什么是边缘计算？
根据Gartner的预测，目前企业产生的数据中约有10%是在中心数据中心或云端之外处理或生成的，亦即在网络边缘进行处理。预计到2025年，边缘生成和处理的数据量将达到75%。这种“边缘计算”定义涉及在网络边缘发生的环境、设备和流程。
什么是网络边缘？
网络边缘指的是本地网络或其设备与互联网交互的位置，即触及互联网的外部边界。这不仅是网络安全的一个关键点，也为在边缘设备上加速处理提供了机会。
在边缘计算架构中，不同类型的设备都可以在网络边缘上运行。常见的边缘计算示例包括物联网（IoT）设备。这些设备可以是从烤面包机到冰箱、智能手表以及工厂车间使用的扫描仪等。还有5G网络支持的边缘设备，它们利用5G的快速处理能力，为终端用户提供更顺畅的体验。这些设备可以包括通过5G网络传输数据的任何手机或无线设备。
什么是边缘计算？
最早的计算使用的是一台大型集中计算机，通常占据了一个房间或建筑的一部分。用户需要亲自前往计算机所在地点或通过打卡片将程序交给操作员输入系统。
随着时间推移，用户逐渐拥有了个人计算机和个人设备，计算过程得以更接近甚至移至边缘。如今，边缘计算通过将数据存储和计算能力置于更接近所需位置的地方，实现了更快的响应时间和更少的带宽使用。边缘计算的优势在于减少了数据传输的距离，而不是像云计算那样数据必须传输到远程服务器，而是在靠近数据生成地点的处理器上进行处理。
边缘计算的类型
边缘计算有多种类型，企业可以根据其计算需求或产品需求指定一种或多种类型的边缘计算。一些边缘计算设计用于处理基本事件，而另一些则适合处理更复杂的流程。此外，边缘计算服务器还可以用于部署整个边缘计算网络。
- 基本事件的边缘计算 最简单的边缘计算形式包括基本事件和简单流程。例如，一个监测人的脉搏和血压的设备可以放置在用户的身体上，然后将信息发送到基于边缘的服务器。只有特定信息会发送到云端，大部分处理都在边缘网络内完成。
- 复杂事件的边缘计算 在更复杂的边缘计算环境中，边缘基础设施可以作为本地数据与外部数据之间的网关。例如，在车辆中的边缘计算设置中，边缘计算基础设施可以从全球定位系统（GPS）设备、交通信号和其他车辆中收集数据，以改善驾驶体验、增强安全性并优化燃油效率。
- 边缘计算服务器 边缘服务器执行许多完整数据中心的功能。例如，它们被部署在5G网络中，可以在接近终端用户计算的地方托管应用程序和缓存内容。在这种拓扑结构下，数据不需要传输到远程数据中心以使边缘设备正常工作。
边缘计算的应用领域
边缘计算现在几乎在每个行业中都有应用。由于更快的处理时间和数据流优化改善了几乎每个组织的基础设施，许多企业已经采用了边缘计算环境。此外，物联网设备通常利用边缘计算来执行其最基本的功能，这使得边缘计算成为任何使用或销售物联网设备的企业的一个有吸引力的环境。
制造业 边缘计算在制造过程中提供了帮助，因为边缘设备可以快速提供信息给机器、机器人和用户，而无需使用大量带宽。例如，扫描仪可以用来检查在装配线上建造车辆的状态。用户可以利用这些信息改进流程并提高安全性。
医疗保健 边缘计算在医疗系统中发挥着重要作用，因为许多患者护理依赖于立即可用的信息。边缘设备用于即时传递有关患者生命体征的数据，使医生和护士能够快速并准确地做出重要决策。
运输业 运输行业从边缘计算中受益良多，因为车辆和驾驶员可以利用大量有用信息来提高安全性和增强旅行与驾驶体验。具备自动驾驶技术的车辆可以从周围环境和其他车辆中获取输入，并利用这些信息做出决策。部分数据会发送到云端，而其他数据则在边缘进行处理。
