物联卡（）：所谓边缘计算，指在靠近物或数据源头的一侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供智能互联服务。物联网产生的大部分数据现在都是通过网络发送到云中或远程数据中心进行处理。但是，网络开放架构中的许多性能和安全漏洞使得云不适用于许多物联网用例，尤其是那些涉及时间敏感和高度关键信息的用例。
什么是边缘计算？
边缘计算在数据生成地或其附近处理和分析数据。正如Andrea Reale所述，“边缘计算应用程序使用物联网设备的处理能力来过滤、预处理、聚合物联网数据”。
在边缘计算模型中，数据处理发生在做出决策的地方或附近。传感器和相连的设备将数据传输到附近处理或分析数据的边缘计算设备。本质上，边缘设备可以是任何接入网络的设备，例如，个人电脑、路由器、广域网和交换机。这些边缘设备充当微型数据中心，聚集和分析本地收集的数据，然后通过云将分析结果分发给所有传感器。
为什么在边缘处理？
在边缘处理物联网数据有很多好处。其中包括：
▲安全
在物联网设备中或附近处理数据可能会提高隐私和安全性。通过网络提供的云服务容易受到安全问题的影响，与其说是数据存储在云中，不如说是通过公共网络向云端传输数据。依靠公共网络访问和传输物联网数据会使关键信息容易被恶意第三方拦截。边缘计算应用程序可以确保敏感数据在现场得到预处理，并且只有在数据通过第一层匿名聚合后，应用程序才会将数据发送到云中进行进一步分析。
▲节省成本
传输到云端的数据越多，所需的带宽就越高。能够在将数据发送到云端之前对其进行分析和过滤，可以显著节省网络连接成本。仅需要将汇总分析后的数据传输到云中。
▲可靠性
与云或远程数据中心的连接可能不可靠，尤其是当应用程序部署在网络覆盖有限或间歇性的远程位置时。将计算处理分配到边缘也确保了如果一个边缘设备出现故障，其他计算资源不会受到影响。
▲低延迟
云存储提供商Clearsky Data的首席技术官Lazarus Veklaraides评论道：“当你需要处理来自数百万台设备的数据时，你可以在云中进行。问题是，云通常离我们很远，因此会产生相当大的延迟，而且数据量也无法很好地适应云端。”
另外，延迟问题是许多传感器无法满足将数据传输到云中所需的功耗要求。为了解决延迟问题，边缘计算允许传感器本身或附近的处理设备立即分析数据，甚至机器学习算法也可以直接在边缘设备上运行，只在需要时才与云交互。
物联网的发展和云计算的推动使得边缘计算的模型出现在社区之中。在边缘结点处理数据能够提高响应速度，减少带宽，保证用户数据的私密性。这篇文章当中，我们提到了边缘计算以后发展的展望和挑战。
