边缘计算与云计算：有什么区别？

本文由半导体产业纵横（ID：ICVIEWS）编译自edgeir

---

边缘计算和云计算是两种不同的计算范式，它们有不同的用途，但在某些场景下也可以相互补充。

在当今日益数字化的世界中，对计算资源的需求呈指数级增长。因此，有两种范式正在积极处理需求：边缘计算和云计算。

 

STL Partners 预测，边缘市场将从 2020 年的 90 亿美元增长到 2030 年的 4,450 亿美元，十年间复合年增长率为 48%。

 

边缘计算是一种分散的计算模型，使计算资源更接近数据源或端点。它涉及在设备或边缘服务器上本地处理数据，减少延迟并缩短响应时间。边缘计算通常用于实时数据处理和需要低延迟的应用程序，例如物联网设备和自动驾驶汽车。

 

另一方面，云计算是一种集中式模型，依赖远程数据中心来处理和存储数据。它提供了可扩展性、可访问性和成本效益，但可能会因与云之间的数据传输而产生延迟。云计算广泛用于 Web 服务、数据存储和企业应用程序。

 

Enterprise IT自动化专家Mark Swinson表示，边缘计算是一种生态系统，可将不同部分整合在一起，创建灵活的解决方案。随着人工智能和机器学习的发展，应用程序的生命周期越来越有可能在从数据中心到边缘进行循环，因此新的解决方案必须同等支持两者。

 

云计算的发展，使得大规模管理复杂拓扑变得更加可行。应用这些相同的方法也给边缘解决方案带来好处。随着边缘计算资源的能力和容量不断增长，我们将看到更复杂的工作负载将在数据产生的地方运行。这不仅需要共同的标准和方法，还需要合作的意愿，并在某种程度上愿意进行实验。

 

边缘计算的分散性或远程安装的需求是无法摆脱的。一旦设备插上电源，自动化设置将减少出错的可能性，并减少对高技能技术人员的需求。总而言之，边缘计算与基于数据中心的计算的区别将越来越小，而是一个具有一致的架构、工具、流程和安全性的统一体。这将带来更大的灵活性，从而开辟更多的边缘计算机会。

 

 

---

  处理位置和延迟

通过边缘计算，数据的处理发生在数据源或端点处，这使其成为需要立即响应时间的应用程序的理想选择。例子包括工业自动化、自动驾驶汽车和增强现实。相比之下，对于云计算，处理发生在远程数据中心，这可能会带来延迟。云计算适用于延迟不太重要的应用程序，例如电子邮件服务、文档存储和数据分析。

 

 

Persistent Systems 高级副总裁兼欧洲负责人 Rajasekar Sukumar 表示：“对于某些企业来说，云的远程基础设施根本无法提供将数据从 A 点快速传输到 B 点所需的超低延迟。这就是边缘计算发挥作用的地方。”

 

这种接近性使人们能够从庞大的数据集中获得实时洞察，否则这些数据集在进出云端时会受到滞后，边缘计算消除了数据和处理之间不必要的距离。对于希望成为数据驱动型企业来说，边缘计算可以解锁即时分析和快速响应时间等关键功能。它代表了计算如何增强数据密集型工作流程的范式转变，而没有云固有的延迟。边缘的速度和本地化正在为各行各业带来变革性的新用例。这是一种颠覆性的新计算模式，通过邻近性释放创新。边缘计算提供超低延迟，因为数据是在本地或数据源附近处理的。这对于需要实时决策的应用程序（例如自动驾驶汽车或远程医疗）至关重要。

 

由于边缘设备和远程数据中心之间的数据传输，云计算可能会带来更高的延迟。它可能不适合需要近乎瞬时响应的应用。

 

 

---

 可扩展性、安全性和成本

在考虑边缘计算时，可扩展性可能会受到边缘设备的物理基础设施的限制。添加更多边缘服务器可能需要额外的硬件和资源。

 

 

由于数据中心拥有大量可用资源，云计算提供了高可扩展性。用户可以根据自己的需求轻松放大或缩小。

 

在安全性方面，通过边缘计算，数据仍然更接近源头，从而可能降低传输过程中数据泄露的风险。然而，边缘设备可能更容易受到物理篡改。通过云计算，数据可以远程存储，这有利于数据安全。云提供商通常在网络安全措施上投入巨资。然而，数据传输到云端可能会带来安全风险。

 

在比较成本时，边缘基础设施的初始设置成本可能很高。维护和升级也可能会产生持续的费用。边缘计算和边缘分析描述了在设备（流程边缘）实时进行的数据捕获、处理和分析。与传统方法不同，传统方法通常将来自多台机器的数据整理到一个集中的存储中，边缘计算是一种分布式计算，它使单个或一组机器的计算和数据存储更接近数据源。这可以缩短响应时间并节省带宽。

 

与使用纯粹基于云的方法进行数据处理相比，在单个设备上进行分析可以显著节省成本和资源。为了清楚起见，这种基于云的方法是指将数据从多个设备流式传输到一个集中存储并在那里进行数据分析。

 

使用集中式方法，必须收集大量数据并将其传输到一个地方才能进行分析。这种方法还会产生大量过剩的运营数据。通过边缘计算，运营商可以设置参数来决定哪些数据值得存储——无论是在云端还是在现场服务器中——而哪些数据不值得。

 

边缘计算并不是一种替代的基于云的方法，并强调这些技术不会相互竞争。事实上，每个人都在让对方的工作变得更轻松。这种组合模型的好处在于，它使企业能够两全其美：通过基于某些设备的边缘分析做出决策来减少延迟，同时还在集中源中整理数据。

 

 

---

 互补性

边缘计算非常适合自动驾驶汽车、智能城市和工业远程监控等实时应用，还可以通过本地处理数据来增强隐私性。

 

 

虽然云计算通常适用于不需要实时处理的网络托管、大数据分析、内容交付和企业应用程序，但边缘计算和云计算可以齐头并进。

 

“边缘计算和云计算是两种不同的计算范式，它们有不同的用途，但在某些场景下也可以相互补充。边缘计算和云计算都可以从本地设备卸载数据处理和存储，减轻最终用户设备的负担并实现更高效的资源利用。”Lookout 首席技术官 Sundaram Lakshmanan 表示。

 

边缘计算和云计算可以以互补的方式协同工作。边缘计算可以实时处理和即时决策，而云计算可以处理资源密集型任务、长期存储和复杂分析。边缘计算侧重于本地处理数据并减少延迟，而云计算则提供可扩展性、广泛的存储和集中处理。这两种范式都有其独特的优势，可以一起使用来创建一个混合计算环境，根据特定的用例和要求优化性能和效率。

 

在实践中，通常使用边缘计算和云计算的组合（称为混合计算）来充分利用每种模型的优势。

 

边缘计算和云计算是处理现代计算不断增长的需求的不同方法，随着技术的不断发展，边缘计算和云计算之间的界限可能会变得模糊，从而为创新和效率创造更多机会。