为什么边缘计算很重要？

计算任务需要合适的架构，适合一种计算任务的架构不一定适合所有类型的计算任务。边缘计算已成为一种可行且重要的架构，它支持分布式计算以将计算和存储资源部署在更靠近数据源的位置——理想情况下，位于与数据源相同的物理位置。总的来说，分布式计算模型并不新鲜，远程办公室、分支机构、数据中心托管和云计算的概念有着悠久且经过验证的记录。

但是去中心化可能具有挑战性，需要高水平的监控和控制，而在远离传统的集中式计算模型时很容易被忽视。边缘计算已变得重要，因为它为与移动当今组织生产和消费的大量数据相关的新兴网络问题提供了有效的解决方案。这不仅仅是数量的问题。这也是时间问题；应用程序依赖于对时间越来越敏感的处理和响应。

想想自动驾驶汽车的兴起。它们将依赖于智能交通控制信号。汽车和交通控制需要实时生成、分析和交换数据。将这一要求乘以大量自动驾驶汽车，潜在问题的范围就会变得更加清晰。这需要一个快速响应的网络。边缘计算和雾计算解决了三个主要的网络限制：带宽、延迟和拥塞或可靠性。

带宽：带宽是网络可以随时间携带的数据量，通常以每秒比特数表示。所有网络都有有限的带宽，而无线通信的限制更为严格。这意味着可以通过网络传输数据的数据量或设备数量是有限的。尽管可以增加网络带宽以容纳更多设备和数据，但成本可能很高，仍然存在（更高）有限限制，并且不能解决其他问题。

潜伏：延迟是在网络上的两个点之间发送数据所需的时间。尽管理想情况下以光速进行通信，但较大的物理距离加上网络拥塞或中断可能会延迟数据在网络上的移动。这会延迟任何分析和决策过程，并降低系统实时响应的能力。在自动驾驶汽车的例子中，它甚至会付出生命的代价。

拥塞：互联网基本上是一个全球性的“网络网络”。尽管它已经发展为可以为大多数日常计算任务（例如文件交换或基本流）提供良好的通用数据交换，但涉及数百亿台设备的数据量可能会使互联网不堪重负，导致高度拥塞和强制耗时的数据重传。在其他情况下，网络中断会加剧拥塞，甚至完全切断与某些互联网用户的通信——使物联网在中断期间变得毫无用处。

通过在生成数据的地方部署服务器和存储，边缘计算可以在更小、更高效的 LAN 上运行许多设备，在该 LAN 中，本地数据生成设备专门使用充足的带宽，从而几乎不存在延迟和拥塞。本地存储收集和保护原始数据，而本地服务器可以执行基本 的边缘分析 ——或至少预处理和减少数据——在将结果或基本数据发送到云或中央数据中心。