边缘计算

什么是边缘计算？

边缘计算的工作原理是将计算和分析移至更靠近生成数据的设备、系统或环境。边缘系统无需将所有原始数据发送到集中位置，而是可以在本地处理、过滤或分析数据，并只将所需的数据发送到云端或核心环境。

典型的边缘工作流程可能包括：

• 生成数据的设备、传感器或机器。
• 收集和处理这些数据的本地边缘系统。
• 源头附近发生的实时行动或决策。
• 选定的数据将被发送至集中式系统中，进行存储、协调或更广泛的分析。

该模式有助于组织更快地采取行动，同时减少在网络中传输每个数据的需求。

企业在需要更快的决策、更高效的数据处理或更具弹性的运营时会使用边缘计算。有些环境会产生大量数据，但只有在将所有数据发送到集中式云端并随后采取措施之后才会从中受益。

边缘计算通常用于支持：

• 实时分析和决策。
• 降低时敏型应用的延迟。
• 减少带宽使用量。
• 提升运营连续性。
• 更好地支持远程或分布式环境。
• 对数据和基础设施拥有更本地化的控制权。

这是边缘计算在各个行业和工作负载中持续受到关注的原因之一。 

根据使用场景和环境的不同，边缘计算可以提供几个重要优势。

常见优势包括：

• 更快的响应速度。
• 更低的延迟。
• 更高效的带宽利用。
• 更好地支持实时处理。
• 提高分布式环境下的弹性。
• 对本地化运营更强的支持力度。
• 为数据密集型或远程工作负载提供更大的灵活性。

这些优势使得边缘计算对于依赖即时响应或连续本地处理的应用来说尤其有用。 

边缘计算广泛应用于许多实际环境中，在这些环境中，本地处理可以提高速度、可靠性或效率。

常见范例包括：

• 实时分析传感器数据的工业设备。
• 可在本地处理店内活动的零售系统。
• 支持实时监测的医疗设备。
• 能够对交通或安全状况做出响应的智慧城市系统。
• 需要立即做出本地决策的自主系统。
• 用于安全或运营的边缘视频分析。
• 优化本地基础设施的能源和公用事业系统。

边缘计算可以带来重要优势，但同时在运营和架构方面也面临挑战。

常见的挑战包括：

• 管理多个分布式位置或设备。
• 保护集中式设施以外的边缘系统。
• 保持对远程环境的可见性。
• 支持一致的部署和更新。
• 平衡本地处理与集中协调。
• 针对各种不同的实际情况设计基础设施。

因此，边缘战略通常既包括基础设施规划，也包括运维管理。