近来有一个词“迅速走红”，大有十年前云计算兴起和发展的势头，它就是“边缘计算”。
虽然有不同的应用侧重，但他们的理念大体相同，总结起来说，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供智能互联服务，满足应用在业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。
边缘计算在整个计算中的位置
边缘计算的技术特性
邻近性：由于边缘计算的部署非常靠近信息源，因此边缘计算特别适用于捕获和分析大数据中的关键信息，此外边缘计算还可以直接访问设备，因此容易直接衍生特定的商业应用。
低时延：由于移动边缘技术服务靠近终端设备或者直接在终端设备上运行，因此大大降低了延迟。这使得反馈更加迅速，同时也改善了用户体验，大大降低了网络在其他部分中可能发生的拥塞。
高带宽：由于边缘计算靠近信息源，可以在本地进行简单地数据处理，不必将所有数据或信息都上传至云端，这将使得网络传输压力下降，减少网络堵塞，网络速率也因此大大增加。
位置认知：当网络边缘是无线网络的一部分时，无论是WIFI还是蜂窝，本地服务都可以利用相对较少的信息来确定每个连接设备的具体位置。
分布性：边缘计算实际部署天然具备分布式特征。这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。
数据入口：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护、资产效率与管理等创新应用；同时，作为数据第一入口，边缘计算也面临数据实时性、确定性、多样性等挑战。
边缘计算与云计算的关系
也许有人产生疑问，边缘难道是要替代云计算？其实并不是，至少从目前来看，两者是协同的关系。
边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系。云计算把握整体，聚焦非实时、长周期数据的大数据分析，能够在周期性维护、业务决策支撑等领域发挥特长；边缘计算则专注于局部，聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。
因此，边缘计算与云计算互相协同，两者存在紧密的互动协同关系。边缘计算既靠近执行单元，更是云端所需高价值数据的采集单元，可以更好地支撑云端应用的大数据分析；反之，云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧，边缘计算基于新的业务规则进行业务执行的优化处理。
边缘计算应用场景
针对运营商领域的移动视频QoS优化：目前LTE蜂窝网络所承载的视频内容和管道之间缺乏交互，用户体验很难达到最佳。一方面，由于无线侧信道和空口资源变化较快，难以动态调整应用层（HTTP/DASH）参数以适配无线信道的变化。同样，传统的TCP拥塞控制策略是针对有线环境设计的，也不能准确适应无线信道的变化。另一方面，eNB对应用层内容不可知，无法为不同类型的业务动态进行无线资源的调度，也不能为同一类型业务的不同用户提供差异化的QoS。
边缘计算平台可以通过北向接口获取OTT视频业务的应用层及TCP层信息，也可以通过南向接口获取RAN侧无线信道等信息（RNIS、Location Service等），进一步通过双向跨层优化来提升用户的感知体验，从而实现运营商管道的智能化。
边缘计算与云计算功能区别
在行业应用市场包括：
预测性维护：通过本地的边缘计算融合网关可以提供数据分析能力，第一时间发现设备潜在故障。同时提供本地存活，一旦与云端联接故障，数据可以本地保存，联接恢复后，本地收敛数据自动同步到云端，确保云端可以对每部电梯形成完整视图。
智能制造：边缘计算在工业系统中的具体表现形式是工业CPS系统，该系统在底层通过工业服务适配器，将现场设备封装成web服务；在基础设施层，通过工业无线和工业SDN网络将现场设备以扁平互联的方式联接到工业数据平台中；在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与MES等系统对接。整个工业CPS系统能够支撑快速部署、设备替换和计划调整等应用的快速开发和上线。
此外，边缘计算的应用还包括车联网/自动驾驶、AR/VR、视频监控与智能分析、智慧水务等等领域。
边缘计算在智能运输车队的应用：实时调控车内湿度、温度与排气扇等。
閱讀更多 山間小石 的文章
