從智能烤箱到用于工業研究的數據收集設備等連接設備，物聯網正在快速發展。據預測，到2025年，將有416億臺聯網物聯網設備，產生79.4ZB的數據。這些設備中的大多數會將它們在早期物聯網時代收集的所有數據上傳到云端進行分析。當我們試圖向云中發送數萬億兆字節的數據時，數據上傳開始變慢。這就是邊緣計算的用武之地，它可以讓物聯網設備在本地處理部分數據，而不是將其發送到云端。這就是名稱的來源，信息不是被發送到其他地方，而是在自己的網絡邊緣處理。

邊緣計算在物聯網中的作用

在當今的物聯網生態系統中，邊緣計算有著獨特的用途。得益于這種分布式的本地計算架構，物聯網設備不存在延遲和連接問題，否則這些問題將阻止一些物聯網用例的實現。這一關鍵技術是物聯網應用的基礎，這些應用使用分類數據，需要快速或低延遲決策，發生在易受攻擊或不存在云訪問的環境中，并具有數據密集型用例，例如工業物聯網實施。

與基于云的分析相反，邊緣計算設備具有最小的延遲，因為數據是在本地計算的。這有可能影響或破壞物聯網設備的功能，以實現對時間敏感的任務的精確性。邊緣計算可以大規模利用物聯網，而不會出現數據被盜或網絡過載的危險，邊緣計算在計算上是安全的、負擔得起的、私密的和有效的。

此外，邊緣計算為關鍵任務增加了一層冗余和彈性。即使某個元素出現故障，業務也可以繼續正常運行，因為這一過程是分散的，而不是集中到單個系統中。

這并不是說邊緣計算不能與基于云的技術共存。它當然可以，而且經常這樣做。在這些情況下，邊緣計算可能能夠提供一些實時數據，并充當過濾器，以確定哪些數據應該隨著時間的推移上傳到云端，以便用于更深入或更復雜的分析技術。

邊緣計算在工業物聯網情況下被適當地最小化，例如在生產工廠的地板上，以降低停機或數據泄露的風險，并更有效地管理大量數據。

邊緣計算的低延遲組件對于使用它的制造商來說是一個巨大的工人安全優勢。例如，與其等待云分析，后者的延遲可能導致停機和部件報廢，如果從數據適配器收集的數據顯示微妙的異常，比如說顫動，這可能表明應力斷裂或其他形式的短期故障，則可以立即關閉機器。

總之，邊緣計算分析一些靠近本地網絡邊緣的物聯網設備數據，而不是將其發送到云端，以實現更快的、冗余的、連接獨立的、易于擴展的物聯網處理。

云計算例子

考慮一個由大量高質量物聯網攝像機保護的結構。攝像頭只發射原始視頻信號，然后不斷地將其發送到云服務器。為了確保只有有活動的剪輯被添加到服務器的數據庫中，所有攝像機的視頻輸出都通過云服務器上的一個運動檢測應用程序運行。

由于傳輸了大量視頻內容，對建筑物的互聯網基礎設施存在持續而嚴格的需求。云服務器承受著巨大的壓力，因為它同時處理來自所有攝像機的視頻。

想象一下網絡邊緣接收運動傳感器計算。如果每臺攝像機在將必要的鏡頭發送到云服務器之前，在其內部計算機上運行運動檢測軟件會怎樣？由于大部分攝像機鏡頭不需要傳輸到云服務器，因此將顯著減少使用的帶寬量。

因此，云服務器將只負責保存關鍵鏡頭，使其能夠與許多相機通信，而不會變得負擔過重。這是邊緣計算的一個例子。?