如何用简单的英语解释边缘计算
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-12-21
这些应用程序似乎有望扩展
如今在边缘生成和处理的企业生成数据不到10％ ；到2025年，这一比例将增长到75％，但是向非技术人员解释边缘计算可能会很困难-部分原因是，这种类型的数据处理可以以多种方式和多种设置进行，边缘计算简单的做法是在创建位置附近捕获，处理和分析数据。
什么是边缘计算？
要使边缘设备变得智能，他们需要处理所收集的数据，及时分享见解，并在可行时采取适当的行动，边缘计算是使边缘设备执行此操作而无需将数据传输到其中的科学，另一个服务器环境，换句话说边缘计算使数据和计算接近交互点，如果我们考虑一个轮辐模型，那么云就是中心，而辐条外部的一切都是边缘，这一切都不在云中， 如果我们考虑一个轮辐式模型，那么云 就是中心，而辐条外部的一切都是边缘，这种分散式方法使组织能够将分析和决策等流程移至更接近实际数据生成的位置。
边缘计算是在设备上实时进行的数据分析
边缘计算涉及本地处理数据，而云计算涉及处理数据中心或公共云中的数据，边缘计算定义，这使我们轻松进行边缘对话，我们还请其他专家以清晰的术语配合他们对边缘计算的特定定义，这可能对IT领导人的各种讨论包括与非技术人员进行的讨论很有用，边缘计算是指使计算服务更接近服务消费者或数据源的概念，物联网，AR / VR，机器人技术，机器学习，边缘计算可帮助解决带宽，等待时间，弹性和数据主权等关键挑战，而混合计算模型可将集中式计算用于计算密集型工作负载，而边缘计算则可帮助用户解决方案解决需要近乎实时处理的工作负载的需求。
随着物联网IoT连接越来越多的设备
网络正在从主要是高速公路到中心位置过渡到类似于蜘蛛网的互连中间网络，存储和处理设备，边缘计算是一种在生成数据的客户端附近而不是在集中式数据处理仓库中捕获，存储，处理和分析数据的实践，因此数据存储在网络“边缘”的中间点，而不是始终存储在中央服务器或数据中心，边缘IT意味着在越来越“智能”的边缘位置消耗IT资源，这些都是城市核心，医院，工厂，交通枢纽，以及我们都在其中工作，娱乐和生活的各种空间，以及我们都希望使用“智能”物品来提供数字体验的地方。”
边缘计算是指在原始数据处使用可用的计算和存储功能进行数据的参与和分析
从技术上讲，边缘计算是一种分布式范例，可以跨智能对象，移动电话和本地网络在本地处理数据，现在可以在用户设备上进行数据分析，而不是将物联网上的设备所生成的大量数据发送回中央云进行处理这需要更多的时间，需要更多的带宽并且往往花费更多，而无需花费大量时间，网络的边缘。
边缘计算是一种想法即在有意义的时候，处理应该在靠近数据创建的地方进行
边缘智能是指在边缘和云资源之间智能分配计算的能力，在进行边缘计算之前，数据是从传统数据中心之外的分布式位置收集的，然后将数据发送到将要处理的数据中心，这意味着根据数据做出决定或确定数据的值，随着边缘计算的出现，可以在收集点或物理上靠近收集点的位置进行决策，这显着提高了基于数据做出决策所需的时间，这对于利用实时决策的许多用例如自动驾驶汽车相互通信而言至关重要。
边缘与云：如何解释
将边缘视为云的扩展而不是替代 ，实际上边缘是释放云中数据全部功能的关键推动力，物联网生态系统中各种已连接设备的数据都收集在本地设备中，在网络上进行分析，然后传输到中央数据中心或云中，但是要利用云和边缘计算解决方案的组合，必须将工作负载打包并分布在多个云，即服务，边缘服务器和边缘设备中。
边缘计算比萨放置类比
在主要地点烤制的馅饼在流向远方客户的路上会变冷，物联网和嵌入式通过在边缘处理传入的数据，需要更少的信息发送到云中并返回，这也大大减少了处理延迟，一个很好的类比是一家受欢迎的比萨餐厅，该餐厅在更多地区开设了较小的分支机构，因为在主要位置烤制的馅饼在流向远方客户的路上会变冷，那么您如何知道何时需要使用边缘计算来构建这些邻域比萨关节呢？让我们看一些例子。