农业 农业行业利用边缘计算来优化数据处理，减少带宽需求，以改善作物的种植、护理和收获方式。此外，关于动物（如奶牛）健康和表现的数据可以被处理，以更好地预测生产预期、改善动物护理和管理支持农场的能源资源。
电信业 电信业一直以来都是边缘计算的主要受益者和提供者之一。因为电信组织帮助公司建立网络，它们依赖于边缘计算拓扑，以便允许广泛的设备连接到组织的网络并在其边缘附近运行。
边缘计算的优势
- 减少延迟 边缘计算的一个重要特征是减少延迟，这是因为边缘设备与数据存储和处理位置之间的距离较近。数据通过互联网传输时，可能需要数百英里的传输。虽然许多流程可以在这种情况下正常运行，但某些对时间敏感的流程需要边缘计算架构来支持。
- 减少带宽需求 边缘计算减少了必须通过互联网传输的信息量，从而减少了组织的带宽使用。这不仅降低了成本，还提高了效率。
- 实时处理应用程序 某些流程需要实时处理才能正常运行。例如，自动驾驶汽车需要处理来自传感器的信息，以检测车辆、行人和物体的速度和距离。边缘计算能够即时处理这些数据，提高了驾驶员和其他人的安全性。
- 降低成本 通过减少需要通过互联网传输的信息量，组织可能无需使用那么多带宽，从而减少其每月向互联网服务提供商（ISP）支付的费用。
- 智能应用程序 强大的边缘设备可以支持智能应用程序。它们可以结合机器学习和人工智能，利用其与输入源的接近性，识别环境中的模式，并利用这些信息调整其功能和提供的服务。
- 数据隐私 每当个人数据需要传输到云端时，它就会暴露在各种安全威胁之下——无论是在数据库本身中还是在数据传输过程中。通过边缘计算，可以通过限制边缘设备与本地处理和存储之间的数据流来增强数据隐私。
边缘计算的劣势
- 设备故障 如果边缘设备发生故障，通常没有冗余措施来维持业务连续性。终端用户需要有一个备用的边缘设备来连接到相同的计算和存储服务。在许多情况下，这种恢复计划会因成本过高而无法实施。
- 能力有限 许多边缘设备没有进行复杂计算所需的强大能力。例如，尽管手机的计算能力相比几十年前已有显著提升，但与中端笔记本电脑相比仍相形见绌。数据中心的能力更是远远超过了大多数边缘设备的潜力。
- 网络连接依赖性 连接依赖性是所有边缘拓扑的一个固有缺陷。支持许多边缘设备的基础设施仍然依赖于云数据中心。如果边缘设备或网络与云之间的连接丢失，拓扑可能无法正常运行。即使在不依赖互联网运行的边缘设置中，如果边缘设备失去与支持其的计算资源的连接，在许多情况下，它也可能变得无用。
边缘计算的安全问题
边缘计算带来了显著的安全问题，其中大部分源自边缘拓扑创建的新攻击面。在基于云的拓扑中，即使你必须忍受较慢的响应时间，除终端用户本地网络之外的攻击面也仅限于构成云的数据中心。然而，在边缘计算中，连接到系统的每个边缘设备都是一个新的攻击面。
例如，如果工厂中的边缘设备需要工人登录使用，他们在登录后会将信息发送到本地服务器，服务器再将数据发送到设备。如果设备的密码较弱，黑客、心怀不满的员工或其他恶意行为者可能很容易将有害代码发送到支持边缘网络的服务器。此外，如果每个设备没有适当的安全措施，也很容易监视网络中的活动以及网络中传输的数据。
连接到互联网的边缘计算环境也容易受到分布式拒绝服务（DDoS）攻击的影响。由于许多边缘网络仍然连接到互联网，DDoS攻击可能会使边缘设备无法使用。因此，确保边缘网络得到充分的安全保护至关重要。
