云計算和邊緣計算正在塑造物聯(lián)網(wǎng)(IoT)的未來。這種組合為物聯(lián)網(wǎng)網(wǎng)絡(luò)中連接的設(shè)備帶來了穩(wěn)定性，并通過處理更接近源的數(shù)據(jù)來解決延遲問題。

云計算明顯改變了數(shù)據(jù)處理的形式，特別是對于大數(shù)據(jù)。利用云的計算能力，物聯(lián)網(wǎng)實現(xiàn)了跨越式發(fā)展，我們獲得，存儲和處理數(shù)據(jù)，而不必配置計算資源和管理。

物聯(lián)網(wǎng)每年安裝數(shù)十億臺智能設(shè)備，據(jù)估計，到2020年將安裝超過200億臺智能設(shè)備。由于安裝了大量設(shè)備并連接到物聯(lián)網(wǎng)，因此處理的數(shù)據(jù)量一直在增加。我們正應(yīng)對著處理和分析這些數(shù)據(jù)的挑戰(zhàn)，特別是在需要近乎實時處理這些數(shù)據(jù)的情況下。僅云計算無法幫助處理如此龐大的數(shù)據(jù)集并實時提供響應(yīng)。

解碼邊緣計算

據(jù)國際數(shù)據(jù)公司(IDC)稱，邊緣計算(Edge computing)是一個微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡(luò)，可在本地處理或存儲關(guān)鍵數(shù)據(jù)，并將所有接收的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫。

簡而言之，邊緣計算可以處理和分析更靠近生成數(shù)據(jù)源的數(shù)據(jù)。

在邊緣計算環(huán)境中安裝和連接的智能設(shè)備能夠處理關(guān)鍵任務(wù)數(shù)據(jù)并實時響應(yīng)，而不是通過網(wǎng)絡(luò)將所有數(shù)據(jù)發(fā)送到云并等待云響應(yīng)。設(shè)備本身就像一個迷你數(shù)據(jù)中心，由于基本分析正在設(shè)備上進(jìn)行，因此延遲幾乎為零。利用這種新增功能，數(shù)據(jù)處理變得分散，網(wǎng)絡(luò)流量大大減少。云可以在以后收集這些數(shù)據(jù)進(jìn)行第二輪評估，處理和深入分析。

邊緣計算給物聯(lián)網(wǎng)帶來的好處

利用邊緣計算為物聯(lián)網(wǎng)設(shè)備帶來諸多好處，例如接近零延遲，較小的網(wǎng)絡(luò)負(fù)載，增加的彈性，減少的數(shù)據(jù)暴露以及較低的數(shù)據(jù)管理成本。讓我們逐一看看這些：

近零延遲：

接近零延遲是邊緣計算的最大優(yōu)勢。數(shù)據(jù)收集，處理和采取行動之間的時間間隔幾乎是實時的。這是在關(guān)鍵任務(wù)情況下物聯(lián)網(wǎng)設(shè)備的重要要求。一個非常好的例子是無人駕駛汽車。

谷歌預(yù)估他們的自動駕駛汽車每秒產(chǎn)生大約1GB的數(shù)據(jù)!需要快速處理大量此類數(shù)據(jù)，以便汽車能夠保持正確的路線并避免碰撞。想象一下，如果這些數(shù)據(jù)被收集，傳輸?shù)皆疲茣ζ溥M(jìn)行處理，然后將其發(fā)送回汽車。盡管整個過程在幾秒鐘內(nèi)完成，但事實證明為時已晚，而且汽車可能已經(jīng)遇到了碰撞。此方案中的最佳解決方案是使用邊緣計算分析傳感器本身的數(shù)據(jù)，然后將其發(fā)送到云以進(jìn)行后續(xù)分析。

邊緣計算在醫(yī)療行業(yè)也很重要。延遲在醫(yī)療保健行業(yè)中較為關(guān)鍵，其中設(shè)備連接到心率監(jiān)測器或心臟起搏器，并且輕微延遲可能導(dǎo)致患者的生死狀況。

較小的網(wǎng)絡(luò)負(fù)載：

思科估計到2020年，物聯(lián)網(wǎng)設(shè)備處理的數(shù)據(jù)量將達(dá)到近7.5 Zettabytes(1ZB = 1,000,000,000,000 GB)!這是互聯(lián)網(wǎng)高速公路上的大量數(shù)據(jù)，可能導(dǎo)致網(wǎng)絡(luò)擁堵增加，尤其是在連接較弱的地區(qū)。使用邊緣計算，大部分流量負(fù)載將通過在源處理數(shù)據(jù)而不是通過網(wǎng)絡(luò)發(fā)送所有數(shù)據(jù)，網(wǎng)絡(luò)擁堵明顯改善。

