“边缘计算”的概念本身并不是一个“新鲜词”。早在2003年，CDN服务商Akamai就与IBM合作推出了最早的“边缘计算”。如果以时间维度看，从亚马逊在2006年推出AWS看作是云计算的起点开始，那么它要比云计算被提出的时间更更加的早。
不过，过去很多年的时间由于技术和应用场景等各种原因，边缘计算一直没有获得太多的关注，直到5G时代的到来，才让一直处在“很边缘”的边缘计算得到了全新的发展良机。
云计算是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。
云计算vs边缘计算
云计算的不足
随着边缘计算的兴起，在太多场景中需要计算庞大的数据并且得到即时反馈。这些场景开始暴露出云计算的不足，主要有以下几点：大数据的传输问题：据估计，到2020 年，每人每天平均将产生 15GB 的数据。随着越来越多的设备连接到互联网并生成数据，以中心服务器为节点的云计算可能会遇到带宽瓶颈。数据处理的即时性：据统计，无人驾驶汽车每秒产生约 1GB 数据，波音 787 每秒产生的数据超过 5GB；2020 年我国数据储存量达到约 39ZB，其中约 30% 的数据来自于物联网设备的接入。海量数据的即时处理可能会使云计算力不从心。隐私及能耗的问题：云计算将身体可穿戴、医疗、工业制造等设备采集的隐私数据传输到数据中心的路径比较长，容易导致数据丢失或者信息泄露等风险；数据中心的高负载导致的高能耗也是数据中心管理规划的核心问题。
边缘计算的优势和发展
边缘计算的发展前景广阔，被称为“人工智能的最后一公里”，但它还在发展初期，有许多问题需要解决，如：框架的选用，通讯设备和协议的规范，终端设备的标识，更低延迟的需求等。随着 IPv6 及 5G 技术的普及，其中的一些问题将被解决，虽然这是一段不小的历程。相较于云计算，边缘计算有以下这些优势。
优势一：更多的节点来负载流量，使得数据传输速度更快。
优势二：更靠近终端设备，传输更安全，数据处理更即时。
优势三：更分散的节点相比云计算故障所产生的影响更小，还解决了设备散热问题。
两者既有区别，又互相配合上文讲了云计算的缺点以及边缘计算的优点，那么是不是意味着在未来，边缘计算更胜云计算一筹呢？其实不然！云计算是人和计算设备的互动，而边缘计算则属于设备与设备之间的互动，最后再间接服务于人。边缘计算可以处理大量的即时数据，而云计算最后可以访问这些即时数据的历史或者处理结果并做汇总分析。

---