哈爾濱中軟分享：邊緣計算你可以了解的更多一點

事實上，所有關於2018年的物聯網技術的趨勢預測，在2019年以及之後的幾年依然得以延續。而在這個基礎上，確實有一些更新。提醒一下：在2017年的趨勢和演變中，並沒有提到邊緣計算，而是討論了霧計算，現在是時候解釋一下了。

邊緣計算這個術語，可以與霧計算有一定的重疊。但是，霧計算和邊緣計算以及它們在物聯網生態系統中發揮作用的確切方式是有區別的，主要是在工業物聯網中。儘管這兩個術語都是關於物聯網在邊緣側的計算，但在發布這些預測之前，我們必須加以區分。

有人認為，霧計算是邊緣計算的一種形式，也就是「舊瓶換新酒」。鑒於邊緣計算在物聯網領域的重要性日益上升，正如諸多研究中所表明的那樣，現在是時候對邊緣計算、霧計算以及為什麼這一切都很重要進行更詳細的闡述了。為了更正式地說明兩者之間的區別，本文是從物聯網的角度來分析邊緣計算和霧計算的。

邊緣計算和霧計算:相同的驅動因素

邊緣計算和霧計算都有很強的上升趨勢，其確切原因是相同的：龐大的物聯網數據。

物聯網的海量數據主要是生成在IT和OT融合的世界中。工業4.0和物聯網用例會產生大量需要被分析的數據,在IT和OT環境中也需要分析和利用這些數據。

例如，智能建築和樓宇管理系統，我們越來越多地以整體和綜合的方式看待建築，而不是單從能源管理和電力管理到暖通空調(HVAC)、光控制等各個領域的相當孤立的角度來看。

也就是從全局出發，我們想知道建築物整體上發生了什麼。例如，工業4.0、物流4.0，都是關於產品生命周期和端到端的價值鏈和供應鏈。

為什麼要把智能計算轉移到物聯網的邊緣

在物聯網系統中，以這種端到端的方式，在特定的高度感測器密集型環境中獲得了大量的數據，且數據是在邊緣生成並處理的，將會降低延遲並減輕數據中心的負載。比如在一個大型油氣項目中，需在無數個井中部署數十萬個感測器數據點，在這些類似的應用中，將不可避免地會遇到帶寬、網路延遲、總體速度等挑戰，霧和邊緣計算在這些挑戰中起著重要作用。

尤其在一些關鍵任務或遠程組件的物聯網應用程序中，對延遲和速率的要求更為嚴格。

邊緣計算的重點是連接在物聯網上的設備的技術，比如工業機器人。

根據物聯網項目的不同需求，可能需要快速獲取所需的數據，或者更進一步：需要聚合和分析的數據，以可操作的智能的形式，使我們能夠快速地採取行動和決策，無論這些決定是否來源於人類。所以，不需要將所有的數據存儲在雲中來分析它，只需要在網路中傳輸這些數據。

可以想像數以百計的場景，其中速率和延遲是數據的關鍵，從資產管理，能源能耗，過程優化，預測分析到供應鏈管理的實時需求在一個萬物互聯的世界都是必要的。

還可以想像，在更廣泛的背景下，建築、商業生態系統和諸如此類的東西逐步地依賴於快速的數據和實時的整體管理，當正確地利用和快速分析數據時，數據就會變得越有價值。畢竟，我們生活在一個擁有足夠快的速度獲得正確分析結果就會產生巨大效益的時代。

在許多工業物聯網應用中，數據和分析的速度是至關重要的。在這些領域，我們正朝著由系統、執行機構和各種控制做出自主和半自主決策的方向邁進。

這種程度的自動化甚至是許多預期成果和目標的核心，例如工業4.0，就是自動化的。

2019年及以後的邊緣計算和物聯網

數據的實時性是一個非常重要的因素，而在越來越多的非結構化數據洪流(中，傳統的方法已經不適用了。

甚至有一些應用程序和一些行業，僅僅在發送數據的層面上，傳統網路的可用性就不高了。

所以，由於種種原因(帶寬、成本、速度、自動化，維護、預測分析)我們需要一種比傳統的方法更快、更便宜和更智能的方法：收集數據，通過網路將它們發送到雲的邊緣，在邊緣對數據進行處理分析。

