边缘计算网络自动连接

1. 边缘计算有什么特点

边缘计算有以下的六大特点：
第一，去中心化

边缘计算就是让网络、计算、存储、应用从“中心”向边缘分发，以就近提供智能边缘服务。
第二，非寡头化
边缘计算是互联网、移动互联网、物联网、工业互联网、电子、AI、IT、云计算、硬件设备、运营商等诸多领域的“十字入口”，一方面参与的各类厂商众多，另一方面“去中心化”在产品逻辑底层，就一定程度上通向了“非寡头化”。
第三，万物边缘化
边缘计算和早年的IT、互联网，如今的云计算、移动互联网，以及未来的人工智能一样，具备普遍性和普适性。
第四，安全化
在边缘计算出现之前，用户的大部分数据都要上传至数据中心，在这一上传的过程中，用户的数据尤其是隐私数据，比如个体标签数据、银行账户密码、电商平台消费数据、搜索记录、甚至智能摄像头等等，就存在着泄露的风险。而边缘计算因为很多情况下，不要再把数据上传到数据中心，而是在边缘近端就可以处理，因此也从源头有效解除了类似的风险。
第五，实时化
随着工业互联网、自动驾驶、智能家居、智能交通、智慧城市等各种场景的日益普及，这些场景下的应用对计算、网络传输、用户交互等的速度和效率要求也越来越高。以自动驾驶为例，在这些方面，几乎是要求秒级甚至是毫秒级的速度。爱陆通的具有边缘计算技术的工业网关可以更好地进行数据传输。
第六，绿色化
数据是在近端处理，因此在网络传输、中心运算、中心存储、回传等各个环节，都能节省大量的服务器、带宽、电量乃至物理空间等诸多成本，从而实现低成本化、绿色化。

2. 什么是边缘计算

边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
自动化事实上是一个以“控制”为核心。控制是基于“信号”的，而“计算”则是基于数据进行的，更多意义是指“策略”、“规划”，因此，它更多聚焦于在“调度、优化、路径”。就像对全国的高铁进行调度的系统一样，每增加一个车次减少都会引发调度系统的调整，它是基于时间和节点的运筹与规划问题。边缘计算在工业领域的应用更多是这类“计算”。
简单地说，传统自动控制基于信号的控制，而边缘计算则可以理解为“基于信息的控制”。
值得注意的是，边缘计算、雾计算虽然说的是低延时，但是其50mS、100mS这种周期对于高精度机床、机器人、高速图文印刷系统的100μS这样的“控制任务”而言，仍然是非常大的延迟的，边缘计算所谓的“实时”，从自动化行业的视角来看——很不幸，依然被归在“非实时”的应用里的。

3. 什么是边缘计算有什么好处

边缘计算（Edge Computing）是一种在物理上靠近数据生成的位置处理数据的方法，这种技术使得联网设备能够处理在“边缘”形成的数据，这里的“边缘”是指位于设备内部或者与设备本身要近得多的地方。

好处：在边缘计算中，传感器数据不需要传输到汽车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。

本地化数据处理和存储对计算网络的压力更小。当发送到云端的数据变少时，发生延迟的可能性，以及云端与物联网设备之间的交互导致的数据处理延迟就会降低。

这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的CPU或GPU。

随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计算（Fog Computing）。边缘计算具体是指在网络的“边缘”或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。

换句话说，雾计算使得云更接近于网络的边缘，因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”

回到无人辅助驾驶场景：传感器能够收集数据，但不能立即对数据采取行动。例如，如果一名车辆工程师想要了解汽车车轴和刹车系统是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要进行维修或替换。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎状态不同）。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回中央云。

4. 边缘计算技术如何实现万物互联，推动产业发展

现阶段的物联网商业体系处于正在发展阶段，物联网基础设施架构还不完善，在这方面想要超过当前的IT数据中心基础设施还很难。为了推动物联网基础设施架构的成型以及在未来几年内跃进相对成熟的发展阶段，物联网相关技术发展需要IoT产业各上下游企业及技术法规制定机构共同推进进程。

全球知名市场研究机构 CB Insights 数据预估，在两年内全球几乎每人每天都会产生1．5 GB的数据。这将推动物联网系统服务的支出从2013年的不到500美元增加到2019年的1．7万亿美元。到2022年，预计仅边缘基础设施的支出将超过67亿美元。

边缘计算技术包括各种类目和子类目，所有这些都应该赋予各种技术标准和案例 － 从智能家电到智能汽车再到整个智慧城市。利用边缘计算及5G技术实现万物互联，从M2M到云端设备通信以及从客户端到服务器端（C／S）通信等不同连接场景下将产生大量数据包，如何确保各种物联连接环境下数据包的安全加密编解码以及针对其进行有效的大数据快速批处理算法意义重大。

另外在人工智能算法方面，神经网络、机器学习、自主分析以及其他应用程序等工具在某些特殊连接场景下，有快速的大数据运算的要求，这些即时的运算事件必须在实时或接近实时的时间进行，例如当自动驾驶汽车在高速公路下行驶或者连接的医疗设备正在为患者提供紧急救生服务时，确保这些特定场景下满足其业务需求，物联网、5G技术的发展速度和进程必须要提前先落地。

其次边缘的智能系统必须自己确定哪些数据要在本地处理，哪些数据由物联网基础设施来处理。建立物联网数据中心来治理智慧城市或者为一些物联网企业提供2B端物联网云服务又或者为2C端提供智慧家庭服务是有必要的，因为这可以快速将结果传递给连接的设备，不仅可以提供快速的响应时间，还可以防止集中的计算，存储和网络资源变得不堪重负。所以最好的方式是推动边缘技术持续的发展，建立聚合数据库和自动化预处理机制，同时在数据抽取分析决策方面需要高精度预判，机器自行决策如何在各种情况下进行自动化。

从智能边缘过渡到智能网格是边缘技术的一种延伸，在物联网工作负载和系统变得更加复杂的情况下，该体系结构也将更灵活，更灵敏。通过这种方式，物联网将促进边缘资源、M2M设备本身之间的更大连接，最终形成新的多点到多点结构层取代当今的点对点解决方案。
希望能帮到你(*^ω^*)