这些设备中的大多数会将它们在早期物联网时代收集的所有数据上传到云端进行分析。当我们试图向云中发送数万亿兆字节的数据时，数据上传开始变慢。这就是边缘计算的用武之地，它可以让物联网设备在本地处理部分数据，而不是将其发送到云端。这就是名称的来源，信息不是被发送到其他地方，而是在自己的网络边缘处理。
边缘计算在物联网中的作用
在当今的物联网生态系统中，边缘计算有着独特的用途。得益于这种分布式的本地计算架构，物联网设备不存在延迟和连接问题，否则这些问题将阻止一些物联网用例的实现。这一关键技术是物联网应用的基础，这些应用使用分类数据，需要快速或低延迟决策，发生在易受攻击或不存在云访问的环境中，并具有数据密集型用例，例如工业物联网实施。
与基于云的分析相反，边缘计算设备具有最小的延迟，因为数据是在本地计算的。这有可能影响或破坏物联网设备的功能，以实现对时间敏感的任务的精确性。边缘计算可以大规模利用物联网，而不会出现数据被盗或网络过载的危险，边缘计算在计算上是安全的、负担得起的、私密的和有效的。
此外，边缘计算为关键任务增加了一层冗余和弹性。即使某个元素出现故障，业务也可以继续正常运行，因为这一过程是分散的，而不是集中到单个系统中。
这并不是说边缘计算不能与基于云的技术共存。它当然可以，而且经常这样做。在这些情况下，边缘计算可能能够提供一些实时数据，并充当过滤器，以确定哪些数据应该随着时间的推移上传到云端，以便用于更深入或更复杂的分析技术。
边缘计算在工业物联网情况下被适当地最小化，例如在生产工厂的地板上，以降低停机或数据泄露的风险，并更有效地管理大量数据。
边缘计算的低延迟组件对于使用它的制造商来说是一个巨大的工人安全优势。例如，与其等待云分析，后者的延迟可能导致停机和部件报废，如果从数据适配器收集的数据显示微妙的异常，比如说颤动，这可能表明应力断裂或其他形式的短期故障，则可以立即关闭机器。
总之，边缘计算分析一些靠近本地网络边缘的物联网设备数据，而不是将其发送到云端，以实现更快的、冗余的、连接独立的、易于扩展的物联网处理。
云计算例子
考虑一个由大量高质量物联网摄像机保护的结构。摄像头只发射原始视频信号，然后不断地将其发送到云服务器。为了确保只有有活动的剪辑被添加到服务器的数据库中，所有摄像机的视频输出都通过云服务器上的一个运动检测应用程序运行。
由于传输了大量视频内容，对建筑物的互联网基础设施存在持续而严格的需求。云服务器承受着巨大的压力，因为它同时处理来自所有摄像机的视频。
想象一下网络边缘接收运动传感器计算。如果每台摄像机在将必要的镜头发送到云服务器之前，在其内部计算机上运行运动检测软件会怎样？由于大部分摄像机镜头不需要传输到云服务器，因此将显着减少使用的带宽量。
因此，云服务器将只负责保存关键镜头，使其能够与许多相机通信，而不会变得负担过重。这是边缘计算的一个例子。
