為了了解邊緣計算對物聯網的影響，讓我們先花點時間想象一下我們周圍眾多的傳感器和可穿戴設備，以及它們正在捕獲的數據類型。邊緣計算使我們能夠在任何物聯網網絡邊緣的設備附近解讀這些龐大的數據。這將實時觸發(fā)分析和響應，而不會給擁塞的網絡帶來負擔。
Gartner的一項研究預測，到2025年，至少75%的企業(yè)將實施邊緣計算，以在傳統(tǒng)集中式數據中心或云之外處理數據。目前，10%的企業(yè)已經這樣做了。IDC 的另一項研究預測，到 2024 年，全球邊緣計算支出將達到 2500 億美元。從技術角度來看，邊緣服務將占 IT 支出的 21.6%。顯然，邊緣計算將成為數字化轉型戰(zhàn)略的重要組成部分。
物聯網中的邊緣計算——遠離云
通過在數據捕獲點或邊緣附近執(zhí)行基本分析，減少了將大量數據傳輸到集中位置的需要。
因此，邊緣計算有助于克服延遲和網絡擁塞問題。
云計算完全是關于集中式系統(tǒng)，而邊緣計算則是一種更為分布式的模式。在某些情況下，它消除了對云的需求，而在其他情況下，它充當邊緣設備和云之間的中間層，以便可以在邊緣執(zhí)行基本的實時分析，而要在云上執(zhí)行更復雜的分析時，只需跨網絡傳輸相關數據即可。
想想每天捕捉數小時視頻的安全攝像頭所節(jié)省的帶寬吧！借助邊緣計算執(zhí)行的分析不僅節(jié)省了帶寬，而且還使物聯網設備能夠與用戶進行有意義的交互，而無需與云服務器通信。
涉及邊緣計算和云的混合解決方案消除了純基于云的系統(tǒng)中的大部分固有效率問題，特別是昂貴的帶寬增加、滯后響應和安全性——所有這些都在物聯網設置中被無限放大了。
物聯網設備在邊緣的擴展
物聯網設備和服務在 5G 浪潮中呈指數級增長，接管了我們日常生活的方方面面。當我們意識到位于任何網絡邊緣的大量物聯網設備時，對邊緣計算的需求以及邊緣計算對物聯網的影響變得非常清晰。Google Home 和 Alexa 等個人助理、筆記本電腦、智能手表、智能汽車、智能鎖和門鈴、清潔設備、智能開關、煙霧報警器、智能供暖系統(tǒng)、健康監(jiān)測器、污染監(jiān)測器和健身追蹤器只是當今家庭中連接到互聯網的物聯網設備的一部分。研究估計，幾年后，美國每個人將擁有至少10臺物聯網設備。
轉到制造業(yè)，你會看到一個全新的工業(yè)物聯網世界，也叫工業(yè)互聯網。用于維護重型機械的AR應用、用于倉庫的AI控制無人機、用于預測性維護的機器人、用于減少能源和水資源浪費的機器傳感器、溫度傳感器等，都是物聯網在工業(yè)中的一些常見應用。很明顯，工業(yè)物聯網比基于家庭的物聯網更加復雜，收集的數據需要實時處理。
在物聯網網絡中實施邊緣計算
邊緣計算使實現物聯網分析（AoT）成為可能，AoT是指物聯網分析的一個簡寫術語。然而，在現實世界中，物聯網設備極其輕量級，存儲和計算能力有限。
這就是為什么當我們談論物聯網中的邊緣計算時，邊緣設備不僅包括傳感器和其他物聯網設備，而且還包括路由器和網關的原因所在。事實上，路由器和網關是在 Linux 或其他類似操作系統(tǒng)上運行的實際計算設備。在這些設備上，可以安裝邊緣計算中間件，以安全的方式從物聯網設備接收數據。因此，真正處于邊緣的設備可以在其上運行輕量級解決方案，而實際分析是在離這些設備更近的網關和路由器上進行的。
物聯網中邊緣計算的用例
在網絡延遲比計算能力更重要的情況下，邊緣計算比云計算更為突出。
讓我們來看一些具體的例子。
智能家居：如前所述，安全攝像頭不需要將其捕獲的所有視頻都傳輸到云端。相反，如果它可以檢測到常見威脅的輪廓，則只有該片段可以流式傳輸到云服務器，以便采取進一步行動。即便如此，一旦檢測到，就會立即發(fā)出警報。
自動駕駛汽車：在像自動駕駛汽車這樣的場景中，幾毫秒的延遲可能會危及生命。這就是為什么計算和響應時間不能依賴于云的原因，在云上，失去連接可能是災難性的。
監(jiān)測患者健康：需要對醫(yī)療物聯網邊緣設備產生的數據進行分析，并實時提供健康建議。如果將其發(fā)送到基于云的中央服務器進行適當分析，在某些情況下可能為時已晚。醫(yī)療保健中的邊緣計算使對緊急健康情況做出反應成為可能。
工廠工人的安全：智能穿戴設備，如頭盔和腕帶，可用于跟蹤重型制造場景中工人的安全，并防止事故發(fā)生。它們還可以跟蹤體溫和脈搏等健康指標，并指示工人何時需要休息?？梢员O(jiān)測工廠環(huán)境中的毒性和輻射水平并采取糾正措施，而無需將所有這些數據發(fā)送到云端。
數字視頻、多媒體內容、溫度、運動、燃料水平、壓力等傳感器，以及來自生產線機械和其他來源正在以難以想象的速度生成海量數據，物聯網中邊緣計算的作用是利用這些數據，同時消除網絡延遲并釋放帶寬需求。（作者：infovision；編譯：iothome）
