為何使用邊緣運算？
大多數公司在集中存儲上存儲，管理和分析數據，通常在公共雲或私有云環境中。但是，傳統的基礎架構和雲端運算不再能夠滿足許多實際應用程序的要求。例如，在IoT（物聯網）和IoE（萬物互聯）的情況下，需要具有最小延遲的高可用性網絡來實時處理大量數據，這在傳統IT基礎設施上是不可能的。邊緣運算的優點變得更加明顯。
邊緣運算的優點
1.數據在數據收集源附近處理，不再需要將數據傳輸到雲或本地數據中心進行處理和分析，可減輕網絡和服務器上的負載。
2.處理數據能力更快速，特別是工業物聯網（IIoT）中具有很高的應用性。除了加速工業和製造企業的數字化轉型外，邊緣運算技術還可以實現包括人工智能和機器學習在內的更多創新。
一、邊緣計算是遠離核心的移動計算
邊緣運算（英語：Edge computing），又譯為邊緣計算。
它是一種分散式運算的架構，將應用程式、數據資料與服務的運算，由雲網路中心節點，移往網路邏輯上的邊緣節點來處理。邊緣運算將原本完全由雲網路中心節點處理大型服務加以分解，切割成更小與更容易管理的部份，分散到邊緣節點去處理。邊緣節點更接近於使用者終端裝置，可以加快資料的處理與傳送速度，減少延遲。
在這種架構下，資料的分析與知識的產生，更接近於數據資料的來源，因此更適合處理巨量資料。將計算遷移到邊緣具備以下幾個優勢，能夠促進更理想的計算：
- 能夠近乎實時地處理數據
- 處理的數據可以從各個邊緣節點並行收集
- 消除了在帶寬有限的網絡上發送原始數據的負擔
- 消除計算量大的原始數據對數據中心的壓⼒
- 降低雲網路從數據中獲得資訊的依賴性
- 可以幫助管理在本地處理而不是共用的敏感數據
邊緣計算的出現絕對歸功於雲計算的可用性和廣泛應用，以及越來越易於訪問的經濟試用的物聯網解決方案。有很多易於定製和可訪問的SoC，例如Raspberry Pi、Edge TPU，使得邊緣計算更加可行。
圖53-1 邊緣運算示意圖
二、霧計算：改變邊緣的定義
近年來霧計算的概念又被提出。霧計算和邊緣計算定義很模糊，業界⼀直在嘗試將這兩者區分開作爲單獨的概念。對此，業界最廣爲接受的概念是在邊緣計算中，數據處理在收集數據的硬體上。霧計算是當節點的⼀個子集發送其數據到更大的中心連接點，在連接到更大的整體中心網絡的過程中處理數據。
不管是邊緣計算還是霧計算，其優勢都很明顯。霧計算消除了將大量原始數據流發送到中央網絡的⼀些延遲和帶寬問題，但是它並不要求每組傳感器處理收集到的數據。
三、邊緣計算和霧計算的實際應用
無人駕駛汽車與智能城市是邊緣計算和霧計算最常被提到的2個應用範例：
- 無人駕駛汽車：
無人駕駛汽車的發展依賴於實時交通、障礙和危險數據的計算，以便快速做出決策，在發生碰撞時，⼀絲絲的延遲足以改變結果。儘管無人駕駛汽車可能仍然需要連接到雲網絡以發送、共用和接收資訊，但是在本地處理資訊對於實時決策至關重要。據統計，無人駕駛汽車每小時收集併產生超過3 TB的數據，如果我們希望無人駕駛汽車能夠真正實現，將會給雲計算網絡帶來巨大的壓⼒和風險。霧計算還可以用來分析和計算有關本地流量的數據，通過收集車輛資訊並加以處理，然後將其發送到整個雲端共用，以實現實時分析和決策。
- 智能城市：
比爾蓋茨投資8000萬美元在亞利桑那州從頭開發⼀個智能城市。 在收集關於交通，行人，照明，建築物健康的實時數據的城市中，邊緣和霧計算將是必不可少的服務。邊緣計算節點可以同時以高解析度計算天氣，可見性，交通擁堵和基礎設施運行狀況資訊，並且仍然可以通過雲爲居民或訪客高效快速地共用資訊。
目前產業界所提出的解決方案包含邊緣運算專用的運算晶片、邊緣運算導向五感融合的感測技術、邊緣運算基礎的網路架構與通訊設備，並歸納出自駕車、機器人、監控、AR/VR、無人機等五種適合邊緣運算架構的終端裝置。
想成為爬蟲工程師 、資料分析師 、資料工程師 、資料分析領域專家 、人工智慧產品經理嗎？還是你的公司正需要培養此領域人才呢？
點我了解 AI資料科學家全方位學程 👉 https://bit.ly/3o4N39e
每日5分鐘， 提拔我園丁陪你快速添補AI/資料科學知識與技能。
若想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料