边缘计算的发展及应用前景
边缘计算是云计算以外的另一种可选解决方案，未来它的应用范围很有可能将远不止是无人驾驶汽车。
所谓边缘计算就是在网络边缘结点来处理、分析数据，而不是在中央服务器里整理后实施处理。在这里“边缘节点”目前主要包括，通信基站、服务器、网关设备以及终端设备。与云计算相比边缘计算在网络拓扑中的位置更低，即更加靠近“用户”——数据产生的地方。作为对云计算方式的补充，边缘计算弥补了云计算的诸多缺陷。
边缘计算是云计算以外的另一种可选解决方案，未来它的应用范围很有可能将远不止是无人驾驶汽车。
包括亚马逊、微软和谷歌在内的一些科技巨头都在探索“边缘计算”技术，这可能会引发下一场大规模的计算竞赛。虽然亚马逊云服务（AWS）在公共云领域仍然占据主导地位，但谁将成为这个新兴的边缘计算领域的领导者仍有待观察。
在本文中，我们将深入探讨什么是边缘计算，与该技术相关的优势，以及它在各行各业中的应用。
云计算赋能互联世界
从可穿戴设备到联网厨房电器，联网设备可以说无处不在。据估计，到2019年，全球物联网市场规模将超过1.7万亿美元，较2013年的4860亿美元增长逾两倍。
因此，云计算——许多智能设备连接到互联网来运作的过程——已经成为一种越来越主流的趋势。
云计算使得公司能够在自己的物理硬件之外，通过远程服务器网络（俗称“云”）存储和处理数据（以及其他的计算任务）。
例如，你可以选择使用苹果的iCloud云服务来备份你的智能手机，然后你可以通过另一个联网设备（比如你的台式电脑）检索智能手机里的数据，方法是登录你的账户连接到云。你的信息不再受到智能手机或台式机的内部硬盘容量的限制。
这只是众多云计算用例之一。另一个例子是通过Web端或移动浏览器来访问各种完整的应用程序。由于云计算越来越受欢迎，它吸引了亚马逊谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于2018年进行的一项调查显示，在主要的公共云提供商当中，亚马逊AWS和微软Azure分列第一和第二。
但是并不是所有的应用程序和用例都适合集中式云计算，边缘计算则够在传统云基础设施可能难以解决的领域提供解决方案。
边缘计算的优势
1、低时延：由于数据是在边缘结点进行分析处理，降低了延迟，提升应用的响应速度。据运营商估计，如若经由部署在接入点的MEC完成处理和转发，则时延有望控制在1ms之内。
2、更安全：一些比较敏感的数据直接在边缘进行分析处理，不用全部上传至云计算平台，能够尽可能的避免数据泄露问题。
3、减少数据传输：数据不需要全部传输到云端，减少智能设备和数据中心传输的数据量，节省了大量带宽成本，同时还能减小核心网络的拥堵。
4、提高可用性：边缘计算分担（offload）了中心服务器的计算任务，并且降低了出现单点故障的可能。另外很多智能终端设备在非工作状态下处于闲置状态，边缘计算可以充分的对其加以利用，提高了资源的利用率。
2016年，Salesforce网站的北美14站点（又名NA14）宕机超过24个小时。客户无法访问用户数据，从电话号码到电子邮件等等，业务运营遭受严重的破坏。
此后，Salesforce将它的物联网云转移到亚马逊的AWS上，但是这次宕机事件凸显了仅仅依赖云的一大弊病。
减少对云的依赖也意味着某些设备可以稳定的离线运行。 这在互联网连接受限的地区就能派上用场—无论是在严重缺乏网络服务的特定地区，还是油田等通常无法访问的偏远地区。
另一个关键的优势和其安全性和合规性有关。 随着政府越来越关注企业如何利用消费者的数据，这一点尤为重要。 由于边缘设备能够在本地收集和处理数据，数据不必传输到云端，因此，敏感信息不需要经由网络，这样要是云遭到网络的攻击，影响就不会那么影响。
边缘计算还能让新型联网设备和旧时的“遗留”设备间实现互通，它将旧时系统使用的通信协议“转换成现代互联网设备能够理解的语言”，这意味着传统工业设备可以无缝且高效的连接到现代的物联网平台。
边缘计算的发展现状
今天，边缘计算市场仍然处于初期发展阶段。但随着越来越多的设备连网，它似乎备受关注。主宰云计算市场的那些公司（亚马逊、谷歌和微软）正在成为边缘计算领域的领先者。
边缘计算各行业的应用
随着传感器价格和计算成本的持续下降，更多的“东西”将被连接到互联网。随着更多的联网设备变得可用，边缘计算将在各行各业中得到越来越多的应用，尤其是在云计算效率低下的一些领域。以下几个行业将会从边缘计算的潜力中获益。
1 交通运输
边缘计算技术最显而易见的潜在应用之一是交通运输——更具体地说，是无人驾驶汽车。自动驾驶汽车装备了各种各样的传感器，从摄像头到雷达到激光系统，来帮助车辆运行。
如前所述，这些自动驾驶汽车可以利用边缘计算，通过这些传感器在离车辆更近的地方处理数据，进而尽可能地减少系统在驾驶过程中的响应时间。虽然无人驾驶汽车还不是主流趋势，但公司们正在未雨绸缪。不过，不仅仅是自动驾驶汽车会产生大量的数据并需要实时处理。飞机、火车和其他的交通工具也是如此——不管它们有没有人类驾驶。
例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844 TB的数据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。
2 医疗保健
如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。但是，要真正地从所收集的海量数据中获益，实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。
但在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。不妨想想，快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。医生和临床医生将能够为患者提供更快、更好的护理，同时患者所生成的健康数据也多了一层安全保护。医院病床平均有20个以上的联网设备，会产生大量的数据。这些数据的处理将直接发生在更靠近边缘的地方，而不是将保密数据发送到云端，因此能够避免数据被不当访问的风险。
如前所述， 本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。即使云操作中断，这些医院的传感器也能独立地正常运行。
3 制造业
智能制造有望从现代工厂大量部署的传感器中获得洞见。由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。一家工厂可以使用两个机器人来完成同样的任务，两个机器人装有传感器，并连接到一个边缘设备上。边缘设备可以通过运行一个机器学习模型来预测其中一个机器人是否会操作失败。如果边缘设备断定机器人很可能会出现故障，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。边缘计算应该支持更快地从大数据中更多的洞见，以及支持将更多的机器学习技术应用到业务运营中。
最终目标是，挖掘实时产生的海量数据的巨大价值，防止安全隐患，并减少工厂车间机器运转中断的情况。
4 农业和智能农场
边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。现在，想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资；而边缘计算则是一种合适的、具有成本效益的替代方案。智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。
5 能源和电网控制
边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。
例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况——比如油管过热——却没有被及时注意到，那就可能会发生灾难性的爆炸。
边缘计算的另一个好处是能够实时检测设备故障。 通过电网控制，传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。
6 其他行业领域的应用
其他可以利用边缘计算技术的行业包括金融业和零售业。这两个行业都使用大型的客户和后端数据集来提供从选股信息到店内服装摆放的各种信息，可以从减少对云计算的依赖中获益。
零售可以使用边缘计算应用程序来增强顾客体验。如今，许多零售商都在致力于改善店内体验，优化数据收集和分析的方式对它们而言绝对很有意义——尤其是考虑到许多零售商已经在尝试使用联网的智能显示屏。
此外，很多人使用店内平板电脑所生成的销售点数据，这些数据会被传输到云端或数据中心。借助边缘计算，数据可以在本地进行分析，从而减少敏感数据泄漏的风险。