云計算和邊緣計算正在塑造物聯網(IoT)的未來。這種組合為物聯網網絡中連接的設備帶來了穩定性，并通過處理更接近源的數據來解決延遲問題。

云計算明顯改變了數據處理的形式，特別是對于大數據。利用云的計算能力，物聯網實現了跨越式發展，我們獲得，存儲和處理數據，而不必配置計算資源和管理。

物聯網每年安裝數十億臺智能設備，據估計，到2020年將安裝超過200億臺智能設備。由于安裝了大量設備并連接到物聯網，因此處理的數據量一直在增加。我們正應對著處理和分析這些數據的挑戰，特別是在需要近乎實時處理這些數據的情況下。僅云計算無法幫助處理如此龐大的數據集并實時提供響應。

解碼邊緣計算

據國際數據公司(IDC)稱，邊緣計算(Edge computing)是一個微型數據中心的網狀網絡，可在本地處理或存儲關鍵數據，并將所有接收的數據推送到中央數據中心或云存儲庫。

簡而言之，邊緣計算可以處理和分析更靠近生成數據源的數據。

在邊緣計算環境中安裝和連接的智能設備能夠處理關鍵任務數據并實時響應，而不是通過網絡將所有數據發送到云并等待云響應。設備本身就像一個迷你數據中心，由于基本分析正在設備上進行，因此延遲幾乎為零。利用這種新增功能，數據處理變得分散，網絡流量大大減少。云可以在以后收集這些數據進行第二輪評估，處理和深入分析。

邊緣計算給物聯網帶來的好處

利用邊緣計算為物聯網設備帶來諸多好處，例如接近零延遲，較小的網絡負載，增加的彈性，減少的數據暴露以及較低的數據管理成本。讓我們逐一看看這些：

1. 近零延遲：

接近零延遲是邊緣計算的最大優勢。數據收集，處理和采取行動之間的時間間隔幾乎是實時的。這是在關鍵任務情況下物聯網設備的重要要求。一個非常好的例子是無人駕駛汽車。

谷歌預估他們的自動駕駛汽車每秒產生大約1GB的數據!需要快速處理大量此類數據，以便汽車能夠保持正確的路線并避免碰撞。想象一下，如果這些數據被收集，傳輸到云，云會對其進行處理，然后將其發送回汽車。盡管整個過程在幾秒鐘內完成，但事實證明為時已晚，而且汽車可能已經遇到了碰撞。此方案中的最佳解決方案是使用邊緣計算分析傳感器本身的數據，然后將其發送到云以進行后續分析。

邊緣計算在醫療行業也很重要。延遲在醫療保健行業中較為關鍵，其中設備連接到心率監測器或心臟起搏器，并且輕微延遲可能導致患者的生死狀況。

2. 較小的網絡負載：

思科估計到2020年，物聯網設備處理的數據量將達到近7.5 Zettabytes(1ZB = 1,000,000,000,000 GB)!這是互聯網高速公路上的大量數據，可能導致網絡擁堵增加，尤其是在連接較弱的地區。使用邊緣計算，大部分流量負載將通過在源處理數據而不是通過網絡發送所有數據，網絡擁堵明顯改善。

3. 增強彈性：

借助邊緣計算提供的分散式架構，網絡中的其他連接設備變得更具彈性。將此與云上的單個虛擬機故障進行比較，這將影響連接到網絡的數千甚至數百萬個IoT設備。即使其中一個設備發生故障，它也不會影響其他設備，并且它們仍然保持活動和運行狀態。

4. 減少數據暴露：

邊緣計算減少了它通過網絡發送的數據量。這樣做還有助于減少傳輸中的數據泄露。在某些情況下，智能設備收集的敏感和關鍵數據(如支付卡行業(PCI)和個人身份信息(PII))根本不需要傳輸。這有助于在每個國家對此數據有不同規定并且更靠近其來源處理數據有助于避免許多隱私，法律和安全復雜性的情況。通過進一步加密數據和控制訪問，我們可以使其更安全地抵御已知威脅。

5. 較低的數據管理成本：

使用邊緣計算可以顯著降低云上的存儲成本，因為我們并未將所有內容存儲在云上。由于數量相對較少，這也有助于有效地管理數據。只有需要更深入分析的匯總數據才會發送到云端，隨后會對其進行分析和推斷。

邊緣計算和云協同工作，實現物聯網

我們已經看到邊緣計算如何使物聯網受益，那么來分析下為什么邊緣計算不能完全替代云計算。

為了滿足物聯網設備的所有要求和需求，邊緣計算和云計算需要協同工作。來自智能設備和傳感器的所有數據仍然需要在云上進行匯總，這需要更深入的分析，以便從中獲取有意義的見解。云計算仍然在使物聯網設備更智能和更好的過程中發揮關鍵作用。

回過頭來看看谷歌自動駕駛汽車的例子。

在收集了所有車輛的數據并使用云進行分析后，Google可以提出實踐和駕駛算法，這些算法將改善其導航并使車輛在首次訪問的位置時表現最佳。

美國和歐洲的主要貨運公司已經在使用這種方法從技術中受益并節省了主要成本。他們將傳感器放置在車隊中，并收集各種數據，包括發動機性能，輪胎，燃油油位，變速箱和電池。在邊緣處理這些數據是沒有用的，而是將所有這些數據發送到云端。經過深入分析，公司可以發布關于獲取行車路線的警報，何時更換舊零件，需要加油的燃油低，更換故障傳動等等，從而改善并節省維護，維修和運營成本。

憑借云提供的巨大計算能力，讓它在巨大而繁重的數據集上進行繁重的工作是有意義的。大多數時候，云計算的集中性在速度，成本和可擴展性方面優于邊緣計算的分散性質。因此，為了完全滿足物聯網的主要需求，即延遲和大數據處理，我們看到邊緣計算和云計算需要協調工作。邊緣負責實時分析和響應，而云負責數據集的繁重和處理，以改善這些智能設備的功能。

總結

物聯網未來幾年將快速發展。雖然云計算推動了物聯網的發展，但邊緣計算對所收集的數據有了更強大的洞察和分析力。隨著技術的進步，它將幫助你更好地管理并顯著改善物聯網工作。