边缘计算解决了哪些问题？
由于物联网，AR / VR，机器人技术，机器学习和电信网络功能等新兴用例的需求，这些服务需要更接近用户的服务供应，因此边缘计算有助于解决带宽，延迟，弹性和数据主权等关键挑战，它补充了混合计算模型，在该模型中，集中式计算可用于计算密集型工作负载，而边缘计算可帮助满足需要近实时处理的工作负载的需求，当边缘计算有意义时，当速度或效率很重要时，边缘计算会增加的价值，当组织将计算移向数据源附近时，它使他们能够近实时地分析数据，这使技术专业人员和业务主管可以做出更具影响力的及时决策。
一家炼油厂使用IoT数据分析功能自动关闭工业设备，以防止在超过预定的安全参数时发生灾难性故障。
零售商利用传感器数据来了解客户的位置和接近度，或者通过实时销售点分析来检测欺诈
制造商部署下级监控以提高工厂效率并预测资产故障
间歇性访问网络时使用边缘资源的车队经理
根据数据到2023年，部署的新企业IT基础架构中有一半以上将位于边缘而不是企业数据中心，而如今这一比例还不到10％ ，到2024年，边缘应用程序的数量将增长800％,这是对集中式基础架构方法的局限性，无论是公司数据中心还是公共云，这都是公认的。”
相反企业现在正在考虑将边缘计算作为一种将工作负载分配到运行状况的位置的方法，这可能是地铁一级的代管设施；远程和分支机构；或特定行业的地点，例如工厂，仓库，医院和零售店。
边缘和人工智能如何融合在一起？
几十年来， 人工智能（AI） 一直生活在数据中心中，那里有足够的计算能力来执行处理器要求的认知任务。随着时间的流逝，人工智能进入了软件领域，其中的预测算法改变了这些系统如何支持业务的本质，现在AI已移至网络的外围，当在使用点将AI技术嵌入到物联网（IoT）端点，网关和其他设备中时， 就会发生边缘AI，换句话说边缘计算使数据和计算接近交互点，是一种非常真实（且正在迅速扩展）的现象，它为从智能手机和智能扬声器到汽车传感器和安全摄像头的各种设备提供动力。
人工智能是边缘计算中常见的工作负载
随着物联网实现的成熟，人们越来越有兴趣在生成点应用AI进行实时事件检测，今年将出售超过7.5亿个边缘AI芯片（专门设计用于执行或加速设备上的机器学习），企业市场的增长速度将超过其消费者市场，其复合年增长率为50％。未来四年，在未来三年中，企业将平均 30％的IT预算用于边缘云计算，当IT考虑边缘AI可能适合他们自己的企业技术路线图时，以下是我们现在知道的一些事情：
1.从头开始很重要
如果您尚未实施边缘解决方案，那么您将无法跳到边缘AI，对于当今大多数IT而言，步是构建一种将边缘计算与云后端结合起来的解决方案架构，技术分析高级总监“前进集成AI将是管理边缘解决方案规模和建立竞争优势的关键一步。
2. AI可以解决基于云的AI的局限性
如今在边缘生成和处理的企业生成数据不到10％ ；到2025年，这一比例将增长到75％，但是向非技术人员解释边缘计算可能会很困难-部分原因是，这种类型的数据处理可以以多种方式和多种设置进行，边缘计算简单的做法是在创建位置附近捕获，处理和分析数据。
什么是边缘计算？
要使边缘设备变得智能，他们需要处理所收集的数据，及时分享见解，并在可行时采取适当的行动，边缘计算是使边缘设备执行此操作而无需将数据传输到其中的科学，另一个服务器环境，换句话说边缘计算使数据和计算接近交互点，如果我们考虑一个轮辐模型，那么云就是中心，而辐条外部的一切都是边缘，这一切都不在云中， 如果我们考虑一个轮辐式模型，那么云 就是中心，而辐条外部的一切都是边缘，这种分散式方法使组织能够将分析和决策等流程移至更接近实际数据生成的位置。
边缘计算是在设备上实时进行的数据分析
