一、技術進步為佈署邊緣計算提供了可能
圖1
在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到雲端，則需要消耗大量的網絡帶寬。為了加快服務和計算處理數據的時間，將計算從雲端移向採集數據的邊緣節點則是必然之選。
如上表所示，在30年前，計算通常發生在資源集中的大型機上。而20年前，隨著PC的發展，C/S架構變得流行，任務處理變成分佈式模型，客戶端處理業務邏輯，數據庫存儲和交換數據。又經過10年的發展，為了提升用戶體驗、提供更敏捷的軟件升級和改進，B/S架構佔據主流，業務處理和存儲又集中到了雲端完成。現今，隨著連入雲端的智能設備越來越多、數據量越來越大，而且智能設備芯片的運算能力越來越強，這為使用邊緣節點完成對初始數據的處理和分析便提供了必要的條件。
二、怎麼佈署邊緣計算
在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到雲端，則需要消耗大量的網絡帶寬。為了加快服務和計算處理數據的時間，將計算從雲端移向採集數據的邊緣節點則是必然之選。其實，在大數據場景下，將計算部署到靠近數據的節點早有先例。Hadoop中的MapReduce就是通過將mapper和reducer部署到數據存儲的節點，從而高效的處理HDFS中存放的海量數據。
邊緣計算環境是構成物聯網生態系統的諸多元素的一個子集，它剔除了管理、安全和分析功能。邊緣計算是聯接物理世界和虛擬世界的一道“橋樑”。
圖2
如上表所示，在30年前，計算通常發生在資源集中的大型機上。而20年前，隨著PC的發展，C/S架構變得流行，任務處理變成分佈式模型，客戶端處理業務邏輯，數據庫存儲和交換數據。又經過10年的發展，為了提升用戶體驗、提供更敏捷的軟件升級和改進，B/S架構佔據主流，業務處理和存儲又集中到了雲端完成。現今，隨著連入雲端的智能設備越來越多、數據量越來越大，而且智能設備芯片的運算能力越來越強，這為使用邊緣節點完成對初始數據的處理和分析便提供了必要的條件。
圖3
在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到雲端，則需要消耗大量的網絡帶寬。為了加快服務和計算處理數據的時間，將計算從雲端移向採集數據的邊緣節點則是必然之選。其實，在大數據場景下，將計算部署到靠近數據的節點早有先例。Hadoop中的MapReduce就是通過將mapper和reducer部署到數據存儲的節點，從而高效的處理HDFS中存放的海量數據。
圖4
邊緣計算環境是構成物聯網生態系統的諸多元素的一個子集，它剔除了管理、安全和分析功能。邊緣計算是聯接物理世界和虛擬世界的一道“橋樑”。
圖5
1、設備域：邊緣計算在這一層，可以對感知的信息直接進行計算處理。比如在製造領域，可以對設備進行適時監控，能夠實現預防性維護；在視頻採集、音頻採集中直接部署智能鑑別的能力;又或者像手機一樣，能夠由語音輸入直接轉換成文字輸出。
2、網絡域：通過部署計算能力，實現各網絡協議的自動轉換，對數據格式進行標準化處理。要解決物理網中數據異構的問題，就需要在網絡域中部署邊緣計算，以實現數據格式的標準化和數據傳遞的標準化(例如將所有的感知數據都換算成MQTT類型數據，並通過HTTP方式傳遞)。同時，網絡域的邊緣計算，還能對“融合網絡”進行智能化管理，實現網絡的冗餘，保證網絡的安全，並可進一步參與網絡的優化工作。
3、數據域：邊緣計算，使得數據管理更智能、存儲方式更靈活。首先，邊緣計算可以對數據的完整性和一致性進行分析，並進行數據清洗工作，消滅系統中的“髒”數據。其次，邊緣計算可以對計算和存儲能力、以及系統負載進行動態地部署。最後，邊緣計算還能和雲端計算保持高效協同、合理分擔運算任務。
4、應用域：邊緣計算提供屬地化的業務邏輯和應用智能。它使得應用具有靈便、快速反應的能力，並在離線的情況下(和雲端失去聯繫時)，仍能夠獨立地提供本地化的應用服務。
---------------------