3.7邊緣計算

邊緣計算（Edge Computing）是一種在物理上靠近數據生成的位置處理數據的方法，這種技術使得聯網設備能夠處理在“邊緣”形成的數據，這里的“邊緣”是指位于設備內部或者與設備本身要近得多的地方。

未來，將有數十億臺設備連接到互聯網，更快、更可靠的數據處理將變得至關重要。近年來，云計算的整合和集中化性質被證明具有成本效益和靈活性，但物聯網和移動計算的興起給網絡帶寬帶來了不小的壓力。最終，并不是所有的智能設備都需要利用云計算來運行。在某些情況下，這種數據的往返傳輸，也應該能夠一一避免。由此，邊緣計算應運而生。圖3-24所示為物聯網、邊緣計算和云計算之間的聯系。

圖3-24物聯網、邊緣計算和云計算之間的聯系

預計到2022年，全球邊緣計算市場規模將達到67.2億美元。雖然這是一個新興領域，但在云計算覆益的一些領域，邊緣計算的運行效率可能要更高。邊緣計算使得數據能修在最近端（如電動機、泵、發電機或其他設備傳感器）進行處理，減少在云端之間來回傳輸數據的需要。

邊緣計算被描述為“微型數據中心的網狀網絡，在本地處理或存儲關鍵數據，并將所有接收到的數據推送到中央數據中心或云存儲庫，其覆蓋范圍不到10㎡”。

例如，一輛無人駕駛汽車可能包合可以立即提供其發動機狀態信息的傳感器。在邊緣計算中，傳感器數據不需要傳輸到汽車上或者云端的數據中心，來查看是否有什么東西影響了發動機的運轉。
本地化數據處理和存儲對計算網絡的壓力更小。當發送到云端的數據變少時，發生延遲的可能性，以及云端與物聯網設備之間的交互導致的數據處理延遲就會降低。
這也讓基于邊緣計算技術的硬件承擔了更多的任務，它們包含用于收集數據的傳感器和用于處理聯網設備中的數據的CPU或GPU。
隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算（Fog Computing）。邊緣計算具體是指在網絡的“邊緣”或附近進行的計算過程，而霧計算則是指邊緣設備和云端之間的網絡連接。
換句話說，霧計算使得云更接近于網絡的邊緣，因此，根據OpenFog的說法，“霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算。”
回到無人輔助駕駛場景：傳感器能夠收集數據，但不能立即對數據采取行動。例如，如果一名車輛工程師想要了解汽車車軸和剎車系統是如何運行的，他可以使用歷史累計的傳感器數據來預測零部件是否需要進行維修或替換。在這種情況中，數據處理使用邊緣計算，但它并不總是即時進行的（與確定引擎狀態不同）。而使用霧計算，短期分析可以在給定的時間點實現，而不需要完全返回中央云。
圖3-25所示為云計算、霧計算與邊緣計算。
關于邊緣計算的討論通常會忽略有多少類型的“邊緣”計算，而邊緣計算的基本驅動因素和許多類型的邊緣計算需要被重點關注。
由于邊緣計算指的是接近于事物、數據和行動源的計算，所以，可以把這種類型的數據處理使用更通用的術語來表示：鄰近計算或者接近計算（ProximityComputing）。當我們對周圍所發生的事件需要及時做出響應，以獲得良好的用戶體驗時，由于有許多此類事件，因此，需要將這類復雜的系統編排為感知、處理和行動（SensingProcessingActing，SPA）。SPA的成本是本地與遠程處理成本、網絡連接成本及遠程系統管理成本的函數。

圖3-25云計算、霧計算與邊緣計算

當涉及最佳鄰近計算時，有很多類型的邊緣（Edges）要考慮。主要有3種類型：個人邊緣（PersonalEdge）、業務邊緣（Business Edge）及云邊緣（Cloudy Edge）。這3種邊緣將SPA部署到不同環境中來處理一系列不同的問題，以實現最佳的自動響應。