隨著物聯網設備的數量不斷增加，對處理速度的需求，雲的應用程度的增加和網路壓力的增加，均大力推動了邊緣計算市場的發展。

這就是邊緣計算和霧計算真正使能的地方。如果數據是在物聯網的邊緣生成的，那麼為什麼不將所有的分析都儘可能地接近邊緣、數據源來完成呢?於物聯網設備而言，這正是邊緣計算的用武之地!

下面是一些邊緣計算和物聯網預測：

· 根據IDC公布的數據，到2020年，IT在邊緣基礎設施上的支出將達到物聯網基礎設施總支出的18%。IDC補充說，這種花費是由聯合IT和OT系統的部署驅動的，這減少了從它們連接的設備收集數據的時間。

· 根據一份關於跨硬體、平台、解決方案和應用程序的邊緣計算市場的研究，到2022年，全球邊緣計算市場預計將達到67.2億美元，複合年增長率高達35.4%。

· Gartner的Rob van der Meulen在2018年10月的一篇博客中表示，目前，大約10%的企業生成的數據是在傳統的集中式數據中心或雲之外創建和處理的。Gartner預計，到2022年，這一比例將達到50%。

· Gartner將邊緣計算定義為在數據生成源或其附近進行數據處理的解決方案。例如，在物聯網系統中，數據生成的來源通常是帶有感測器或嵌入式設備的東西。邊緣計算是校園網路、蜂窩網路、數據中心網路或雲的分散擴展。「

是什麼使邊緣計算變得重要

現在我們來談談邊緣計算和霧計算之間的區別。

首先，霧計算(思科發明的術語)有時也被稱為霧網路，「霧」一詞指的是雲。(低懸的雲，靠近邊緣).

建設邊緣基礎設施的驅動因素是部署了匯聚的IT和OT系統，從而減少了從其連接設備收集的數據的價值。

霧計算，IDC稱為Cloud2.0，也是雲的更廣泛定義和發展的一部分，並且包括工業雲和任何地方的雲，或霧。

邊緣計算，作為一個術語和一個體系結構，如前所述，存在的時間比霧計算更長。然而，在工業物聯網的範圍內，邊緣計算的重點是與物聯網中的事物相連的設備和技術。另一方面，霧計算將更多的注意力集中在交互的邊緣設備上，包括物聯網網關，如下所述：

因為物聯網就是把以前沒有關聯的東西連接起來，以便在資產和設備中獲取、分析和利用數據。所有的數據都來自相連的資產，可能是那些工業機器，比如機器人，發電機，智能建築組件等我們都需要一個架構來實現這一點。霧計算和邊緣計算都是這樣的體系結構：在一般情況下和在關鍵或遠程環境中，通過限制需要傳輸的數據來節省帶寬、存儲、時間和成本。當我們將智能計算在邊緣運行時，就減少了網路延遲。

邊緣計算將邊緣網關或設備的智能、處理能力和通信能力直接推送到諸如可編程自動化控制器之類的設備中。

霧計算總是使用邊緣計算。但是，邊緣計算可能會也可能不會使用霧計算。此外，根據定義，霧計算包括雲計算，而邊緣計算則不一定包括雲計算。

簡而言之，霧計算和邊緣計算這兩種架構的不同之處在於實現所有這些目標所需的智能和計算能力所在地。如果處理能力直接嵌入在連接的端點中，則稱為邊緣計算。但是，如果智能駐留在端點和雲計算之間的單獨網路節點(例如本地節點或物聯網網關)中，那麼它就是霧計算。

兩者均有其適用範圍，最重要的是知道：邊緣計算是物聯網的關鍵，智能計算正在向邊緣轉移!

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！