什么是边缘计算

边缘计算是一种在网络边缘执行计算的新计算范式。与云计算相反，边缘计算更接近用户，更接近数据来源。在网络的边缘，它轻量级，适用于本地、小规模的数据存储和处理。

随着万物互联（IoE）的快速发展，连接到互联网的智能设备数量快速增长，在网络边缘产生海量数据（Big Data）。海量数据导致传统云计算模式存在带宽负载、响应速度慢、安全性差、隐私性差等问题。

因此，传统的云计算已经不足以支撑当今对智能服务和智能数据处理的需求，边缘计算技术应运而生。边缘计算将计算数据、应用程序和服务从云服务器转移到网络边缘。因此，应用程序开发人员可以通过向用户提供更接近用户的服务来使用设备上的计算系统。

边缘计算的特点是高带宽、超低延迟和实时访问可供多个应用程序使用的网络信息。因此，边缘计算是下一代边缘智能的基础，将机器学习算法部署到生成数据的边缘设备

边缘计算的定义

自边缘计算成为研究热点以来，就有了不同的定义。卡内基梅隆大学教授 Satyanarayanan 将边缘计算定义为“一种新的计算模型，将计算和存储资源部署在更靠近移动设备的网络边缘或传感器”。中国边缘计算联盟将边缘计算定义为“靠近网络边缘或数据源头，集成了网络、计算、存储、应用等核心能力，就近提供边缘智能服务以满足行业敏捷性的开放平台”。连接、实时业务、数据优化、应用程序智能、安全和隐私方面的关键要求” 。

边缘计算的背景和需求

当今的智能社会是由各行各业对智能互联服务的需求驱动的。边缘设备已经渗透到社会的方方面面，如智能家居、监控摄像头、自动驾驶汽车、智能生产机器人等。因此，连接的设备数量不断增加。因此，全球设备生成的数据量正在急剧增加。基于数据量的持续海量增长和各种数据处理需求，基于云的大数据处理呈现出诸多不足：

实时性：大量数据传输到云端导致网络传输带宽负荷大，造成数据传输延迟。云计算将无法满足实时业务需求。

能源消耗：数据中心的电力消耗显着增加。云计算无法满足日益增长的优化能源消耗的需求。

安全和隐私：将数据上传到云端并存储在中心化环境中会带来隐私泄露风险或攻击。由于到服务器的路径较长，云计算中数据途中攻击的概率高于边缘计算。

因此，边缘计算技术旨在在网络和数据生成的边缘提供服务和执行计算。边缘计算的目标是将云端的网络、计算、存储能力和资源迁移到网络边缘，在边缘提供智能服务。这需要满足 IT 行业在实时业务、应用智能、数据优化、安全和隐私方面的关键需求，并满足网络低延迟和高带宽的要求。

边缘计算与云计算的区别

传统的云计算将所有数据通过网络传输到云计算中心，集中解决计算和存储问题。但是，边缘计算的出现并不会取代云计算。两种理念相辅相成，更大程度上赋能行业数字化转型。

边缘计算是云计算的高级版本，它通过使服务更接近最终用户来减少延迟。此外，它通过在边缘网络中提供资源和服务来最大限度地减少云的负载。在一些互联网业务中，有些数据经过边缘计算处理后，需要返回云端进行处理，比如深度分析的数据挖掘和共享，这就需要两个概念的配合。

云计算和边缘计算的主要区别如下：

云：云计算的主要特点是可以处理大量数据，进行深入分析，在非实时数据处理，如商业决策等领域发挥着重要作用。

边缘：边缘计算侧重于本地（设备上）。因此，它可以在小规模、实时的智能分析中发挥更好的作用，比如满足分布式服务的实时性需求。

这时候就需要边缘计算来分担云端的压力，负责边缘范围内的任务。此外，本地数据处理降低了大规模数据丢失的风险。这些因素为包括网络连接设备 (IoT) 的服务带来了稳定性。

什么是雾计算？

雾计算是使用最终用户终端设备或连接最终用户设备的边缘设备，以分布式协作架构进行资料存储（相较于将资料集中存储在云数据中心），或进行分布式网络数据包传输通信（相较于透过互联网骨干路由），或相关分布式控制或管理。雾计算是由思科（Cisco）在2014年所提出的概念[1]，为云计算的延伸，这个架构可以将计算需求分层次、分区域处理，以化解可能出现的网络塞车现象。

雾计算的应用和物联网（IoT）及智能联网（M2M）有密不可分的关系。在物联网中，我们日常使用中的大多数设备将被彼此连接，最为具体精神概念为缩短处理资料时间,亦TSN(Time Sensative Networking),多数应用为医疗,智能工厂 , 智能车 ,智能电网等 在讲求AI的这个时代,雾计算可以协助后台计算运作更有效率 , 在靠近IOT DEVICE端就具备计算,监控,收集资料的功能, 之后再将资料传至数据中心做更随为大量的资料分析及演算

雾计算是云计算的智能扩展，旨在弥合与物联网设备的差距。因此，雾计算不应被视为传统云架构的替代品，而是一种将物联网、边缘计算和云计算结合在一起的新架构。

边缘计算特性

边缘计算具有与云计算相似的几个特性，但扩展了云没有的特定架构如：

地理分布：通过边缘计算平台可以获取传感器网络下的物联网的本地数据。可以更准确地快速执行大数据分析。边缘系统支持大规模的实时分析和人工智能处理。

移动支持：随着移动设备数量的快速增长，边缘计算还支持移动性以直接与移动设备通信。

位置访问：允许使用GPS等技术来查找设备的位置。因此，边缘计算应用程序可以使用位置访问，例如基于雾的车辆安全应用程序和基于边缘的灾难管理。

临近：本地附近的计算资源和服务是允许用户利用网络上下文信息来做出服务使用决策。

低延迟：边缘计算的低延迟使用户能够在边缘设备上执行资源密集型和延迟敏感的应用程序。此类应用包括联网车辆、远程健康监控、仓库物流和工业控制系统。

异构性：边缘计算元素（终端设备、边缘服务器和网络）可以使用的不同平台、架构、计算和通信技术。

带宽密集型用例：如今，越来越多的物联网部署生成的数据是带宽密集型的，尤其是来自监控摄像头视频的数据（视频分析）。将计算资源尽可能靠近高带宽数据源意味着需要将更少的数据发送到遥远的云数据中心。