边缘计算范例

　　边缘计算是一种模型，其中数据、处理和应用程序集中在网络上的设备中，而不是几乎完全存在于云中。

　　边缘计算是一种将云计算和服务扩展到网络的范式，类似于云，边缘向终端用户提供数据、计算、存储和应用服务。

　　边缘计算降低了业务延迟，提高了服务质量(QoS)，带来了更好的用户体验。边缘计算支持元宇宙应用的新兴概念，这些应用需要实时/可预测的延迟，像工业自动化、交通、传感器和执行器网络。边缘计算范式非常适合实时大数据和实时分析，其支持密集分布的数据收集点，因此在经常提到的大数据维度(体积、多样性和速度)上增加了第四个轴。

　　与传统数据中心不同，边缘设备在地理上分布在异构平台上，跨越多个管理域。这意味着数据可以在智能设备中进行本地处理，而不是发送到云端进行处理。

　　边缘计算服务覆盖

　　需要非常低且可预测的延迟的应用

　　地理上分布的应用

　　快速移动应用

　　大型分布式控制系统

　　边缘计算的优势

　　让数据更接近用户。边缘的目标是将数据放置在靠近终端用户的地方，而不是将信息放置在远离终端的数据中心站点上。

　　创建密集的地理分布。首先，大数据和分析可以更快地完成，得到更好的结果;其次，管理员能够支持基于位置的移动需求，而不必遍历整个网络;第三，这些(边缘)系统的创建方式将使实时数据分析在真正大规模的情况下成为现实。

　　真正支持移动和元宇宙。边缘计算通过控制各个点的数据，将核心云服务与真正分布式数据中心平台的服务集成在一起。随着更多的服务被创建以造福于终端用户，边缘网络将变得更加普遍。

　　许多垂直行业已经准备好采用这种技术。许多组织已经采用边缘的概念。许多不同类型的服务旨在向最终用户提供丰富的内容。这包括IT商店、供应商和娱乐公司。

　　与云和其他服务的无缝集成。通过边缘服务，我们能够通过隔离需要存在于边缘上的用户数据来增强云体验。从那里，管理员可以将分析、安全或其他服务直接绑定到云模型中。

　　边缘计算的好处

　　减少延迟

　　节约网络带宽

　　解决网络各个级别的安全问题

　　操作可靠，决策迅速

　　收集和保护广泛的数据

　　将数据移至最佳处理位置

　　降低仅在需要时使用高计算能力和更少带宽的费用

　　更好地分析和洞察本地数据

　　现实生活中的例子

　　一个大城市的交通灯系统配备了智能传感器。这是当地球队赢得冠军赛后的第二天，也是大游行那天的早晨。随着狂欢的人们来庆祝球队的胜利，预计进入城市的交通将激增。随着交通的建立，数据从各个交通信号灯收集。由城市开发的调整灯光模式和时间的应用程序正在每个边缘设备上运行。该应用程序会在边缘自动实时调整灯光模式，以解决交通障碍的出现和减少。交通延误被控制在最低限度，粉丝们在车里花的时间更少，有更多的时间来享受欢庆的时光。

　　游行结束后，从交通信号灯系统收集的所有数据将被发送到云端进行分析，支持预测分析，并允许城市调整和改进其交通应用程序对未来交通异常的响应。将日常交通传感器数据的实时稳定流发送到云端进行存储和分析几乎没有价值。市政工程师对正常的交通状况了如指掌。相关数据是偏离常规的传感器信息，如阅兵日的数据。

　　边缘计算的未来

　　随着越来越多的服务、数据和应用被推送给最终用户，技术人员将需要找到优化交付流程的方法。这意味着使信息更接近最终用户，减少延迟，并为Web 3.0中的Metaverse及其应用程序做好准备。越来越多的用户将移动设备作为处理业务和个人生活的手段。丰富的内容和大量的数据点正在把云计算平台推向边缘——用户的需求在不断增长。

　　随着数据和云服务利用率的提高，边缘计算将在帮助减少延迟和改善用户体验方面发挥关键作用。我们现在正在真正地分布数据平面，并将先进的服务推向边缘。通过这样做，管理员能够更快、更有效地为用户提供丰富的内容，而且非常重要的是，更经济。最终，这将意味着更好的数据访问，更好的企业分析能力，以及最终用户计算体验的全面改进。

　　将数据的智能处理转移到边缘只会增加维护这些智能网关的可用性及其到云的通信路径的风险。当物联网(IoT)提供了让人们管理日常生活的方法，从锁定家到查看日程安排到做饭，边缘计算世界中的网关停机时间就成为了一个关键问题。此外，保护这些流程的弹性和故障转移解决方案将变得更加重要。一般来说，我们正在从当前定义互联网基础设施的紧张集中式系统向本分布式模型的本地化迈进。