物聯(lián)網(wǎng)（IOT）設備的普及是邊緣計算的最大驅(qū)動力；反過來，邊緣技術(shù)正在物聯(lián)網(wǎng)框架內(nèi)創(chuàng)建新的應用程序。為了使物聯(lián)網(wǎng)工作，需要許多不同的傳感器和微處理器，它們集成在物聯(lián)網(wǎng)設備中，隨時隨地生成的大量信息，而這些信息必須盡可能實時地進行處理。

然而，對于傳統(tǒng)的網(wǎng)絡架構(gòu)，這將變得越來越困難，因為數(shù)據(jù)必須遠程傳輸?shù)街醒霐?shù)據(jù)中心。僅此一點就會產(chǎn)生一定延遲，此外，數(shù)據(jù)中心還面臨著越來越多的數(shù)據(jù)處理負擔，因為信息的增長速度超過了其容量。并且在處理后，必須將處理結(jié)果傳輸?shù)轿锫?lián)網(wǎng)設備，這將花費更多時間。此外，物聯(lián)網(wǎng)移動設備通常無法在任何地方（例如無人機或無人車輛）進行高性能的無線通信，這將導致進一步的延遲甚至停機，因此，不可能對新的要求作出快速反應。

邊緣計算應用案例

自動駕駛汽車就是一個很好例子：在道路上行駛，不專心的行人走到車前，雖然自動駕駛汽車的內(nèi)置攝像頭可以識別此人，但必須先將圖像發(fā)送到中央數(shù)據(jù)中心進行處理，然后再將制動控制傳輸?shù)狡嚿稀Ｔ谶@種情況下，反應有點太遲了。因此，汽車行業(yè)正在將處理器安裝在車輛中，這些車輛可以立即處理攝像機圖像并實時應對意外危險。這就是邊緣計算，它包括在數(shù)據(jù)出現(xiàn)的位置或附近對數(shù)據(jù)進行處理——聯(lián)網(wǎng)汽車，每輛自動駕駛汽車現(xiàn)在每天都可以產(chǎn)生和使用數(shù)TB的數(shù)據(jù)信息。當然，這種分散數(shù)據(jù)處理的優(yōu)點也已被各種其他行業(yè)所認可，例如，在制造業(yè)中，網(wǎng)絡設備生成的數(shù)據(jù)也必須盡快處理，這樣，機器就可以立即適應新的生產(chǎn)要求，或者檢測出故障部件并進行前瞻性維修。此外，透過網(wǎng)絡將此物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)傳送到中央數(shù)據(jù)中心或云端可能非常耗時，從而導致延遲甚至數(shù)據(jù)丟失。相比之下，邊緣計算允許實時處理和分析所有數(shù)據(jù)，從而提高一致性和響應時間。根據(jù)Gartner的報告，由于這些優(yōu)勢，到2022年，在集中式數(shù)據(jù)中心或云系統(tǒng)之外創(chuàng)建和處理數(shù)據(jù)的比例預計將從目前的10％增長到50％。

數(shù)據(jù)中心拓展

但是，邊緣計算很少是一個獨立的解決方案，通常用作數(shù)據(jù)中心的擴展。雖然該技術(shù)非常適合快速數(shù)據(jù)處理，但它存儲的數(shù)據(jù)并不多，因此無法識別長期趨勢或執(zhí)行全面分析。因此，數(shù)據(jù)在邊緣進行處理、匯總和壓縮，然后定期收集并傳輸?shù)街醒霐?shù)據(jù)中心。這會記錄和存儲信息，然后作為大數(shù)據(jù)分析的一部分對其進行評估，這可用于優(yōu)化流程或開發(fā)新的解決方案。一個具體應用實例是警察的執(zhí)法記錄儀。在這里，記錄儀上便攜式微型計算機或攝像頭本身可以壓縮和編碼捕獲的視頻，然后將它們發(fā)送到本地邊緣中心，以加速上載過程并減輕中央網(wǎng)絡的負載。零售服務點（pos）機器也可以從這一過程中受益，例如，將客戶的購物數(shù)據(jù)發(fā)送到執(zhí)行必要檢查和交易的邊緣計算機，這不僅加快了這個過程，它還消除了通過網(wǎng)絡發(fā)送敏感信息的可能性，并減少了使其遭受攻擊的可能性。

安全

邊緣計算不會比傳統(tǒng)架構(gòu)更安全，因此，企業(yè)還需要針對此方法執(zhí)行風險分析并設計整體安全體系結(jié)構(gòu)。

一方面，邊緣計算可以提高數(shù)據(jù)來源和去向的透明度，從而簡化安全管理。在中央數(shù)據(jù)中心或云系統(tǒng)的情況下，對于資源不足的企業(yè)來說，高流量可能難以監(jiān)控，而網(wǎng)絡罪犯分子也可以利用這一點來秘密攔截數(shù)據(jù)。因此，邊緣計算通常可以更好地控制這些連接及其安全性。

另一方面，更多數(shù)量的傳感器也增加了攻擊面，所以需要保護更多連接點。因此，企業(yè)需要更嚴格的修補程序管理，它可以快速復制并傳輸?shù)绞占桶l(fā)送數(shù)據(jù)的各種傳感器。如果傳感器沒有適當?shù)陌踩Ｗo，黑客可能會攻擊它們并嚴重破壞物聯(lián)網(wǎng)系統(tǒng)，例如在連網(wǎng)汽車上遠程操縱剎車。同時，黑客可以通過未修補的漏洞入侵企業(yè)網(wǎng)絡，或?qū)⑽锫?lián)網(wǎng)設備合并到僵尸網(wǎng)絡中以執(zhí)行DDoS攻擊。

這意味著，只有采取全面的安全措施，企業(yè)才能從物聯(lián)網(wǎng)和邊緣計算中獲益。此外，安全的邊緣解決方案還允許新的物聯(lián)網(wǎng)應用程序在現(xiàn)場處理更多數(shù)據(jù)，并能更快地響應新的復雜要求。在不久的將來，會出現(xiàn)真正智能的機器人、無人機、機器和汽車；也許有一天，還會出現(xiàn)完全自主學習的物聯(lián)網(wǎng)邊緣系統(tǒng)。