一、在一些计算任务下，边缘计算比云计算更为有效

1.我们为什么需要边缘计算？：

1.1云服务的推动

相较于云中心的快速处理速度，网络的带宽达到了瓶颈。同时随着边缘产生的巨大数据量，在基于云计算的范式下，网络传输达到了瓶颈。

案例说明：汽车的实时消息传递，如果将数据传送到云中心，响应时间会太长，网络带宽也是问题，那么将数据在边缘处理会有更短的响应时间，更有效的处理和更小的网络压力。对于一些数据敏感性的应用程序，

1.2 IoT的推动

IoT的各种电子设备产生的产生的元数据量巨大，使得传统的云计算无法处理所有的数据。

1.3终端设备从数据消耗着转变成数据生产者/消耗者

案例说明：终端设备会将数据上传云端，成为数据的生产者。

如下图是1云计算的范式。很明显，这样的结构对于IoT不是最有效的。原因一：边缘端数据量太大会产生大量不必要的带宽和计算资源的使用。原因二：在IoT下，云计算对隐私保护要求存在缺陷。原因三：在IoT下，大部分的终端节点都是高能耗要求的事物，无线通信模块也是，所有将一些计算任务卸载到边缘节点会更加节约能源。

图1：云计算范式

2.边缘计算的定义：

边缘计算是指允许计算在网络边缘上执行的允许技术，代表云服务的下游数据和代表IoT服务的上游数据。在这里，我们将“边缘”定义为沿着数据源和云数据中心之间的路径的任何计算和网络资源。一般来说，边缘计算和雾计算是可交换的，这是边缘计算更集中于事物的一段，雾计算更集中于设备端。

如下图2是边缘计算的范式。图2示出了边缘计算中的双向计算流。在边缘计算范式中，事物不仅是数据消费者，而且作为数据生产者发挥作用。在边缘，事物不仅可以从云请求服务和内容，而且可以执行来自云的计算任务。边缘可以进行计算卸载、数据存储、缓存和处理，以及从云向用户分发请求和传递服务。随着网络中的这些工作，边缘本身需要很好地设计，以满足在服务中的要求，如可靠性、安全性和隐私保护。

图二：边缘计算范式

3.边缘计算的优势：

运行时间减短，能效更小，更短的延迟性(如果是更长的延迟，会影响用户的体验)

4.协作边缘

协作边缘连接了多个利益相关者，这些利益相关者在地理位置和网络结构上分布不同，但是边缘可以在物理和逻辑上连接终端用户和云，它不仅支持传统云计算范例，而且由于紧密性，它可以将长距离网络连接在一起进行数据共享和协作。协作边缘的存在降低了运营成本并且提高盈利能力。

举例如图3：

图3：协作边缘例子：连接健康

如图4所示，在不久的将来最有希望的应用之一是连接健康。地理分布的数据处理应用的需求，即医疗保健，需要多个领域的企业之间的数据共享和协作。为了应对这一挑战，协作边缘可以通过创建虚拟共享数据视图来融合地理上分布的数据。虚拟共享数据通过预定义的服务接口暴露给最终用户。

5.边缘计算的挑战

1.编程：边缘节点大部分是异构的平台，程序员编写一个应用程序部署在边缘计算范式内存在很大的困难。

2.命名：一个有效的命名机制还没有被建立和标准化。现有设计的一种命名方式如图4.

图4：边缘操作系统的命名机制

3.数据抽象：将感兴趣的内容从抽离出来，单独存入一个数据表内。一种可能的数据表如下图所示。

图：边缘计算的数据抽象问题

4.服务管理（DEIR）：

Differentiation分类：服务的优先级处理

Extensibility可扩展性：IoT事物的随机性、变化性

Isolation隔离：某一部件或者应用程序程序故障，不影响整个边缘系统的运行

Reliability可靠性：精确识别故障原因，保护网络拓扑...

5.隐私和安全

6.属性的优化：延迟、带宽、能耗、成本