為了了解邊緣計算對物聯(lián)網(wǎng)的影響，讓我們先花點時間想象一下我們周圍眾多的傳感器和可穿戴設備，以及它們正在捕獲的數(shù)據(jù)類型。邊緣計算使我們能夠在任何物聯(lián)網(wǎng)網(wǎng)絡邊緣的設備附近解讀這些龐大的數(shù)據(jù)。這將實時觸發(fā)分析和響應，而不會給擁塞的網(wǎng)絡帶來負擔。
Gartner的一項研究預測，到2025年，至少75%的企業(yè)將實施邊緣計算，以在傳統(tǒng)集中式數(shù)據(jù)中心或云之外處理數(shù)據(jù)。目前，10%的企業(yè)已經(jīng)這樣做了。IDC 的另一項研究預測，到 2024 年，全球邊緣計算支出將達到 2500 億美元。從技術角度來看，邊緣服務將占 IT 支出的 21.6%。顯然，邊緣計算將成為數(shù)字化轉型戰(zhàn)略的重要組成部分。
物聯(lián)網(wǎng)中的邊緣計算——遠離云
通過在數(shù)據(jù)捕獲點或邊緣附近執(zhí)行基本分析，減少了將大量數(shù)據(jù)傳輸?shù)郊形恢玫男枰?/span>
因此，邊緣計算有助于克服延遲和網(wǎng)絡擁塞問題。
云計算完全是關于集中式系統(tǒng)，而邊緣計算則是一種更為分布式的模式。在某些情況下，它消除了對云的需求，而在其他情況下，它充當邊緣設備和云之間的中間層，以便可以在邊緣執(zhí)行基本的實時分析，而要在云上執(zhí)行更復雜的分析時，只需跨網(wǎng)絡傳輸相關數(shù)據(jù)即可。
想想每天捕捉數(shù)小時視頻的安全攝像頭所節(jié)省的帶寬吧！借助邊緣計算執(zhí)行的分析不僅節(jié)省了帶寬，而且還使物聯(lián)網(wǎng)設備能夠與用戶進行有意義的交互，而無需與云服務器通信。
涉及邊緣計算和云的混合解決方案消除了純基于云的系統(tǒng)中的大部分固有效率問題，特別是昂貴的帶寬增加、滯后響應和安全性——所有這些都在物聯(lián)網(wǎng)設置中被無限放大了。
物聯(lián)網(wǎng)設備在邊緣的擴展
物聯(lián)網(wǎng)設備和服務在 5G 浪潮中呈指數(shù)級增長，接管了我們?nèi)粘Ｉ畹姆椒矫婷?。當我們意識到位于任何網(wǎng)絡邊緣的大量物聯(lián)網(wǎng)設備時，對邊緣計算的需求以及邊緣計算對物聯(lián)網(wǎng)的影響變得非常清晰。Google Home 和 Alexa 等個人助理、筆記本電腦、智能手表、智能汽車、智能鎖和門鈴、清潔設備、智能開關、煙霧報警器、智能供暖系統(tǒng)、健康監(jiān)測器、污染監(jiān)測器和健身追蹤器只是當今家庭中連接到互聯(lián)網(wǎng)的物聯(lián)網(wǎng)設備的一部分。研究估計，幾年后，美國每個人將擁有至少10臺物聯(lián)網(wǎng)設備。
轉到制造業(yè)，你會看到一個全新的工業(yè)物聯(lián)網(wǎng)世界，也叫工業(yè)互聯(lián)網(wǎng)。用于維護重型機械的AR應用、用于倉庫的AI控制無人機、用于預測性維護的機器人、用于減少能源和水資源浪費的機器傳感器、溫度傳感器等，都是物聯(lián)網(wǎng)在工業(yè)中的一些常見應用。很明顯，工業(yè)物聯(lián)網(wǎng)比基于家庭的物聯(lián)網(wǎng)更加復雜，收集的數(shù)據(jù)需要實時處理。
在物聯(lián)網(wǎng)網(wǎng)絡中實施邊緣計算
邊緣計算使實現(xiàn)物聯(lián)網(wǎng)分析（AoT）成為可能，AoT是指物聯(lián)網(wǎng)分析的一個簡寫術語。然而，在現(xiàn)實世界中，物聯(lián)網(wǎng)設備極其輕量級，存儲和計算能力有限。
這就是為什么當我們談論物聯(lián)網(wǎng)中的邊緣計算時，邊緣設備不僅包括傳感器和其他物聯(lián)網(wǎng)設備，而且還包括路由器和網(wǎng)關的原因所在。事實上，路由器和網(wǎng)關是在 Linux 或其他類似操作系統(tǒng)上運行的實際計算設備。在這些設備上，可以安裝邊緣計算中間件，以安全的方式從物聯(lián)網(wǎng)設備接收數(shù)據(jù)。因此，真正處于邊緣的設備可以在其上運行輕量級解決方案，而實際分析是在離這些設備更近的網(wǎng)關和路由器上進行的。
物聯(lián)網(wǎng)中邊緣計算的用例
在網(wǎng)絡延遲比計算能力更重要的情況下，邊緣計算比云計算更為突出。
讓我們來看一些具體的例子。
智能家居：如前所述，安全攝像頭不需要將其捕獲的所有視頻都傳輸?shù)皆贫?。相反，如果它可以檢測到常見威脅的輪廓，則只有該片段可以流式傳輸?shù)皆品掌鳎员悴扇∵M一步行動。即便如此，一旦檢測到，就會立即發(fā)出警報。
自動駕駛汽車：在像自動駕駛汽車這樣的場景中，幾毫秒的延遲可能會危及生命。這就是為什么計算和響應時間不能依賴于云的原因，在云上，失去連接可能是災難性的。
監(jiān)測患者健康：需要對醫(yī)療物聯(lián)網(wǎng)邊緣設備產(chǎn)生的數(shù)據(jù)進行分析，并實時提供健康建議。如果將其發(fā)送到基于云的中央服務器進行適當分析，在某些情況下可能為時已晚。醫(yī)療保健中的邊緣計算使對緊急健康情況做出反應成為可能。
工廠工人的安全：智能穿戴設備，如頭盔和腕帶，可用于跟蹤重型制造場景中工人的安全，并防止事故發(fā)生。它們還可以跟蹤體溫和脈搏等健康指標，并指示工人何時需要休息?？梢员O(jiān)測工廠環(huán)境中的毒性和輻射水平并采取糾正措施，而無需將所有這些數(shù)據(jù)發(fā)送到云端。
數(shù)字視頻、多媒體內(nèi)容、溫度、運動、燃料水平、壓力等傳感器，以及來自生產(chǎn)線機械和其他來源正在以難以想象的速度生成海量數(shù)據(jù)，物聯(lián)網(wǎng)中邊緣計算的作用是利用這些數(shù)據(jù)，同時消除網(wǎng)絡延遲并釋放帶寬需求。（作者：infovision；編譯：iothome）
