边缘计算网关有哪些优点？

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。

5G的边缘计算（Edge Computing）是指在离数据源（如用户设备、传感器等）相对较近的网络边缘位置进行数据处理、分析和存储的一种计算方式。边缘计算结合了5G网络的高速率、低延迟和大连接数的特点，可以有效地处理大量的实时数据，并及时响应用户需求。
在5G边缘计算中，计算任务被分配到边缘服务器上，而不是远程的数据中心或云服务器。这样可以降低网络延迟、提高数据处理速度，同时减轻核心网络的负担。5G边缘计算广泛应用于物联网、自动驾驶、智能城市、 智慧工地、智慧工厂、明厨亮灶、远程医疗等领域，为实现实时、高效的数据处理提供了关键支持。

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。

TG452边缘计算网关拥有强劲的边缘计算能力，分担部署在云端的计算资源,在物联网边缘节点实现数据优化、实时响应、敏捷连接、模型分析等业务，使AI时代下的数字化物联网更进一步。

边缘计算网关功能：

1、具备超强边缘计算能力

如何让数据能够低成本且高效地传输到云或者远程终端，意义重大。

而具备了超强边缘计算能力的物联网网关，通过数据处理权限的下放，就近处理。不需要担心远程通信传输不畅通的问题，与普通物联网网关相关有着巨大的功能优势。

2、兼容多平台接入及设备主流协议

支持包括阿里云/华为云/微软/亚马逊/施耐德/西门子等平台接入;兼容多种设备主流工业实时以太网协议和工业总线协议，如Modbus tcp/rtu、profinet、 profibus-dp、opc ua等协议。

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。

---