边缘计算一看就懂：真的很形象

云计算才搞透，又出来一个边缘计算？边缘计算是何方神圣，它和云计算又是如何相爱相杀的呢？

首先什么是边缘计算？我们先说点其他的，比如人……

我们首先大脑里勾画一张图，就是一张人类大脑神经网络图，如果你还想不到，那直接看下图：

把云计算看作是大脑，那么边缘计算就像是大脑输出的神经触角，这些触角连接到各个终端运行各种动作。

这个动物大家应该都认识，就是可以当刺身来吃的八爪鱼—章鱼。章鱼是很神奇的动物，40%的神经元是在头上，剩下60%在触角上。

作为自然界中智商最高的无脊椎动物，拥有“概念思维”能力，与他两个强大的记忆系统分不开。一个是大脑记忆系统，大脑具有5亿个神经元，另一个是八个爪子上的吸盘。也就是说，章鱼的八条腿可以思考并解决问题。

脑子真是个好东西，章鱼就有好几个！

云计算就像是天上的云，看得见摸不着，像章鱼的大脑，边缘计算就类似于八爪鱼的那些小爪子，一个爪子就是一个小型的机房，靠近具体的实物。

举个例子，阿里在北京有一个云计算中心，在成都的数据量越来越大，可能在成都这个地方再设一个边缘计算中心，将计算一部分的功能下沉到边缘，类似今后车联网自动驾驶之间的数据，就不需要从北京绕个大圈，而是直接到成都这边的边缘计算中心，可以大幅缩短时延。

另外，加了这个边缘计算中心，边缘计算中心和云计算中心之间的流量是不是也大幅减少了？

因为有很多的数据量已经在底层被处理过了，不需要完整把你收集上来的数据打包送上去。

根据IDC的报告，2020年将有500亿的设备和终端联网，这意味着物联网现在拥有巨大的市场机会。

在这个基础上有50%的物联网网络，面临网络带宽的限制。

现在可以看到采集来的数据，这是预估的数据，2020年每个互联网用户每天访问的数据是1.5GB，我自己是远远不止。

数据量越来越大，全部上云的话，怎么操作呢？

再举个例子，我们现在的路口有很多的摄像头，监控着路口各个方向所有来来往往的车辆，按理我们应该很清楚路口的交通状况，但很多时候我们开车会发现一边排长龙，一边没有车，排长龙的方向还要等上60秒，这干等的时间不是影响了通行效率？

如果我们在路口的监控摄像机装上了AI芯片，通过AI芯片去计算就可以算出路口各方向各车道有多少辆车，是否可以动态地自己调整这个路口信号灯的时间长短。

如果直接由芯片进行计算改信号灯让我们直接通过，是不是就可以大幅提高交通效率。

云计算是把握整体，那么边缘计算就更专注于局部。边缘计算的优势非常明显——可以提供更实时、更快速的处理能力，成本更低。

1、近水楼台先得月

边缘计算分布式以及靠近设备端的特性注定它实时处理的优势，所以它能够更好的支撑本地业务实时处理与执行。

2、简单不粗暴效率高

家门口的事情就不麻烦远在天边的云计算了，边缘计算直接对终端设备的数据进行过滤和分析，节能省时效率还高。

3、省心省力省流量

边缘计算减缓数据爆炸和网络流量的压力，用过边缘节点进行数据处理，减少从设备到云端的数据流量。

4、智能更节能

AI+边缘计算组合的边缘计算不止于计算，智能化特点明显，另外云计算+边缘计算组合出击，成本只有单独使用云计算的39%。

再打一个不太合理的比方，设想一下，本来存钱取钱大家都要去银行人工柜台处理，排队人山人海，路上交通造成堵塞，还浪费时间和精力，现在家门口就有自助柜员机，是不是再也不用取号排队等叫号?

辣么，既然边缘计算这么牛，就直接把云计算干掉吧！留它何用？

太天真了！你能把章鱼的大脑切掉直接用八个爪子生活吗?你怎么不上天！

虽然今后会将越来越多的基础任务交给边缘计算来完成，但是这只能代表边缘所在的装置设备会越来越灵敏，但是不能直接说这些任务和云毫无关系，他们是一种让彼此更完美的存在。

边缘计算和云计算互相协同，它们是彼此优化补充的存在，共同实现行业数字化转型。云计算是一个统筹者，它负责长周期数据的大数据分析，能够在周期性维护、业务决策等领域运行。边缘计算着眼于实时、短周期数据的分析，更好地支撑本地业务及时处理执行。边缘计算靠近设备端，也为云端数据采集做出贡献，支撑云端应用的大数据分析，云计算也通过大数据分析输出业务规则下发到边缘处，以便执行和优化处理。

5G的到来，物联网将会不断创造新的生态，两个毫无关系的人可以通过各种方式连接，但太平洋里的章鱼如何跟大西洋里的章鱼“对话”？再赐它们几百亿个神经元也做不到，但是边缘计算可以！

边缘计算不能吃，但章鱼可以吃啊！

总而言之，言而总之，边缘计算会是一个很大的产业和生态，就等你来！你懂了吗？