边缘计算涉及本地处理数据，而云计算涉及处理数据中心或公共云中的数据，边缘计算定义，这使我们轻松进行边缘对话，我们还请其他专家以清晰的术语配合他们对边缘计算的特定定义，这可能对IT领导人的各种讨论包括与非技术人员进行的讨论很有用，边缘计算是指使计算服务更接近服务消费者或数据源的概念，物联网，AR / VR，机器人技术，机器学习，边缘计算可帮助解决带宽，等待时间，弹性和数据主权等关键挑战，而混合计算模型可将集中式计算用于计算密集型工作负载，而边缘计算则可帮助用户解决方案解决需要近乎实时处理的工作负载的需求。
随着物联网IoT连接越来越多的设备
网络正在从主要是高速公路到中心位置过渡到类似于蜘蛛网的互连中间网络，存储和处理设备，边缘计算是一种在生成数据的客户端附近而不是在集中式数据处理仓库中捕获，存储，处理和分析数据的实践，因此数据存储在网络“边缘”的中间点，而不是始终存储在中央服务器或数据中心，边缘IT意味着在越来越“智能”的边缘位置消耗IT资源，这些都是城市核心，医院，工厂，交通枢纽，以及我们都在其中工作，娱乐和生活的各种空间，以及我们都希望使用“智能”物品来提供数字体验的地方。”
边缘计算是指在原始数据处使用可用的计算和存储功能进行数据的参与和分析
从技术上讲，边缘计算是一种分布式范例，可以跨智能对象，移动电话和本地网络在本地处理数据，现在可以在用户设备上进行数据分析，而不是将物联网上的设备所生成的大量数据发送回中央云进行处理这需要更多的时间，需要更多的带宽并且往往花费更多，而无需花费大量时间，网络的边缘。
边缘计算是一种想法即在有意义的时候，处理应该在靠近数据创建的地方进行
边缘智能是指在边缘和云资源之间智能分配计算的能力，在进行边缘计算之前，数据是从传统数据中心之外的分布式位置收集的，然后将数据发送到将要处理的数据中心，这意味着根据数据做出决定或确定数据的值，随着边缘计算的出现，可以在收集点或物理上靠近收集点的位置进行决策，这显着提高了基于数据做出决策所需的时间，这对于利用实时决策的许多用例如自动驾驶汽车相互通信而言至关重要。
边缘与云：如何解释
将边缘视为云的扩展而不是替代 ，实际上边缘是释放云中数据全部功能的关键推动力，物联网生态系统中各种已连接设备的数据都收集在本地设备中，在网络上进行分析，然后传输到中央数据中心或云中，但是要利用云和边缘计算解决方案的组合，必须将工作负载打包并分布在多个云，即服务，边缘服务器和边缘设备中。
边缘计算比萨放置类比
在主要地点烤制的馅饼在流向远方客户的路上会变冷，物联网和嵌入式通过在边缘处理传入的数据，需要更少的信息发送到云中并返回，这也大大减少了处理延迟，一个很好的类比是一家受欢迎的比萨餐厅，该餐厅在更多地区开设了较小的分支机构，因为在主要位置烤制的馅饼在流向远方客户的路上会变冷，那么您如何知道何时需要使用边缘计算来构建这些邻域比萨关节呢？让我们看一些例子。
边缘计算解决了哪些问题？
由于物联网，AR / VR，机器人技术，机器学习和电信网络功能等新兴用例的需求，这些服务需要更接近用户的服务供应，因此边缘计算有助于解决带宽，延迟，弹性和数据主权等关键挑战，它补充了混合计算模型，在该模型中，集中式计算可用于计算密集型工作负载，而边缘计算可帮助满足需要近实时处理的工作负载的需求，当边缘计算有意义时，当速度或效率很重要时，边缘计算会增加的价值，当组织将计算移向数据源附近时，它使他们能够近实时地分析数据，这使技术专业人员和业务主管可以做出更具影响力的及时决策。
边缘计算可以减少网络流量
可以使用小型分布式数据中心在源头附近处理大量数据，从而减少Internet带宽使用,这既消除了成本，又确保了可以在远程位置有效地使用应用程序。从本质上讲，这种增加使我们能够减小数据“堆”的数量，从而使它更有可能更有效地找到可操作的信息“针”,这些收益无论是单独产生还是共同产生，都可以创造各种新的商业机会，例如“加快决策速度的机会，可以帮助公司降低成本，更好地与客户互动并提高隐私性.
