云計算和邊緣計算正在塑造物聯網（IoT）的未來。這種組合為物聯網網絡中連接的設備帶來了穩(wěn)定性，并通過處理更接近源的數據來解決延遲問題。

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

物聯網每年安裝數十億臺智能設備，據估計，到2020年將安裝超過200億臺智能設備。由于安裝了大量設備并連接到物聯網，因此處理的數據量一直在增加。我們正應對著處理和分析這些數據的挑戰(zhàn)，特別是在需要近乎實時處理這些數據的情況下。僅云計算無法幫助處理如此龐大的數據集并實時提供響應。

解碼邊緣計算

據國際數據公司（IDC）稱，邊緣計算（Edge computing）是一個微型數據中心的網狀網絡，可在本地處理或存儲關鍵數據，并將所有接收的數據推送到中央數據中心或云存儲庫。

簡而言之，邊緣計算可以處理和分析更靠近生成數據源的數據。

在邊緣計算環(huán)境中安裝和連接的智能設備能夠處理關鍵任務數據并實時響應，而不是通過網絡將所有數據發(fā)送到云并等待云響應。設備本身就像一個迷你數據中心，由于基本分析正在設備上進行，因此延遲幾乎為零。利用這種新增功能，數據處理變得分散，網絡流量大大減少。云可以在以后收集這些數據進行第二輪評估，處理和深入分析。

邊緣計算給物聯網帶來的好處

利用邊緣計算為物聯網設備帶來諸多好處，例如接近零延遲，較小的網絡負載，增加的彈性，減少的數據暴露以及較低的數據管理成本。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。數據收集，處理和采取行動之間的時間間隔幾乎是實時的。這是在關鍵任務情況下物聯網設備的重要要求。一個非常好的例子是無人駕駛汽車。

谷歌預估他們的自動駕駛汽車每秒產生大約1GB的數據！需要快速處理大量此類數據，以便汽車能夠保持正確的路線并避免碰撞。想象一下，如果這些數據被收集，傳輸到云，云會對其進行處理，然后將其發(fā)送回汽車。盡管整個過程在幾秒鐘內完成，但事實證明為時已晚，而且汽車可能已經遇到了碰撞。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據，然后將其發(fā)送到云以進行后續(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)中較為關鍵，其中設備連接到心率監(jiān)測器或心臟起搏器，并且輕微延遲可能導致患者的生死狀況。

較小的網絡負載：

思科估計到2020年，物聯網設備處理的數據量將達到近7.5 Zettabytes（1ZB = 1,000,000,000,000 GB）！這是互聯網高速公路上的大量數據，可能導致網絡擁堵增加，尤其是在連接較弱的地區(qū)。使用邊緣計算，大部分流量負載將通過在源處理數據而不是通過網絡發(fā)送所有數據，網絡擁堵明顯改善。

增強彈性：

借助邊緣計算提供的分散式架構，網絡中的其他連接設備變得更具彈性。將此與云上的單個虛擬機故障進行比較，這將影響連接到網絡的數千甚至數百萬個IoT設備。即使其中一個設備發(fā)生故障，它也不會影響其他設備，并且它們仍然保持活動和運行狀態(tài)。

減少數據暴露：

邊緣計算減少了它通過網絡發(fā)送的數據量。這樣做還有助于減少傳輸中的數據泄露。在某些情況下，智能設備收集的敏感和關鍵數據（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據有不同規(guī)定并且更靠近其來源處理數據有助于避免許多隱私，法律和安全復雜性的情況。通過進一步加密數據和控制訪問，我們可以使其更安全地抵御已知威脅。

較低的數據管理成本：

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容存儲在云上。由于數量相對較少，這也有助于有效地管理數據。只有需要更深入分析的匯總數據才會發(fā)送到云端，隨后會對其進行分析和推斷。

邊緣計算和云協同工作，實現物聯網

我們已經看到邊緣計算如何使物聯網受益，那么來分析下為什么邊緣計算不能完全替代云計算。

為了滿足物聯網設備的所有要求和需求，邊緣計算和云計算需要協同工作。來自智能設備和傳感器的所有數據仍然需要在云上進行匯總，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網設備更智能和更好的過程中發(fā)揮關鍵作用。

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據并使用云進行分析后，Google可以提出最佳實踐和駕駛算法，這些算法將改善其導航并使車輛在首次訪問的位置時表現最佳。

美國和歐洲的主要貨運公司已經在使用這種方法從技術中受益并節(jié)省了主要成本。他們將傳感器放置在車隊中，并收集各種數據，包括發(fā)動機性能，輪胎，燃油油位，變速箱和電池。在邊緣處理這些數據是沒有用的，而是將所有這些數據發(fā)送到云端。經過深入分析，公司可以發(fā)布關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，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據集上進行繁重的工作是有意義的。大多數時候，云計算的集中性在速度，成本和可擴展性方面優(yōu)于邊緣計算的分散性質。因此，為了完全滿足物聯網的主要需求，即延遲和大數據處理，我們看到邊緣計算和云計算需要協調工作。邊緣負責實時分析和響應，而云負責數據集的繁重和處理，以改善這些智能設備的功能。

總結

物聯網未來幾年將快速發(fā)展。雖然云計算推動了物聯網的發(fā)展，但邊緣計算對所收集的數據有了更強大的洞察和分析力。隨著技術的進步，它將幫助你更好地管理并顯著改善物聯網工作。