增強(qiáng)彈性：

借助邊緣計算提供的分散式架構(gòu)，網(wǎng)絡(luò)中的其他連接設(shè)備變得更具彈性。將此與云上的單個虛擬機(jī)故障進(jìn)行比較，這將影響連接到網(wǎng)絡(luò)的數(shù)千甚至數(shù)百萬個IoT設(shè)備。即使其中一個設(shè)備發(fā)生故障，它也不會影響其他設(shè)備，并且它們?nèi)匀槐３只顒雍瓦\行狀態(tài)。

減少數(shù)據(jù)暴露：

邊緣計算減少了它通過網(wǎng)絡(luò)發(fā)送的數(shù)據(jù)量。這樣做還有助于減少傳輸中的數(shù)據(jù)泄露。在某些情況下，智能設(shè)備收集的敏感和關(guān)鍵數(shù)據(jù)(如支付卡行業(yè)(PCI)和個人身份信息(PII))根本不需要傳輸。這有助于在每個國家對此數(shù)據(jù)有不同規(guī)定并且更靠近其來源處理數(shù)據(jù)有助于避免許多隱私，法律和安全復(fù)雜性的情況。通過進(jìn)一步加密數(shù)據(jù)和控制訪問，我們可以使其更安全地抵御已知威脅。

較低的數(shù)據(jù)管理成本：

使用邊緣計算可以顯著降低云上的存儲成本，因為我們并未將所有內(nèi)容存儲在云上。由于數(shù)量相對較少，這也有助于有效地管理數(shù)據(jù)。只有需要更深入分析的匯總數(shù)據(jù)才會發(fā)送到云端，隨后會對其進(jìn)行分析和推斷。

邊緣計算和云協(xié)同工作，實現(xiàn)物聯(lián)網(wǎng)

我們已經(jīng)看到邊緣計算如何使物聯(lián)網(wǎng)受益，那么來分析下為什么邊緣計算不能完全替代云計算。

為了滿足物聯(lián)網(wǎng)設(shè)備的所有要求和需求，邊緣計算和云計算需要協(xié)同工作。來自智能設(shè)備和傳感器的所有數(shù)據(jù)仍然需要在云上進(jìn)行匯總，這需要更深入的分析，以便從中獲取有意義的見解。云計算仍然在使物聯(lián)網(wǎng)設(shè)備更智能和更好的過程中發(fā)揮關(guān)鍵作用。

回過頭來看看谷歌自動駕駛汽車的例子。

在收集了所有車輛的數(shù)據(jù)并使用云進(jìn)行分析后，Google可以提出最佳實踐和駕駛算法，這些算法將改善其導(dǎo)航并使車輛在首次訪問的位置時表現(xiàn)最佳。

美國和歐洲的主要貨運公司已經(jīng)在使用這種方法從技術(shù)中受益并節(jié)省了主要成本。他們將傳感器放置在車隊中，并收集各種數(shù)據(jù)，包括發(fā)動機(jī)性能，輪胎，燃油油位，變速箱和電池。在邊緣處理這些數(shù)據(jù)是沒有用的，而是將所有這些數(shù)據(jù)發(fā)送到云端。經(jīng)過深入分析，公司可以發(fā)布關(guān)于獲取最佳行車路線的警報，何時更換舊零件，需要加油的燃油低，更換故障傳動等等，從而改善并節(jié)省維護(hù)，維修和運營成本。

憑借云提供的巨大計算能力，讓它在巨大而繁重的數(shù)據(jù)集上進(jìn)行繁重的工作是有意義的。大多數(shù)時候，云計算的集中性在速度，成本和可擴(kuò)展性方面優(yōu)于邊緣計算的分散性質(zhì)。因此，為了完全滿足物聯(lián)網(wǎng)的主要需求，即延遲和大數(shù)據(jù)處理，我們看到邊緣計算和云計算需要協(xié)調(diào)工作。邊緣負(fù)責(zé)實時分析和響應(yīng)，而云負(fù)責(zé)數(shù)據(jù)集的繁重和處理，以改善這些智能設(shè)備的功能。

總結(jié)

物聯(lián)網(wǎng)未來幾年將快速發(fā)展。雖然云計算推動了物聯(lián)網(wǎng)的發(fā)展，但邊緣計算對所收集的數(shù)據(jù)有了更強(qiáng)大的洞察和分析力。隨著技術(shù)的進(jìn)步，它將幫助你更好地管理并顯著改善物聯(lián)網(wǎng)工作。