视界云服务
这是个值得思考和探讨的问题！
首先：边缘计算的定义是什么？
其实这个问题比较复杂，这里简单分享下：
✍边缘计算可以理解为是指利用靠近数据源的边缘地带来完成的运算程序。
如果用更通用的术语来表示即：邻近计算或者接近计算(Proximity Computing)
再者：边缘计算和云计算之间的区别是什么？
✔其实如果说云计算是集中式大数据处理，边缘计算则可以理解为边缘式大数据处理。
但不同的是，只是这一次，数据不用再传到遥远的云端，在边缘侧就能解决。
✔边缘计算更适合实时的数据分析和智能化处理，相较单纯的云计算也更加高效而且安全！
边缘计算和云计算两者实际上都是处理大数据的计算运行的一种方式。
边缘计算更准确的说应该是对云计算的一种补充和优化！
简而言之：
云计算把握整体，边缘计算更专注局部！
边缘计算具备的几点特质：
✓分布式和低延时计算
边缘计算聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行
✓效率更高
由于边缘计算距离用户更近，在边缘节点处实现了对数据的过滤和分析，因此效率更高
✓更加智能化
AI+边缘计算的组合出击让边缘计算不止于计算，更多了一份智能化
✓更加节能
云计算和边缘计算结合，成本只有单独使用云计算的39%
✓缓解流量压力
在进行云端传输时通过边缘节点进行一部分简单数据处理，进而能够设备响应时间，减少从设备到云端的数据流量
关于边缘计算的赋能场景：
✍现阶段亚马逊、微软、英特尔等等都已经着手布局边缘计算。对于未来而言，（万物互联）的物联网、CDN、车联网、智能安防以及2018开年火爆的区块链场景，此类场景对于近场计算有着极强的需求场景。
边缘计算保障大量的计算需要在离终端很近的区域完成计算，完成苛刻的低延时服务响应！
以视界云边缘计算平台-界石系统服务车联网场景为例：
伴随着智能驾驶的蓬勃发展，联网汽车数量越来越大，针对车联网用户的功能越来越多，随之车联网的数据量传输不断增加，对其延迟/时延的需求也越来越苛刻，尤其是汽车在高速行驶中，通信延迟应在几ms以内，而网络的可靠性对安全驾驶又至关重要。
那么，在这个过程中如何满足车联网对传输速率的高要求？
传统中央云计算由于经过多层级计算处理，延迟高、效率低，现在已不再能满足车联网的传输需求。而基于边缘计算解决方案，在近点边缘层已经完成对数据的过滤、筛选、分析和处理，传输距离短、延迟低、效率更高。相较云计算，车联网和边缘计算显然更搭一些！
界石平台为车联网行业提供解决方案
1.通过节点“下沉”的方式，可以在距离车辆最近的基站进行计算，短算计算距离
2.车内边缘计算可实时提供实时车辆位置，利用低延迟效果与附近基站，提高可靠性。
3.单一车量通过数据分析后得出结论，以极低延迟传送给临近区域内的其他联网车辆，可在区域范围内快速完成传递，驾驶员及时做出决策
此外，关于CDN场景和边缘计算的结合，实际上就更有其天然的优势了！
CDN的本质是让内容距离用户更近！
CDN和边缘计算的组合对于提升分发效率、降低网络延时、节省带宽资源等都具有莫大的默契和优势！
对于边缘计算的顾虑而言：实际上更准确的说应该是难点或者说影响边缘计算的因素！
低延时、更精确的时间同步性、异构系统互联、大规模和广泛的布局、更加智能化等等都是作为边缘计算的特质出现同时也是对边缘计算提出的更高要求。
此外，未来3到5年内5G时代的全面商用时代的到来，对边缘计算而言既是个挑战也同时是个难得的机遇！
分享到:
