什么是边缘计算设备

这些设备通常是路由器、交换机、集线器等，为企业或服务提供商网络提供入口点，连接到运营商和服务提供商网络。它们可以提供认证访问、QoS管理、协议转换等功能，如PPPoA、PPPoE、以太网到ATM骨干网的转换等。

一些公司会在数据源附近部署本地存储、服务器等设备，构建小型数据中心。如风力发电公司在风力涡轮机内部署服务器机架和局域网，收集并处理数据。这种本地数据中心可最大限度减少数据传输延迟。

指具有一定计算能力的传感器等物联网设备。它们可根据预设规则过滤和分析数据，只将必要数据传输到中心数据中心，从而降低带宽需求和延迟。

一些公司利用云服务在单个区域内部署边缘服务器，处理来自多个传感器的数据，实现区域内数据的本地化处理。

利用5G网络和移动云计算服务，将超低延迟应用部署在靠近终端用户的位置，提供毫秒级响应时间。

边缘计算设备能够帮助管理物联网设备产生的海量数据，并比云端处理提供更快的响应时间。在物联网应用中，边缘计算设备可以就近处理数据，减轻云端的负担，提高系统的实时性和可靠性。

在自动驾驶领域，边缘计算设备对于实现安全关键应用所需的实时处理至关重要。自动驾驶汽车需要对周围环境数据进行即时分析和决策，需要边缘计算设备在靠近数据源的位置进行低延迟的计算。

边缘计算设备能够在靠近终端用户的位置执行计算，使人脸识别和增强现实等应用响应速度加快。这类应用需要对视频流等数据进行实时处理，边缘计算设备可以满足这一需求。

在智能电网系统中，边缘计算设备能够实现对电网的实时监控和控制。通过就近处理数据，边缘计算设备可以快速响应电网的变化，提高电网的可靠性和效率。

除此之外，边缘计算设备还可应用于移动大数据分析、边缘视频缓存、协作计算、智能场馆、智能企业、医疗保健和室内定位等领域。边缘计算设备的分布式和低延迟特性使其非常适合需要快速响应和本地化数据处理的应用场景。

与传统的云计算不同，边缘计算设备将大部分数据在本地进行处理和存储，而不是将数据传输到中央数据中心。任何需要传输到数据中心的信息都会在传输前进行加密，有助于企业遵守数据主权法律，如通用数据保护条例（GDPR），将敏感数据保留在靠近数据源的位置。

通过在边缘本地处理和存储数据，企业可以减少需要传输的总数据量，从而降低数据丢失或数据泄露的风险。边缘计算环境通常设置在远程地区，网络连接有限，进一步增强了安全性，将数据和处理与外部网络隔离。

与传统的集中式基础架构不同，边缘计算需要从集中式的自上而下的基础架构转向分散式的信任模型。数据在不同的分布式节点之间传输，需要独立于云的特殊加密机制。

边缘计算设备通常分布在不同的地理位置，数据在各节点之间传输时面临着独立于云的加密需求。此外，边缘节点往往是资源受限的设备，限制了安全方法的选择。与集中式云架构不同，边缘计算需要一种去中心化的信任模型。

边缘设备的异构性、性能和能耗限制，以及与云数据中心相比更加动态和不可靠的连接状况，都给扩展性带来了挑战。边缘设备的安全需求也可能引起通信延迟，进一步减缓扩展过程。

对于边缘计算系统而言，确保单个节点发生故障时，服务不会间断访问至关重要。系统必须具备从故障中恢复的能力，并及时通知用户。分布式系统的连接可靠性和网络拓扑感知能力也会影响服务的连续性。

作为资源受限的设备，边缘计算节点在计算能力、存储空间和能源供给方面都面临挑战，需要认真管理和优化资源利用。

边缘计算的概念最初于20世纪90年代随着内容分发网络的发展而出现。当时的内容分发网络将网站和视频内容从靠近用户的服务器分发，为边缘计算奠定了基础。

进入21世纪后，这些系统扩展到托管其他应用程序，催生了早期的边缘计算服务。这些服务能够执行诸如查找经销商、管理购物车、收集实时数据和投放广告等任务。

2010年代，物联网（IoT）的兴起进一步推动了对边缘计算的需求。由于网络边缘连接的设备数量激增，产生了大量无法在集中式云数据中心高效处理的数据，推动了计算向靠近用户的位置转移以减少延迟。

边缘计算通常与物联网联系在一起，但两者实际上是不同的概念。边缘计算指的是分布式计算基础设施，而物联网描述的是互联设备网络。随着部署规模扩大（如智能城市），雾计算作为边缘和云之间的独特层次应运而生。