【原】从big bang到万物互联专题六：边缘计算技术

当下，云计算技术属于比较热门的技术，本期文章我们主要介绍云计算领域的技术场景之一的边缘计算技术，今天我将从什么是边缘计算技术、为什么需要边缘计算、边缘计算和云计算对比、边缘计算工作原理等几大方面，和朋友们一起交流边缘计算技术。

如果小伙伴们对通信技术感兴趣，欢迎关注公众号：通信行业搬砖工。

1. 什么是边缘计算

边缘计算是一种新型的计算模式，它在靠近物或数据源头的网络边缘侧进行数据的处理和分析。这种计算模式通过融合网络、计算、存储和应用的核心能力，构建分布式的平台，以提供高效的边缘智能服务。

具体来说，边缘计算的工作原理可以归纳为以下几点：

1. 数据处理位置：边缘计算是在数据生成的源头附近进行数据处理，而不是在中央服务器或云端进行。这样做的好处是可以大大减少数据传输的延迟，提高处理速度，并减轻云端的负担。

   
   

2. 核心能力融合：边缘计算平台融合了网络、计算、存储和应用的核心能力。这意味着它可以执行复杂的数据处理任务，而不仅仅是简单的数据存储和转发。

   

3. 就近服务：由于边缘计算设备部署在数据源头附近，因此它可以就近为用户提供智能服务。这种服务模式不仅可以提高响应速度，还可以提升用户体验。

   

4. 分布式特性：边缘计算是一种分布式的计算模式，它可以在多个地理位置上同时进行数据处理和分析。这种特性使得边缘计算能够更好地适应大规模、分布式的应用场景。

总的来说，边缘计算的优势在于它能够在数据生成的源头附近进行实时的数据处理和分析，从而提高了响应速度和数据处理效率。此外，由于数据在本地进行处理，也增强了数据的安全性和隐私保护。随着物联网、5G等技术的不断发展，边缘计算将在各个领域发挥越来越重要的作用。

2. 为什么需要边缘计算

边缘计算技术的出现，主要是为了应对物联网技术快速发展所带来的挑战。物联网技术的广泛应用导致了终端设备的数量和产生的数据量激增，传统的数据处理方式已经无法满足这种大规模数据处理的需求。

具体来说，需要边缘计算的原因主要有以下几点：

1. 减少网络延迟：在传统的云计算模式中，所有的数据都需要传输到远程的数据中心进行处理，这会导致较高的网络延迟。而边缘计算将数据处理和分析的任务转移到数据生成的源头附近，大大减少了数据传输的距离和时间，从而降低了网络延迟，提高了响应速度。

   
   

2. 减轻云端负担：随着物联网设备数量的增加，如果所有数据都上传到云端处理，会给云端带来巨大的负担。边缘计算可以在本地处理大部分数据，只将必要的数据上传到云端，从而大大减轻了云端的负担。

   
   

3. 提高数据处理的实时性：在某些应用场景中，如自动驾驶、智能制造等，对数据处理的实时性要求非常高。边缘计算能够在数据生成的瞬间进行实时处理和分析，满足了这些场景对实时性的需求。

   

4. 增强数据安全和隐私保护：由于数据在本地进行处理，不必全部上传到云端，这在一定程度上减少了数据泄露的风险，增强了数据的安全性和隐私保护。

   

5. 支持离线工作：在边缘计算中，由于数据处理和分析在本地进行，即使在网络不稳定或断开的情况下，部分应用和服务仍然可以正常运行。

综上所述，边缘计算技术是为了解决物联网技术快速发展所带来的数据处理挑战而应运而生的。它通过减少网络延迟、减轻云端负担、提高数据处理的实时性、增强数据安全和隐私保护以及支持离线工作等方式，为物联网应用提供了更高效、更灵活的数据处理方案。

3. 边缘计算和云计算对比

边缘计算和云计算在数据处理方式、效率和应用场景上存在显著差异。

以下是二者的对比分析：

1. 数据处理方式：

• 云计算：所有数据被上传至云端数据中心或服务器进行集中处理。任何需要访问该信息的请求都必须发送到云端进行处理。

• 边缘计算：数据在靠近数据源的网络边缘侧进行处理和分析，无需将所有数据都传输到云端。

2. 效率和响应时间：

• 云计算：由于数据需要传输到远程的云端进行处理，再返回结果，这可能导致较长的响应时间，不适合对实时性要求高的应用。

• 边缘计算：数据在本地或接近数据源的地方进行处理，大大减少了数据传输的时间和延迟，提高了处理效率和响应速度。

3. 应用场景与挑战：

• 云计算：适用于大规模数据处理、存储和分析，但在面对海量物联网数据时，可能会遇到处理效率和实时性的挑战。

• 边缘计算：特别适用于对实时性要求高的场景，如无人驾驶、智慧矿山等。它能够减轻云端的负担，提高数据处理的实时性和效率。

综上所述，边缘计算和云计算各有其优势和应用场景。云计算适合进行大规模的数据处理和分析，而边缘计算则更适用于需要快速响应和实时数据处理的场景，边缘计算将在智慧城市、物联网、视频监控等领域发挥其独特的优势。

4. 边缘计算如何工作

边缘计算架构如下图所示，尽可能靠近终端节点处处理数据，使数据、应用程序和计算能力远离集中式云计算中心。

边缘计算架构概述：

1. 终端节点 (IoT Devices Layer)

• 组成：包括各种物联网设备，如传感器、RFID标签、摄像头、智能手机等。

• 功能：负责收集原始数据，并通过网络将这些数据发送至边缘计算节点。这些设备主要提供感知能力，不需要本地处理能力（除了一些特定的智能设备外）。

2. 边缘计算节点 (Edge Computing Layer)

   部署：位于网络边缘，靠近终端节点。

   功能：

• 接收来自终端节点的数据。

• 对数据进行初步处理，包括数据清洗、压缩、分析等。

• 根据需要，执行本地计算任务，如实时响应、决策制定等。

• 将处理后的有用数据或需要进一步分析的数据通过网络节点发送至云计算节点。

3. 网络节点 (Network Layer)

   功能：

• 连接边缘计算节点和云计算节点。

• 负责数据传输，确保数据的可靠性、安全性和高效性。

• 可能包括各种网络设备，如路由器、交换机、网关等。

4. 云计算节点 (Cloud Computing Layer)

位置：位于网络的中心位置。

功能：

• 接收来自边缘计算节点的数据。

• 对数据进行长期存储和深入分析。

• 处理边缘计算节点无法处理的高级分析任务。

• 提供全局信息服务，如数据整合、跨领域分析等。

• 根据网络资源分布动态调整边缘计算层的部署策略和算法。

4. 边缘计算方案举例

边缘计算解决方案举例：

能源行业应用举例：

互联网行业应用举例：

物联网行业应用举例：

5G边缘云工业采集方案：

作者简介

作者：通信行业搬砖工