一家炼油厂使用IoT数据分析功能自动关闭工业设备，以防止在超过预定的安全参数时发生灾难性故障。
零售商利用传感器数据来了解客户的位置和接近度，或者通过实时销售点分析来检测欺诈
制造商部署下级监控以提高工厂效率并预测资产故障
间歇性访问网络时使用边缘资源的车队经理
根据数据到2023年，部署的新企业IT基础架构中有一半以上将位于边缘而不是企业数据中心，而如今这一比例还不到10％ ，到2024年，边缘应用程序的数量将增长800％,这是对集中式基础架构方法的局限性，无论是公司数据中心还是公共云，这都是公认的。”
相反企业现在正在考虑将边缘计算作为一种将工作负载分配到运行状况的位置的方法，这可能是地铁一级的代管设施；远程和分支机构；或特定行业的地点，例如工厂，仓库，医院和零售店。
5G网络 将使边缘计算能够提供更快的数据生成支持
如果摄像机正在捕获连续数据并且正在生成信息，则可以轻松地对其进行监控；但是在网络上使用多台摄像机时，由于带宽的使用，延迟和成本问题会影响生态系统,问题会随着更大的互联生态系统（例如自动驾驶汽车或智慧城市生态系统）而加剧，那里大量的机器和设备相互连接，并且每秒捕获数据。
边缘和人工智能如何融合在一起？
几十年来， 人工智能（AI） 一直生活在数据中心中，那里有足够的计算能力来执行处理器要求的认知任务。随着时间的流逝，人工智能进入了软件领域，其中的预测算法改变了这些系统如何支持业务的本质，现在AI已移至网络的外围，当在使用点将AI技术嵌入到物联网（IoT）端点，网关和其他设备中时， 就会发生边缘AI，换句话说边缘计算使数据和计算接近交互点，是一种非常真实（且正在迅速扩展）的现象，它为从智能手机和智能扬声器到汽车传感器和安全摄像头的各种设备提供动力。
人工智能是边缘计算中常见的工作负载
随着物联网实现的成熟，人们越来越有兴趣在生成点应用AI进行实时事件检测，今年将出售超过7.5亿个边缘AI芯片（专门设计用于执行或加速设备上的机器学习），企业市场的增长速度将超过其消费者市场，其复合年增长率为50％。未来四年，在未来三年中，企业将平均 30％的IT预算用于边缘云计算，当IT考虑边缘AI可能适合他们自己的企业技术路线图时，以下是我们现在知道的一些事情：
1.从头开始很重要
如果您尚未实施边缘解决方案，那么您将无法跳到边缘AI，对于当今大多数IT而言，步是构建一种将边缘计算与云后端结合起来的解决方案架构，技术分析高级总监“前进集成AI将是管理边缘解决方案规模和建立竞争优势的关键一步。
2. AI可以解决基于云的AI的局限性
延迟，安全性，成本，带宽和隐私是与机器学习或深度学习任务相关的一些问题，边缘AI（更接近数据源）可以缓解这些任务，您的语音记录都会发送到边缘网络，在该网络中使用AI将语音转换为文本，从而使命令处理器能够生成答案，没有优势，等待响应的秒数将是司空见惯的，边缘网络可在阈值（不到400毫秒）内提供令人愉悦的用户体验，谷歌，苹果和亚马逊已经投入了数百万元来提高自己的优势，以使他们的AI可以快速为您解答，为了与巨头竞争，企业需要在边缘AI上进行投资。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
