邊緣計算將計算資源從中心化的數據中心和云轉移到更接近設備的位置，但本質上其仍是一種云計算模型。通過部署靠近數據源的計算機或服務器，它允許在網絡的“邊緣”或外部處理來自物聯網設備的數據，而不是在云數據中心。由于數據的本地化處理，邊緣計算架構最終減少了帶寬和網絡擁塞的壓力，從而允許物聯網設備和web應用程序更快地運行，以提高服務質量和彈性。邊緣計算基礎設施是設備和云之間的中間層，服務由分布式邊緣節點提供。

由于邊緣計算使算力更加靠近數據源頭或商業業務的關鍵位置，為企業應用帶來了更快的速度、更高的可靠性和更多的靈活性。邊緣計算、云計算和5G的融合將使算力網絡按照企業價值實現的流程和地點布置，極大地優化了數據價值的實現速度和質量。

什么是邊緣計算？

電商、視頻、社交、工控、物管，不同的企業應用都對網絡傳輸和算力有著顯著的需求差別。5G加持的高速算力網絡融合了云、網絡和網絡邊緣，企業可以更加自主地決定在哪里及如何處理其數據及應用。

一種選擇是集中提供大容量存儲和高速并發計算能力的云數據中心，這在過去的十年都是一種主要潮流和做法；另一種是在邊緣（即數據產生或服務交付點更近的位置，這通常是廣域網絡的邊緣）提供充足算力，這帶來了超低的時延和更低的網絡流量，有助于提高服務的效率及質量，更快地產生決策反饋。

邊緣計算使云資源（算力、存儲和網絡）更接近應用程序、設備和用戶。它通過使用小型算力單元來滿足數據本地化高速傳輸和實時處理，而不需要長途傳輸到云或數據中心去處理。邊緣計算在終端設備中嵌入機器學習、人工智能、物聯網(IoT)數據處理、運行容器的能力，甚至是直接運行完整虛擬機的能力。這些設備可以像照相機一樣小，在用于復雜處理時也可以像完整的機架服務器一樣大。無論設備的大小和功能如何，這些設備上的軟件都以某種形式連接到后端云。

下面是一個實例，說明如何在現實世界中利用資源密集型設備實現邊緣計算。

某品牌DeepLens相機集成了1080p攝像頭、Linux操作系統和專用軟件。該集成軟件允許在服務商的機器學習算法直接在相機上執行。

智能模型直接在設備上執行，而不是過去常見的處理流程——設備捕捉圖像或視頻，將視頻發送到云端后臺處理，然后將響應結果返回給設備。這些網絡邊緣的本地處理能力提供了一組近乎實時的智能工具，可以集成到業務應用程序中。

邊緣計算原理

什么促成了邊緣計算？

云計算一直是過去十年IT界的關鍵話題和重要投資方向，也是頭部科技企業技術和服務創新重要的競爭領域。

伴隨大量對云計算褒獎，對于云計算的成本、供應商鎖定（遷移陷阱）及安全性也存在眾多警告。主流思想認為云計算對大多數敏捷IT架構都更安全、更完整和更具可伸縮性，但有一個問題一直存在爭論，即部分數據和應用無法在云環境中輕松操作和遷移，甚至在同一廠商的不同站點間遷移也是如此。因此，多云策略(即同時使用公有云、本地的私有云和混合云)已成為成功應用云計算的可靠途徑。多云也適用于高帶寬的、低延時應用和設備，這促進了邊緣計算的演進和發展，并最終使企業在云+邊緣的戰略中受益。

邊緣計算提供的分布式算力為企業提供了在數據源頭或關鍵價值交付點處理數據的靈活性和可能性。由于網絡帶寬和時延的約束，云計算中心的集中算力池無法滿足很多超大數據量或時間敏感的用例，例如大型生產線的實時控制、自動駕駛。在云-網絡-邊緣間有機地布置算力資源，將提供低時延、平衡的算力供應及網絡帶寬保障。

物聯網設備的廣泛部署使邊緣計算架構成為企業的必然計算架構。雖然機器對機器通信(M2M，物聯網的鼻祖)已經存在了幾十年，但由于近年來物聯網設備的數量的快速增長、它們傳輸的數據的數量和速度的飛速提高，以及將機器學習與設備的完美集成（AIoT），物聯網在今天得到了長足的發展。物聯網設備要求在毫秒級處理數據，它們對響應速度、存儲容量和新功能的迫切需要使云計算架構因延遲太大而越來越不現實。通常，云數據中心位于距離設備、應用程序和數據數公里或更遠的地方，為高帶寬的應用程序和設備帶來性能問題。對于必須在不到一秒的時間內完成的進程，延遲障礙會阻礙其響應速度和正常功能的實現。在邊緣計算架構下，復雜的事件處理及響應在設備或靠近設備的計算系統中執行，由于消除了原始狀態數據和響應數據的往返問題，使整個事件的響應能更快地完成。

對復雜事件的響應速度在部分物聯網用例中是關鍵的，某些時候甚至是致命的。例如對L2級以上的自動駕駛汽車在遇到突然的車道侵入時必須立即剎車，否則就會有撞車的風險。將激光雷達或攝像頭捕捉的數據送到云端處理并返回響應的往返時間太長，這無法滿足任務要求。如自動駕駛汽車擁有邊緣計算能力，則停止汽車的決定完全可以由汽車的機載計算機或路側邊緣計算單元處理并決定，從而防止事故的發生。極端情況下，即使發生事故，所有數據也都可以被發送到云端，以對車輛狀態和行為進行監控、分析和管理，并在此基礎上優化模型并優化機載程序。

