從智能烤箱到用于工業研究的(de)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(nián)，将有416億台聯網物聯網設備，産生79.4ZB的(de)數據。這些設備中的(de)大多數會将它們在早期物聯網時代收集的(de)所有數據上傳到雲端進行分析。當我們試圖向雲中發送數萬億兆字節的(de)數據時，數據上傳開始變慢。這就是邊緣計算的(de)用武之地(dì)，它可(kě)以讓物聯網設備在本地(dì)處理(lǐ)部分數據，而不是将其發送到雲端。這就是名稱的(de)來源，信息不是被發送到其他地(dì)方，而是在自(zì)己的(de)網絡邊緣處理(lǐ)。

       邊緣計算在物聯網中的(de)作用在當今的(de)物聯網生态系統中，邊緣計算有着獨特的(de)用途。得益于這種分布式的(de)本地(dì)計算架構，物聯網設備不存在延遲和(hé)連接問題，否則這些問題将阻止一(yī)些物聯網用例的(de)實現。這一(yī)關鍵技術是物聯網應用的(de)基礎，這些應用使用分類數據，需要快速或低(dī)延遲決策，發生在易受攻擊或不存在雲訪問的(de)環境中，并具有數據密集型用例，例如(rú)工業物聯網實施。與基于雲的(de)分析相反，邊緣計算設備具有最小的(de)延遲，因為(wèi)數據是在本地(dì)計算的(de)。這有可(kě)能影響或破壞物聯網設備的(de)功能，以實現對時間敏感的(de)任務的(de)精确性。邊緣計算可(kě)以大規模利用物聯網，而不會出現數據被盜或網絡過載的(de)危險，邊緣計算在計算上是安全的(de)、負擔得起的(de)、私密的(de)和(hé)有效的(de)。此外，邊緣計算為(wèi)關鍵任務增加了一(yī)層冗餘和(hé)彈性。即使某個元素出現故障，業務也可(kě)以繼續正常運行，因為(wèi)這一(yī)過程是分散的(de)，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雲的(de)技術共存。它當然可(kě)以，而且經常這樣做(zuò)。在這些情況下，邊緣計算可(kě)能能夠提供一(yī)些實時數據，并充當過濾器，以确定哪些數據應該随着時間的(de)推移上傳到雲端，以便用于更深入或更複雜的(de)分析技術。邊緣計算在工業物聯網情況下被适當地(dì)最小化，例如(rú)在生産工廠的(de)地(dì)闆上，以降低(dī)停機或數據洩露的(de)風險，并更有效地(dì)管理(lǐ)大量數據。邊緣計算的(de)低(dī)延遲組件對于使用它的(de)制造商來說是一(yī)個巨大的(de)工人安全優勢。例如(rú)，與其等待雲分析，後者的(de)延遲可(kě)能導緻停機和(hé)部件報廢，如(rú)果從數據适配器收集的(de)數據顯示微妙的(de)異常，比如(rú)說顫動，這可(kě)能表明應力斷裂或其他形式的(de)短(duǎn)期故障，則可(kě)以立即關閉機器。總之，邊緣計算分析一(yī)些靠近本地(dì)網絡邊緣的(de)物聯網設備數據，而不是将其發送到雲端，以實現更快的(de)、冗餘的(de)、連接獨立的(de)、易于擴展的(de)物聯網處理(lǐ)。雲計算例子(zǐ)考慮一(yī)個由大量高(gāo)質量物聯網攝像機保護的(de)結構。攝像頭隻發射原始視(shì)頻信号，然後不斷地(dì)将其發送到雲服務器。為(wèi)了确保隻有有活動的(de)剪輯被添加到服務器的(de)數據庫中，所有攝像機的(de)視(shì)頻輸出都通過雲服務器上的(de)一(yī)個運動檢測應用程序運行。由于傳輸了大量視(shì)頻內(nèi)容，對建築物的(de)互聯網基礎設施存在持續而嚴格的(de)需求。雲服務器承受着巨大的(de)壓力，因為(wèi)它同時處理(lǐ)來自(zì)所有攝像機的(de)視(shì)頻。

       想象一(yī)下網絡邊緣接收運動傳感器計算。如(rú)果每台攝像機在将必要的(de)鏡頭發送到雲服務器之前，在其內(nèi)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雲服務器，因此将顯着減少使用的(de)帶寬量。因此，雲服務器将隻負責保存關鍵鏡頭，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(de)一(yī)個例子(zǐ)。（文章(zhāng)來源于網絡）