边缘计算有什么特点？

边缘计算有以下的六大特点：
第一，去中心化
边缘计算就是让网络、计算、存储、应用从“中心”向边缘分发，以就近提供智能边缘服务。
第二，非寡头化
边缘计算是互联网、移动互联网、物联网、工业互联网、电子、AI、IT、云计算、硬件设备、运营商等诸多领域的“十字入口”，一方面参与的各类厂商众多，另一方面“去中心化”在产品逻辑底层，就一定程度上通向了“非寡头化”。
第三，万物边缘化
边缘计算和早年的IT、互联网，如今的云计算、移动互联网，以及未来的人工智能一样，具备普遍性和普适性。
第四，安全化
在边缘计算出现之前，用户的大部分数据都要上传至数据中心，在这一上传的过程中，用户的数据尤其是隐私数据，比如个体标签数据、银行账户密码、电商平台消费数据、搜索记录、甚至智能摄像头等等，就存在着泄露的风险。而边缘计算因为很多情况下，不要再把数据上传到数据中心，而是在边缘近端就可以处理，因此也从源头有效解除了类似的风险。
第五，实时化
随着工业互联网、自动驾驶、智能家居、智能交通、智慧城市等各种场景的日益普及，这些场景下的应用对计算、网络传输、用户交互等的速度和效率要求也越来越高。以自动驾驶为例，在这些方面，几乎是要求秒级甚至是毫秒级的速度。爱陆通的具有边缘计算技术的工业网关可以更好地进行数据传输。
第六，绿色化
数据是在近端处理，因此在网络传输、中心运算、中心存储、回传等各个环节，都能节省大量的服务器、带宽、电量乃至物理空间等诸多成本，从而实现低成本化、绿色化。

作为新兴技术趋势的佼佼者，边缘计算正在成为促进行业数字化转型的重要抓手，在智能化改造上起到重要作用。
“数字新基建”主要围绕着ABCD四方面发展，A是人工智能、B是区块链、C是云、D是大数据，随着5G的快速推进，给ABCD插上翅膀，算力的不断下沉，将会涌现很多有趣的垂直行业应用场景，为边缘端更好实现技术赋能提供了价值。
以当前比较热门的自动驾驶来说，同样是边缘计算最重要的应用场景之一。在自动驾驶场景中，车辆需要做到比驾驶员更快的响应决策速度，也就是说最多只有零点几毫秒时间，同时还要能够自动感知到行车过程中周围车辆、行人、甚至整条路况的实时信息。如果按传统以云中心集中计算为主的决策架构，这对于要做到和人一样反应的自动驾驶来说时间太长了，所以如果没有边缘计算，如果数据的感知处理、控制的决策不能在车辆上本地进行，自动驾驶就会成为空中楼阁。
通过边缘计算的应用，以车辆本身的边缘计算，以及车路协同形式，在道路两旁会部署一些小型智能服务器，就近接收来自周围车辆的信息流，迅速作出响应和决策，同时这些小型的智能服务器也能接收来自云中心下达的控制指令，从而达到车路协同要求。未来甚至红绿灯可能会消失，因为道路知道周围车辆的速度、距离等信息，能够实时对周围车辆发出控制指令，车辆也能够根据来自道路的消息，以及车辆自身的边缘计算实时做出决策，整个过程将实现非常高效的协同。
目前许多智能化的改造，边缘计算已经能够积极的应用在许多场景之上，例如智能驾驶、智能工厂、智能电网、智能家居、智能建筑，很多都是边缘计算的场景。
再举例来说，电网有很多高压线、变电箱，人力的运维成本太大、危险系数也很高，传统的故障巡检机制网络传输带宽消耗大、故障告警处理不实时、而且电力系统数据本身关系到国计民生，数据传输过程中的安全性极其重要。
落地边缘计算之后，借助于边缘智能技术，可以在设备边缘侧几乎准实时地自动检测出问题出现的具体位置，比方说在配电房内安装边缘计算装置，布置AI模型，边缘计算装置连接配电房里面所有的电力设备，实时采集每一个设备的状态，利用高清夜视摄像头，还可以对烟雾、起火进行实时AI推理、故障告警和处理，效率能够得到极大的提升，同时由于大部分数据都在边缘侧本地处理，无需全部传输上报至云端集中处理，因而极大降低了网络传输流量、减少了数据在传输过程中的暴露面，数据安全性也自然得到了提升。

边缘计算是一种分布式计算模式，它使计算和数据存储更接近使用终端，可以减少延迟和带宽使用。这项技术有其自身的优势和劣势，分享学习总结如下，水平有限，仅供参考。
优点：
1延时低。边缘计算通过在源头终端附近处理数据来减少延迟。这可以形成更快的响应时间，更低的网络流量，以及更好的用户体验。
2可靠性高。边缘计算可以通过减少对网络的依赖性来提高可靠性。这是因为边缘设备即使在网络中断时也能继续工作。
3安全性强。边缘计算可以通过减少在网络上传输的数据量来提高安全性。这减少了数据泄露和网络攻击的风险。
4成本效益高。边缘计算是一个成本效益高的解决方案，因为它减少了对昂贵的云存储和计算资源的需求。
5可扩展性强。边缘计算提供了根据需求扩展计算资源的能力。这使得它更容易适应不断变化的工作负载。
缺点：
1计算能力有限：边缘设备的计算能力和存储容量有限，这对某些应用来说是一种制约。
2管理复杂。对大量边缘设备的管理是非常复杂且具有挑战性的。这需要额外的学习和专业知识来监控和维护这些设备。
3兼容性差。边缘计算设备是多种多样的，通常来自不同的供应商，导致兼容性问题，使创建一个标准化的边缘计算环境变得困难。
4数据隐私。边缘计算存在数据隐私的安全问题，因为数据是在边缘处理和存储的。这需要加强对安全和保护敏感数据的保护。
5集成困难。由于边缘设备的异质性和定制集成的需要，将边缘计算与现有系统集成比较困难。
总的来说，边缘计算提供了一些好处，但它也有其不完美性。最终用户应该考虑他们的具体要求，并评估边缘计算技术对其使用场景的适用性