邊緣計算的優點

邊緣計算是一個更大的生態系統的一部分，有潛在的未被發現的優點。一些明顯的優點包括:

減少延遲和提高速度

部署于邊緣的算力減少了數據傳輸延時，提高了響應速度時間。對于多數應用程序來說，毫秒級的響應是顛覆性的。

安全

數據在本地進行分析處理，并受到本地網絡或服務提供商閉環系統的集成安全方案保護。

節約成本

通過將數據保存在最需要它的邊緣，并優化上傳中央數據中心的數據流，從而降低了帶寬和成本。

遠程可靠性

邊緣設備在本地存儲和處理數據，并與邊緣數據中心一起工作，可以克服任何間歇性連接問題。

快速的可伸縮性

邊緣數據中心和物聯網設備的部署可以讓企業迅速擴大運營規模。

邊緣計算的關鍵優點

邊緣計算的關鍵術語

邊緣計算:邊緣計算是一種物理計算基礎設施，部署于設備和超大規模云之間，支持各種應用程序。邊緣計算使處理能力更接近最終用戶/設備/數據來源，降低了到云數據中心的數據往返流量，減少了延遲。

電信級邊緣計算:由電信運營商部署并管理的分布式計算，它可以擴展到網絡邊緣甚至用戶側邊緣?？蛻艨梢栽跀祿锤浇彺娌⒂傻脱舆t的應用程序處理數據，可以減少回程通信流量和成本。

內部/私有部署邊緣計算:客戶內部的計算資源，由網絡運營商針對應用程序和功能進行管理。這些功能在跨分布式邊緣架構的云化虛擬環境中運行。內部邊緣計算保持了敏感數據的私有化。

邊緣云:在邊緣計算之上的虛擬化基礎設施和業務模型。邊緣云同時具有云服務器和本地服務器的優點，因為它具有靈活性和可伸縮性，并且有能力處理由計劃外最終用戶活動的增加而導致的突發工作負載峰值。

私有云:通過私有網絡向一組特定用戶提供計算服務的云部署模型。私有云提供了公共云的優點，如可伸縮性和敏捷性，但關鍵的區別是，私有云通過云基礎設施的內部托管提供了更高的安全性和數據隱私性。

網絡邊緣:無線局域網或數據中心等企業網絡連接到互聯網等第三方網絡的地方。即CE—PE設備的CE側。

特別需要關注的概念是邊緣云。盡管邊緣計算和邊緣云這兩個術語經?；Q使用，但它們所指代的內容略有不同。邊緣計算主要是指位于設備和超大規模云之間的支持各種應用程序的物理計算基礎設施，而邊緣云是部署在邊緣計算之上的虛擬化基礎設施和業務模型。

邊緣云和云一樣具有靈活性和可擴展性。與靜態的、內部服務器不同，它有能力處理由計劃外最終用戶活動的增加引起的突然的工作負載峰值。它還有助于在測試和部署新應用程序時進行擴展，因此是一個很好的企業解決方案。它帶來的效率和可伸縮性是具備經濟效益的。

在何處部署邊緣計算?

網絡邊緣是跨越終端設備和云/互聯網之間的任何位置，而電信邊緣計算的邊緣是其中的一個子集。在公共網絡內外，有多個潛在的位置可以進行電信級邊緣計算部署。這些包括客戶空間、蜂窩基站、終端機房以及接入和核心網絡中的網絡匯聚點。

運營商決定邊緣計算基礎設施部署位置取決于三個因素:

a)該運營商目前的網絡架構

b)運營商支持網絡應用程序運行的數據中心設施部署方案

c)運營商必須滿足的需求和服務場景。

邊緣計算技術的類型

霧計算

霧計算指的是通過在云和邊緣設備之間戰略性地布置計算節點來擴展云，從而計算基礎設施分散化。在需要處理數據的用戶或物聯網設備附近存儲數據并部署算力和應用程序，從而在集中式云計算中心之外創建霧計算單元，以減少處理數據所需的數據傳輸時間。

多址邊緣計算(MEC，Multi-address Edge Computing)

根據歐洲電信標準協會(ETSI)的定義:MEC為應用程序開發者和內容提供商提供云計算能力和位于網絡邊緣的IT服務環境。這種環境的特點是超低延遲和高帶寬，以及應用程序可以利用的對無線網絡的實時訪問。

微數據中心

微型數據中心提供與傳統數據中心相同的組件，但可以在數據源附近本地部署，具有高度的移動性和堅固性。高度靈活的微數據中心可以自定義構建和配置，以適應特殊情況的需求。例如，可以將集裝箱或撬裝的微數據中心快速部署到服務不足的地區或災難現場。

微云(Cloudlets)

cloudlets是移動性增強的小型云數據中心，支持資源虛擬并放置在接近邊緣設備的地方。通過專門設計的低延遲計算能力，cloudlets能改進資源密集型和交互式移動應用程序的響應速度和性能。

應急響應單元

這些移動的、獨立的設備單元在緊急情況下提供可互操作的應急通信。他們可以被迅速部署到任何重大活動、危機或災難現場，在高度熟練的運維支持團隊的管理下，為受影響地區增強或重建通信。