边缘计算是一种将智能集成到边缘设备(也称为边缘节点)中的分布式计算技术，可以在数据采集源附近实时处理和分析数据。使用边缘计算时，数据不需要上传到云端或集中式数据处理系统。
大多数企业在集中存储系统中存储、管理和分析数据，该系统通常是公共云或私有云。另一方面，标准基础设施和云计算已不再能够满足许多实际应用程序的需求。例如，在物联网(IoT)和万物互联(IoE)的背景下，需要具有低延迟的高度灵活的网络来实时处理海量数据，而这在标准IT上是无法实现的基础设施。在这种情况下，边缘计算的好处变得更加明显。
边缘计算优势
边缘计算无需将数据传输到云端进行处理和分析，因为数据在数据聚集点附近进行处理。这种方法减少了网络和服务器的压力。
边缘计算在物联网领域非常有用，主要是工业物联网，因为它具有实时处理数据的能力和快速的反应时间。除了加快工业和制造企业的数字化进程外，边缘计算技术还提供了额外的突破，例如AI和MI。
边缘计算限制
在将任务移至边缘之前，请考虑支持某些边缘模型是否有意义。这些限制可能会迫使您返回到传统的云设计。
边缘安全
通过减少数据在转运过程中花费的时间，边缘计算大限度地减少了一些安全问题，但也增加了更复杂的安全问题。
例如，如果您在不受管理的终端机器上托管或处理数据，则无法确保此类设备没有攻击者可能利用的缺陷。即使您采用云边缘架构来控制边缘基础设施，但拥有额外的基础设施来维护会扩大您的攻击面。
因此，边缘计算不适合具有严格安全要求的应用程序。如果您正在处理敏感数据或有特殊的合规性需求，使用集中式服务器的典型云计算方法可能不会那么危险。
延迟要求
由于数据不必在云数据中心之间来回传输进行分析，边缘计算提高了应用程序速度和响应能力。对于需要真正即时通信流的任务，这是一个显着的好处。云公司继续扩大其数据中心的覆盖范围，但这些庞大的设施通常位于远离主要人口中心的农村地区。
大多数工作负载的延迟要求较低。与典型的云设计相比，边缘网络只能将网络响应能力提高几毫秒。传统设计带来的低效率对于普通应用来说是可以容忍的。
检查延迟好处是否真的值得妥协，尤其是当您考虑额外的费用和管理负载时。
数据量
确定您的操作将处理多少数据以及您的边缘基础设施是否能够处理它。如果您的工作创建了大量数据，您将需要一个大型基础设施来评估和存储它。从管理的角度来看，将数据移动到公共云数据中心可能更便宜、更容易。
然而，基本上无状态且不需要大量数据的工作负载是边缘计算的理想候选者。
边缘计算示例
以下是边缘计算何时适合和不适合展示上述权衡的一些示例。以下是边缘计算的一些很好的例子：
自动驾驶汽车
自动驾驶汽车需要获取大量数据，因此必须快速做出选择，以确保路线上的乘客和其他人安全。延迟问题可能会导致车辆反应时间出现纳秒级延迟，从而造成严重后果。
智能恒温器
这些小工具会产生少量数据。此外，他们收集的一些信息，例如个人何时回家并调整恒温器，可能存在隐私问题。将数据保留在边缘更实用，并且可以帮助解决安全问题。
交通信号灯
交通灯的三个特性使其成为边缘计算的合适候选者： 对实时变化做出反应的要求；有限的数据生产；和互联网连接偶尔中断。
以下是边缘计算无法正常运行的几种场景：
传统应用：很难想象传统应用需要边缘基础设施的性能或反应性。它可能会将应用加载或回复查询所需的时间减少几毫秒，但这种好处很少值得花钱。
摄像机系统：视频会产生大量数据。在边缘处理和存储此类数据是不切实际的，因为它需要庞大而专业的基础设施。将数据存储在集中式云设施中将大大降低成本且更容易。
智能照明系统：在家中或企业中通过互联网工作的照明控制系统不会产生大量数据。然而，灯泡，即使是智能灯泡，处理能力也是有限的。照明系统没有超低延迟要求，所以如果你的灯只需要几分之一秒就可以打开，这可能不是什么大问题。您可以创建边缘基础设施来管理这些系统，但在大多数情况下，这不值得花钱。
通过将处理外包给终端客户的设备，边缘计算可以大限度地减少传输延迟，降低对网络的数据访问，并在某些情况下削减开支。由于这些好处，云架构师可能会寻求将尽可能多的工作负载转移到边缘。但是，在这样做之前，他们应该考虑每个应用程序的结构、其性能需求和安全问题等。
