边缘计算是什么，和云计算的区别是什么
2017-11-16 · 发电机组国家级高新技术企业
康姆勒发电机
大数据应用中常常面对的一个痛点，就是没有采集到合适的数据。边缘计算可以为核心服务器的大数据算法提供最准确，最及时的数据来源。
边缘计算和云计算的结合让整个智能系统不但头脑清楚，而且耳聪目明，手脚灵便。完全依赖云计算的计算机系统就好比每一件事都要请示司令部的军队，在需要大量和外界互动的时候会显得僵化，反应迟缓，而且一旦网络有点问题就彻底歇菜。
另外一个方面是：边缘计算和云计算是两个截然不同的事情，其中一个不会取代另一个。但目前太多的内容混淆了IT专业人士，提出边缘计算将取代云计算，这就相当于说PC会取代数据中心。
所有公有云提供商都具有包含或将边缘计算的物联网战略和技术栈。边缘计算和云计算可以在一起工作，但边缘计算是用于特殊需求的专用系统。云计算是一种更通用的平台，也可以在旧的客户端/服务器模型中与专用系统配合使用。
边缘计算是网络中最靠近物或数据源头融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。在更靠近终端的网络边缘上提供服务是边缘计算最大的特点。在数据处理的时效性与有效性方面成为云计算的有力补充。
根据边缘计算产业联盟（ECC）发布的边缘计算2.0定义：边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸和演进，主要包括云边缘、边缘云和边缘网关三类落地形态；以“边云协同”和“边缘智能”为核心能力发展方向；软件平台需要考虑导入云理念、云架构、云技术，提供端到端实时、协同式智能、可信赖、可动态重置等能力；硬件平台需要考虑异构计算能力，如ARM、X86、GPU、NPU、FPGA 等。因此，我们可以看到边缘计算2.0其实是由边缘网关、边缘云、云边缘3种落地形态组成。
边缘计算和云计算是两种不同的计算范式，它们有不同的用途，但在某些场景下也可以相互补充。
云计算是一种集中式模型，依赖远程数据中心来处理和存储数据。它提供了可扩展性、可访问性和成本效益，但可能会因与云之间的数据传输而产生延迟。云计算广泛用于 Web 服务、数据存储和企业应用程序。
数据处理位置的差异
云计算强调将数据集中处理于中心数据中心，用户通过互联网访问和使用云提供的服务。相较之下，边缘计算将数据处理推向离数据源更近的边缘设备，如物联网设备、边缘服务器等，以实现更低延迟和更高效的数据处理。
云计算： 用户上传照片至云存储，图像处理和分析发生在云端服务器。
边缘计算： 智能摄像头在设备本地进行实时图像分析，而不是将全部数据传输到云端进行处理。
云计算： 云端语音识别系统可能有更长的响应时间，因为语音数据需要传输到云端进行处理。
边缘计算： 边缘设备上的语音助手可以更迅速地响应用户指令，因为语音识别可以在本地进行。
云计算： 在网络故障时，用户可能无法访问云端应用或服务。
边缘计算： 智能传感器在断网时仍能够本地进行数据采集和处理，确保基础功能的可用性。
云计算： 通过云端服务器进行大规模的数据分析，例如社交媒体数据挖掘。
边缘计算： 在智能城市中，交通信号灯通过边缘计算实时响应交通状况，优化信号灯控制。
低延迟和高带宽需求： 边缘计算处理实时数据，而云计算处理更大规模的数据，二者相结合可以满足低延迟和高带宽需求。
资源优化： 将部分计算任务移到边缘设备，可以减轻云端数据中心的负担，提高资源利用率。
数据安全性： 对于一些敏感数据，可以在边缘设备上进行本地处理，减少数据传输，提高数据的安全性。
延迟和响应时间
云计算通常涉及将数据传输到远程数据中心进行处理，因此在数据传输和处理的过程中可能会出现较高的延迟。相反，边缘计算将数据处理推向更接近数据源的地方，使得在实时性要求较高的场景中能够更快速地做出响应。
可用性和稳定性
云计算通过大型数据中心提供服务，具有强大的计算和存储能力，但在某些情况下可能受到网络故障或数据中心故障的影响。边缘计算则通过分布在边缘设备上的计算资源提供服务，能够在某些情况下独立运行，提高了系统的可用性和稳定性。
应用场景的不同
云计算更适用于需要大规模计算和存储的场景，例如大数据分析、人工智能训练等。而边缘计算更适用于对实时性和低延迟要求较高的场景，例如物联网、智能交通系统等。
协同应用的优势
云计算和边缘计算并非互斥，而是可以协同工作，充分发挥各自优势。通过将数据处理分布到边缘设备和云端数据中心之间，可以实现更灵活、高效的计算架构。以下是协同应用的一些优势：
