边缘计算+IoT云平台，正在成为巨头们强强联手的重头戏。边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台。边缘计算与云计算互相协同，共同助力各行各业的数字化转型。它就近提供智能互联服务，满足行业在数字化变革过程中对业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。

　　我们知道，物联网能够达成的基础，是让设备连接网络，达成交互、数据收集和数据处理的能力。而现阶段物联网的主要运算能力都是由云计算提供的，边缘计算带来的几个好处，仿佛让物联网感觉到应该抛弃云计算去投怀送抱。

　　但是，许多数据流由边缘设备生成，是通过“远处”的云计算处理和分析，不可能做出实时决策。例如使用可穿戴式摄像头的视觉服务，响应时间需要在25ms至50ms之间，使用云计算会造成严重的延迟;再比如工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内，如果数据分析和控制逻辑全部在云端实现，则难以满足业务要求;还有那些会生成庞大数据流的多媒体应用，如视频或是基于云平台的网络游戏，依赖云计算也会为玩家造成类似于等待时间过长的问题，无法满足用户的需求。


　　对于直接运用于民生、市政甚至工农业的物联网体系来说，效率和速度意味着一切。尤其是精密的生产型物联网，决不能容忍民用终端的延迟率。而云计算传输到云端，再把结果返回到终端的思路，显然不如边缘计算的就近原则来的快。要知道，再短的时间乘以整个终端的数量，都是令人震惊的产业效率。

　　举个例子，假如你的洗衣机、冰箱都是智能化控制的，而且依托于云计算。但你家没有停电，却断网了，那怎么办?无法进行云端传输，物联网设备就会歇业，岂不是是十分尴尬?边缘计算解决了这部分网络环境的限制。并且避免数据上传云端带来的泄露风险，所以更适合物联网体系。

　　不仅是消费级的物联网终端，边缘计算还将在工业应用中发挥重要作用。计算可以分层执行，利用网络远端的资源完成。例如，典型的生产流水线可以过滤设备上生成的数据，在传输数据的边缘节点上执行部分分析工作，之后再通过云端执行更加复杂的计算任务。边缘节点可以通过分担云计算的部分任务，增强数据中心的计算能力。

　　业务流程优化、运维自动化与业务创新驱动业务走向智能，边缘侧智能能够带来显着的效率提升与成本优势。事实上，对于从事工业自动化工作的人而言，边缘计算并不陌生。比如，在目前普遍采用的基于PLC、DCS、工控机和工业网络的控制系统中，位于底层、嵌于设备中的计算资源，或多或少都是边缘计算的资源。

　　许多供应商也已经迈出了使用软件解决方案实现边缘计算的第一步。例如，诺基亚针对移动边缘计算(MEC)的软件解决方案旨在为基站站点提供边缘计算能力。同样，思科的IOx为其集成的服务路由器提供了一个边缘计算环境。

　　这些解决方案应用于特定硬件，因此不适合部署在异构环境中。 软件解决方案面临的一个挑战是如何开发跨越不同环境的可移植的解决方案。某些公司正在研究升级边缘节点，以支持通用计算需求。例如，可以升级无线家庭路由器以支持额外的计算任务。英特尔的Smart Cell Platform使用虚拟化技术，支持额外的计算任务。通用CPU替换专用DSP提供了另一种解决方案，但却需要巨大的投资。

　　据有关机构统计，到2020年将有500亿的终端和设备联网，除了边缘设备与终端联网最大的“异构”特征之外，产品生命周期越来越短、个性化需求越来越高、全生命周期管理和服务化的趋势越来越明显，这些新趋势都需要边缘计算提供强大的技术支撑。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。