壹、背景
众所周知，云计算已经进入到我们的日常生活，各大厂商推出的各型云平台及“云”相关业务服务已经应用在我们工作的各个领域，如语音识别就需要云计算技术实现。云计算有一个特征，就是拥有集中式的数据处理中心。发展至今，云计算的上涨趋势已经停滞，能够被中心化的业务都被中心化了，“云”计算的机会将会存在于“边缘”。
贰、概念
承接上述语音识别例子。在过去，我们的语音必须先上传到部署语音识别应用的云平台上，经过应用解析后返回到用户的终端上，才能完成语音的解析；现在，手机上的APP拥有解析部分语音的能力，就不需要上传至云平台，也能完成功能的实现。这就是本地化处理，是边缘计算的一个核心特征。
边缘计算顾名思义就是在地理位置上处于“边缘”的计算，是在数据源及其附近的计算，而非云计算依赖大量的数据中心来进行业务处理。不是说云计算会消失，而是它将朝我们走来。边缘计算不过是将一部分的云计算功能搬移到数据源及其附近，计算的结果将上传到云平台供用户使用和决策。
叁、原则
边缘计算的原则是：
要么让数据中心距离数据更近，要么让数据距离数据中心更近。
肆、架构
Fog layer指的是雾层，有云计算也有雾计算。雾计算提高了边缘计算的计算和存储数据的能力，如智慧楼宇、智慧园区、智慧城市，它们产生的数据量是巨大的，边缘计算的能力满足不了需求，就在“云”和“边缘”增加“雾”的节点。
伍、边缘计算解决了哪些问题
1、时延
语音识别功能如果经过云处理，我们在终端上得到输出的时延是可以感知到的，速度较慢，因为要经过网络信号的长距离传输。而如果进行本地化处理，不经过网络传输，时延将大大降低，用户的体验会更佳。
2、隐私和安全
我们对手机上的隐私和安全功能较为熟悉，通过指纹识别和面部识别，就可以解开手机锁，这也用到了边缘计算。如果将这些数据上传到云上，我们有可能面临数据的透明化，因此边缘计算更有利于用户保护自己的隐私和安全。
3、带宽
如果买一台安全摄像头，可以将其拍摄的视频传输到云端。如果买十几个安全摄像头，就会遇到带宽问题。但如果摄像机足够智能，只保存“重要”的镜头而丢弃其余的，这样就会节约互联网带宽的使用。现有的网络已经不能很好地适应日益增长的数据，AI工作在前端的市场会越来越多，因为带宽的费用是十分昂贵的。
陆、应用领域
- 制造业
- 农场
- 网络优化
- 场地安全
- 交通
- 健康监测
- 零售
