边沿计算意味着云的死亡吗？

随着物联网的爆炸式增长，连接装备经过传感器、摄像头、加速器和深度传感器搜集到的信息愈来愈多，包括了从制造业到汽车、卫生技术、能源、公用事业和可穿着技术等各个行业。在AI和5G融会的帮助下，搜集的数据量只会不断扩大。据预估，一辆全自动汽车将包括60多个微处理器和传感器，每一年可生成超过300TB的数据。更或，在一小时的行程中，将会有多达25GB的信息经过连接的车辆(相当于大概100小时的视频)发送。

　　这些数据会面对甚么问题?

　　有了这些海量数据，捕获、聚合和分析数据就成了一个挑战。并不是所有数据都是有用的，但对时间敏感的数据，如自动驾驶汽车、有害气体监测、医疗保健和安全装备等，都存在滞后的风险。数据到达云并返回到装备中的瞬间延迟(举例来看，能够辨认道路上行人的汽车或产生故障的胰岛素泵)都可能会是灾害性的或致命的。其他数据站点面对的挑战是在卑劣环境中使用物联网，例如海上炼油厂、地下矿井或深水井，可能致使带宽有限且可变延迟的链接不稳定。

　　边沿计算，一个针对行业和用例的不同有着许多定义内涵的概念，在Linux基金会的领导下创建了开放式边沿计算术语表，用于开发和改进术语。

　　正如Linux基金会所解释的那样，边沿计算是：

　　将计算能力交付到网络的逻辑极端，以便提高利用程序和服务的性能、运营本钱和可靠性。经过缩短为其提供服务的云资源装备之间的距离，和减少网络跃点，边沿计算减轻了现今互联网的延迟和带宽限制，引入了新的利用程序类。

　　事实上，这意味着在现今的集中式数据中心和现场愈来愈多的装备之间的路径上分配新的资源和软件栈，特别是(但不限于)，在最后一英里网络附近，基础设施和装备方面。“

　　边沿计算将智能和处理功能放置在更接近数据源的位置，从而提高了对可操作的洞察力进行实时分析的能力。与卑劣环境等场景一样，减少发送到云和传感器之间的数据量可以最大限度地减少延迟并减少时间、能量和带宽支出。

　　最多见的边沿计算用例有哪些?

　　IDC 2015年的一份报告预估，到2019年，物联网中45%的数据将在网络附近或边沿进行存储、处理、分析和操作。

　　或许迄今为止实践最多的是工业部门，它们将数据搜集和处理工作纳入边沿，可以更好地增进预估保护和下降能源本钱。

　　城市正在经过智能城市计划实现连接，重点关心交通模式、天气和公共设施的功能，如照明、停车收费，智能交通灯、建筑物、运输和废物搜集。这些举措触及部署高带宽和对延迟敏感的利用程序，从多个来源获得信息。生成的数据在存储在远程的集中式数据中心中时是无用的，它必须更接近交互点，这是边沿计算能够实现的。举例来看，如果智能城市交通控制中心检测到交通拥堵或事故，就能够使用该信息立行将延误通知本地公共汽车时刻表，同时向游客推荐替换交通。

　　虽然医疗保健在采取边沿计算功能方面发展较慢，但假定如果医院病房内有多达20台机器，并且来自这20个装备的数据可以放在一个仪表盘中，并与电子健康记录(EHR)中的患者历史相结合，这样的吸引力是非常大的，能够提供更好的实时医疗保健服务。这样带来的好处是等待结果的时间减少，并且医院的救治的人数也有可能减少。

　　这不是边沿和云之间的竞争

　　在物联网中，边沿计算其实不意味着云的灭亡。相反，所不同的是，在最近的体系结构中，它是一个在边沿网关和云后端之间转换功能的场景。这极可能是一个聚合模型，包括边沿的隔离，和数据和“节点”在边沿的选择性聚合的能力。

　　云计算将始终占有一席之地。举例来看，虽然许多物联网装备需要在边沿进行实时决策，但企业可能需要对流程改进和模型开发进行历史分析。当多个边沿装备的数据可以集中组合在一起时，这就到达了最好效果。它可以增进互联关系，从历史分析中取得的洞察力可以被推回到边沿，以便支持物联网的边沿装备不断发展，以做出更好的实时决策。因此，这种情况下，计算模型就变成了边沿计算和云计算的结合，其中物联网装备在边沿实时操作，在边沿搜集和处理原始数据，并将元数据同享到云以进行全面的历史分析和延续的进程改进。

　　安全性将继续面对挑战

　　有争议的是，边沿计算有一些与云计算不同的数据安全性，由于边沿装备上的数据不会经过易于拦截的网络传输。但是，企业数据中心受制于完善的安全防御和安全程序，而边沿计算则不然。由于将装备连接到互联网上，之前在安全性方面默默无闻的攻击站点变得更大。每一个连接的传感器和履行器都代表了歹意软件DDoS攻击的潜伏危害点。 2016年底产生的Mirai僵尸网络攻击就证明了这一点，在一次大范围散布式谢绝服务(DDoS)攻击中，Mirai僵尸网络攻陷了数10万个物联网装备。任何斟酌边沿计算机会的公司、城市或装备构造商都需要牢记安全性。

免责声明：
本网址（www.yingxiongyun.com）发布的材料主要源于独立创作和网友匿名投稿。此处提供的所有信息仅供参考之用。我们致力于提供准确且可信的信息，但不对材料的完整性或真实性作出任何保证。用户应自行验证相关信息的正确性，并对其决策承担全部责任。对于由于信息的错误、不准确或遗漏所造成的任何损失，本网址不承担任何法律责任。

本网站所展示的所有内容，如文字、图像、标志、音频、视频、软件和程序等的版权均属于原创作者。

如果任何组织或个人认为网站内容可能侵犯其知识产权，或包含不准确之处，请即刻联系我们进行相应处理。