边缘计算

边缘计算技术的目标是，在下一个十年内实现由10万个传感器构成的物联网系统。随着大量数据的不断被处理和利用，人们越来越需要适应这种技术——即直接在传感器上进行计算的技术。 预计2019年将成为边缘技术的关键之年，而在未来几年里，这一趋势还将持续下去。 在多种情况下，边缘计算都会被应用到实际场景中。 一种情况是，由于设备之间的连接性能不佳，导致物联网设备无法与云端进行集中连接。 到2020年时，每天将会产生大约1.5GB的数据。 由于有许多设备连接到了互联网并不断生成数据，因此仅靠云技术是无法处理如此庞大的数据的。

边缘这些数据处理方式，以及实时数据的本地处理方式，都是可以借鉴的。那些值得信赖的边缘组件包括：数据处理模块、规则引擎、本地数据库等。云更关注的是大数据处理和数据存储方面的工作。 为什么选择边缘计算呢？

• 这项技术通过直接在边缘处分析数据，从而提升了带宽的使用效率。与需要大量带宽来传输数据的云计算方式不同，这种技术适用于那些成本较低且位于偏远地区的应用场景。
• 这使得智能应用程序和设备能够几乎同时响应数据，这一点对于商业应用以及自动驾驶汽车来说非常重要。
• 它能够在不将数据存储到公共云上的情况下进行处理，从而确保数据的完全安全性。
• 在长距离的网络传输过程中，数据可能会受到损坏，这会影响这些行业所使用数据的可靠性。
• 数据的边缘计算方式，实际上对云技术的使用带来了一定的限制。

边缘计算与雾计算：“边缘计算”更专注于边缘设备的计算过程。因此，雾计算虽然包含了边缘计算的内容，但还包括了将数据从边缘设备传输到最终目的地的网络环节。边缘技术的实际应用：

1. 自动驾驶汽车 –GE Digital的合作伙伴英特尔估计，配备数百个车载传感器的自动驾驶汽车，在每八小时的行驶过程中会生成40TB的数据。因此，边缘计算在自动驾驶系统中起着至关重要的作用。将所有数据发送到云端既不安全也不现实。汽车能够立即对发生的事件做出反应，而这些数据可以被整合到数字孪生模型中，从而提升同类汽车的性能。
2. 舰队管理 –以一家货运公司为例，其主要目标是将来自各种运营数据点的信息整合起来，比如车轮、刹车系统、电池等，然后将这些数据传输到云端。通过云端分析这些关键的运行参数，从而实现对车辆的有效管理，进而降低运营成本。因此，这种车队管理解决方案实际上有助于降低车辆的运营成本。

边缘计算带来的5大优势：

1. 更快的响应时间。
2. 安全与合规性。
3. 具有成本效益的解决方案。
4. 在间歇性连接的情况下，仍能实现可靠的运行。
5. 降低的延迟时间

边缘计算的局限性：

1. 复杂性：建立和维护边缘计算系统是一项具有挑战性的任务，尤其是当涉及到大量设备或广阔的地理区域时。
2. 资源有限：边缘设备通常具有有限的处理能力、存储空间和带宽，这些因素会限制其执行特定任务的能力。
3. 对连接性的依赖：为了使边缘计算能够正常运行，必须具备连接性。如果连接中断了，那么系统就无法正常工作了。
4. 安全方面的担忧：边缘设备可能会面临各种安全风险，比如恶意软件攻击、黑客入侵以及物理上的干扰等问题。

边缘云计算服务：

• 物联网（IoT）
• 游戏/娱乐
• 医疗保健
• 智慧城市
• 智能交通系统
• 企业安全