在網絡邊緣產生的數據正在逐步增加，如果我們能夠在網絡的邊緣結點去處理、分析數據，那么這種計算模型會更高效。許多新的計算模型正在不斷的提出，因為我們發(fā)現隨著物聯網的發(fā)展，云計算并不總是那么高效的。接下來文章中將會列出一些原因來證明為什么邊緣計算能夠比云計算更高效，更優(yōu)秀。

為什么需要邊緣計算
云服務的推動：云中心具有強大的處理性能，能夠處理海量的數據。但是，將海量的數據傳送到云中心成了一個難題。云計算模型的系統(tǒng)性能瓶頸在于網絡帶寬的有限性，傳送海量數據需要一定的時間，云中心處理數據也需要一定的時間，這就會加大請求響應時間，用戶體驗極差。
物聯網的推動：現在幾乎所有的電子設備都可以連接到互聯網，這些電子設備會后產生海量的數據。傳統(tǒng)的云計算模型并不能及時有效的處理這些數據，在邊緣結點處理這些數據將會帶來極小的響應時間、減輕網絡負載、保證用戶數據的私密性。
終端設備的角色轉變：終端設備大部分時間都在扮演數據消費者的角色，比如使用智能手機觀看愛奇藝、刷抖音等。然而，現在智能手機讓終端設備也有了生產數據的能力，比如在淘寶購買東西，在百度里搜索內容這些都是終端節(jié)點產生的數據。

Frost＆Sullivan的最新報告分析，預計到2022年，將有90％的工業(yè)企業(yè)將使用邊緣計算，到2024年，多訪問邊緣計算市場規(guī)模將達到72.3億美元。預計到2024年，5G和邊緣計算云工作負載轉移到邊緣。

盡管處于起步階段，但無線網絡運營商的多路訪問邊緣計算（MEC）預計將以157.4％的復合年增長率增長，到2024年將從2019年的6410萬美元達到72.3億美元的收入。
邊緣計算煥發(fā)新春
邊緣計算是傳感器數據的分布式計算過程，該過程遠離中心節(jié)點并靠近網絡的邏輯邊緣，與單個數據源有關?？梢詫⑵浞Q為能夠對本地產生的數據進行移動計算的分布式IT網絡體系結構。出色的計算無需將數據傳輸到云數據中心，而是分散了處理能力，以確保實時處理而減小延遲，同時降低了帶寬和網絡存儲需求。
早在2003年，Akamai就在與IBM的合作中提出了“邊緣計算”概念，并開發(fā)了一些初步應用。所以，邊緣計算不是新提法，只是在特定的時代背景下又復蘇了。技術圈，這樣的事情并不少見，比如人工智能也是兩起兩落后才得以真正落地
為何邊緣計算再次爆發(fā)？根本原因是物聯網普及導致數據指數級增長，使得云計算已不是最優(yōu)解。IDC預測，2020年，全球將有約500億智能設備接入網絡，主要包括智能手機、可穿戴設備、個人交通工具等，其中40%的數據需要在邊緣處理。
這也就不難理解為什么邊緣計算在短時間內就變得如此火爆。而且還有一組數據更值得注意，根據IDC Global DataSphere 2018年11月公布的數據來看：全球超過一半的數據創(chuàng)建于過去兩年，而且這一態(tài)勢還將不斷持續(xù)下去。
換句話說，邊緣計算的旺盛需求不是曇花一現，而是會越來越旺。
價值媲美云計算
究竟邊緣計算能解決什么問題？通過一個形象的例子，可以通俗的理解邊緣計算，那就是章魚。
章魚被稱為地球上最“聰明”的生物類群之一。2016年4月，新西蘭國家水族館一只名為“Inky”的章魚從半開的水族缸里爬了出來，走過房間并鉆入一個排水口，穿過50米長的水管之后，成功越獄進入外海就是最有力的證明之一。
章魚之所以聰明，是因為它擁有“一個大腦+多個小腦”，不僅能通過40%的大腦容量進行分析和決策，還能通過八條腿上分布的60%的巨量神經元進行感知和分析，腕足和大腦有效配合，讓章魚在各種復雜環(huán)境中都能游刃有余。
邊緣計算就像是章魚的小腦，云計算則是大腦，邊緣計算的價值顯而易見，通過將計算前置，使數據在本地完成就近處理，需要進一步處置的傳至云端，不需要的則直接反饋。這樣一來，響應速度更快，計算效率更高。
眾多場景剛需
正因為邊緣計算有著區(qū)別于云計算的獨特價值，在很多應用場景，它已經成了基礎需求。
在視頻場景（直播、點播等）下，邊緣計算出現之前，視頻會傳到IDC源站里去做處理。這里存在兩大問題，一是整體的上傳、處理、分發(fā)的鏈路過長，會卡頓。在直播這類對延遲敏感的場景下，用戶體驗會很差。另外IDC的帶寬成本較高，尤其是在這類大流量場景下，會給企業(yè)帶來較大壓力。
邊緣計算出現之后，眾多視頻廠商開始做邊緣源站的架構升級。通過把源站和視頻相關處理任務，前置到邊緣節(jié)點去處理，包括視頻流的接入、審核、合流、切片、轉碼，或是其他視頻衍生類計算任務，比如彈幕處理等。處理后，在用原來CDN的分發(fā)能力，分發(fā)到全國觀眾側觀看。在這一套全新架構下，有著非常明顯的降本增效的作用。
在智慧安防場景下，攝像頭端種類多樣，適配成本高。而通過邊緣節(jié)點來做視頻流和圖片流的統(tǒng)一接入，可實現端的統(tǒng)一納管。端負責做視頻流的部分預處理，處理后的視頻流統(tǒng)一匯聚到邊緣節(jié)點上，相關的結構化處理，比如人臉分析、車輛分析、行為分析等也都放在邊緣上進行計算。如果需要和端上有交互，也能把結果實時地返回給端。另外一些核心數據，也能傳回中心云做留存。這里面其實就很好地體現了，云、邊、端的三體協(xié)同，算力層層消化。
除此之外，邊緣計算在工業(yè)互聯網、新零售、自動駕駛等行業(yè)領域也有較為突出的表現。
目前，在全球邊緣計算市場中的主要參與者包括思科、亞馬遜(AWS)、華為、通用電氣、諾基亞、IBM、英特爾、Machineshop、微軟公司和Litmus Automation。
邊緣計算的前景不容置疑，但這并不是說邊緣計算將徹底取代云計算，只能說兩者各有所長，只有分工合作，云邊協(xié)同，才能支撐企業(yè)迎接即將到來的各種數據處理挑戰(zhàn)。