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。

云原生的优势简单来说有以下几点：

1、实现应用更小体积

对于微服务化架构而言，拥有了更小的体积代表了未来将会是更少的下载带宽，而且更快地分发下载速度，在工作上会提高工作效率，节省更多的工作时间。

2、拥有更快的启动速度

相比传统的单体应用而言，启动速度与运行效率快慢并不是重要的指标，但是对于需要快速迭代、水平扩展的云原生微服务架构应用而言，更快的启动速度就意味着更高的交付效率，和更加快速的回滚，尤其是面对较多应用的时候，可能仅仅才500ms的反应时间也会让用户感觉到延迟，从而造成用户的体验感变差。

3、实际占用资源更少

在实际的运行中占用的资源更低，也就代表了更高的部署密度和更低的计算成本，同时，在JVM启动时需要消耗大量CPU资源对字节码进行编译，降低启动时资源消耗，可以减少资源争抢，更好保障其他应用SLA。

4、数据没有固定的存储模式

也就说，在如今的实际使用中，云原生应用和服务既可以用JSON来处理数据，也可以用protocol buffer 或传统的 XML 来构造数据。很大程度上满足了不同的用户需求，无论是 *** 作，还是实际都带来极大的便利性。

5、d性扩展

云原生架构的主要特点是微服务、容器化、 DevOps 、持续交付四个主要的特点，也正因为如此它的资源是可以按照实际情况进行伸缩，这样不但提高资源的利用率，也大大降低了企业成本。

6、系统更加安全强壮

云原生架构依托于容器编排工具（K8S）与微服务的组合，应用就拥有了自动恢复能力、容错能力、故障隔离能力，让应用时刻处于可用的状态。

7、屏蔽底层差异

因为使用了容器化技术，应用运行于容器之中，应用就不需要考虑底层硬件的差异，只要是能运行容器镜像的硬件都可以运行程序，大大简化了开发工作量。同时对运维人员也非常友好，不需要再为环境问题而苦恼。

1、什么是边缘SEO？

边缘SEO是指使用边缘计算技术在当前运行的参数之外实施SEO测试和研究的过程。以Cloudflare Workers的无服务器技术为例，它是一种无服务器应用程序，允许您在使用Cloudflare的CDN时修改代码库。它能在不影响基本架构的情况下在边缘册执行JavaScript。

2、什么是边缘计算？

边缘计算的重点是缩小用户与数据源之间的距离，从而尽可能减少延迟和带宽。通过使用诸如Cloudflare Workers之类的工具，我们可以减少云端负荷，堆栈障碍以及无开发人员的问题。

3、为什么我们应该采用边缘SEO？

它使网站所有者，营销团队等非开发人员能够以一键式的代码部署来修改内容和运行重要的技术SEO组件。话虽如此，网站开发团队最好全程参与，以确保这些部署与现有的代码库保持互补，避免造成冲突和错误。

这不是什么新鲜事，您也可以使用反向代理web服务器，例如Nginx和Lua（其内容转换发生在Lua中）

如果还有其他相类似的疑问，也可以去跨境论坛看看，我记得这个相关的，我在一个帖子上也有看到相类似的讨论，有很多同行可以交流。例如海豚岛论坛、福步论坛、阿里巴巴外贸圈等。

什么是边缘计算？

简单理解边缘计算，就是用网络边缘对数据进行分类，将部分数据放在终端处理，减少延迟，从而实现实时和更高效的数据处理，是对云计算的补充。

边缘计算是指在靠近物或数据源头的网络边缘侧， 融合网络、计算、存储、应用核心能力的开放平台，充分利用整个路径上各种设备的处理能力，就地存储处理隐私和冗余数据，降低网络带宽占用，提高系统实时性和可用性，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私等方面的关键需求。

通俗来说，边缘计算就是将云端的计算存储能力下沉到网络边缘，用分布式的计算与存储在本地直接处理或解决特定的业务需求 ，用以满足不 断出现的新业态对于网络高带宽、低延迟的硬性要求。

为什么这么火？

就目前来说，5G将普及，而目前也没有出现与5G有关的“杀手级”应用，但回看主流的三个应用场景，每一个都产生海量的数据，且或多或少都对低时延有要求。

增强型移动宽带（eMBB）：面向VR、AR、4K/8K高清直播、安防摄像头、云游戏等消费互联网场景；

超可靠低时延（uRLLC）：面向无人驾驶、工业互联网等物联网垂直行业的特殊应用场景；

海量机器类通信（mMTC）：面向智能井盖、智能水电表这类以传感和数据采集为目标的物联网应用场景。

借助边缘的发展，原本需要在云端运行的人工智能技术可以由此下行到边缘端，创造更大的应用价值。

---