IT管理员不需要在边缘和云之间进行选择，但需要了解每种技术的优缺点，以便最好地将它们融入到企业运营中。
许多组织使用云作为其整体IT平台的一部分。资源管理的灵活性和更高的整体利用率的承诺可以等同于节省成本。
此外，对许多人而言，公共云是一个有吸引力的平台，因为通过第三方管理底层平台可以节省技能，此类平台规模庞大，并且能够在全球范围内安全地保存数据。
然而，组织在集中数据收集和分析方面遇到了问题。这导致边缘计算作为替代方案的兴起。
什么是云计算?
通过云计算，创建了一个平台，可以将计算、存储和网络等资源以高度虚拟化的方式灵活地应用于特定工作负载，以更好地满足现代动态工作负载的需求。该平台运行许多工作负载，并允许在它们之间共享资源，通常使用业务驱动的优先级来定义哪个工作负载首先使用任何资源。
云计算的优点
云具有很多优点，包括：
高度动态灵活的资源配置。通过正确的配置，云可以根据需要灵活地将资源应用于工作负载。例如，对计算能力的需求突然激增的工作负载可以从虚拟资源堆中应用此功能。当峰值结束时，可以释放资源并将其放回堆中，准备好进行配置以满足另一个工作负载的要求。
高度虚拟化。在架构良好的云中，平台虚拟化意味着工作负载获得高水平的可移植性。如果需要，可以将应用的实例从云的一个部分移动到另一部分，并且可以快速完成。这提高了可用性和性能，并有助于避免分布式拒绝服务攻击等问题。
云计算的缺点
云也有其缺点，包括：
资源上限仍然存在。确实如此，尤其是在私有云中。物理服务器的利用率通常不会高于百分之几十——在很长一段时间内以单一百分比运行。私有云可能会将整体利用率提高到百分之几十，但可能会遇到网络限制方面的问题。与资源利用率如此低下相关的成本不仅包括保持一切运行所需的电力需求，还包括所需的冷却、操作系统和应用许可以及维护。公共云可能已经管理着数十万个工作负载，并以高达数十%的资源利用率运行，但它们可以更好地处理所需的空间;仅管理数十到数百个工作负载的私有云可能不具备此类功能。
处理环境的更多物理方面存在困难。即使有了虚拟化，虚拟世界和物理世界之间仍然存在牢不可破的联系。尽管公共云在其自己的数据中心之间具有内部高速网络连接和高度优化的连接，但组织和公共云之间通常没有这种高速互连。如果公共云中的集中式数据分析依赖于缓慢且较低的带宽连接来访问组织环境中的数据，那么当数据负载较高时，可能会出现数据锯齿和数据包冲突等重大问题。
什么是边缘计算?
对于边缘计算，其想法是利用云的集中式特性，但避免在不必要的情况下传输和分析数据。让智能更接近数据创建的地方和需要智能决策的地方可以提高整体性能。
边缘计算可以通过称为边缘设备的特殊计算单元来执行，也可以通过在靠近创建数据的设备的标准物理或虚拟服务器上运行的专用软件映像来执行。然后，边缘计算服务可用于捕获、操作和分析数据，并决定应在哪些领域执行哪些操作。
边缘计算的优点
边缘计算具有以下优势：
边缘计算使数据智能更接近需要的地方。这意味着响应得到了改善。对于生产线系统或智能建筑等领域，这种更即时的数据处理和决策可能是必要的。
边缘计算最大限度地减少了更广泛网络上的数据传输。整个平台中网络流量可能导致问题的部分可以保留用于必须集中的数据。
其使数据传输能够采用更加“洋葱皮”的方法。在这里，边缘设备可以捕获和分析来自一组不同设备的数据，并可以过滤掉明显无用的数据。其还可以查看是否存在任何指向紧急问题的内容，并将该数据发送到集中式云或另一个更靠近核心的功能更强大的边缘设备，以进行更详细的分析。
边缘计算的缺点
边缘计算也存在一些问题，包括：
定义边缘可能很困难。云平台已经混淆了IT平台及其组成部分的边缘定义。对于现代边缘计算，需要定义由一组紧密协同定位的数据生成设备组成的“虚拟边缘”是核心架构需求。然而，以物联网为例，一台边缘设备到底应该负责多少个物联网设备呢?单个边缘设备应该负责哪些不同类型的物联网设备，即使它们都紧密地位于同一位置?
可能会出现误报和漏报。由于当今市场上的大多数物联网设备都是相对愚蠢的设备，因此边缘设备必须承担数据收集和分析的责任。然而，边缘设备必须具有成本效益;管理10个物联网设备的边缘设备不会花费数千美元。寻找能够以适当的资金提供适当的智能的边缘设备或计算实例，仍然是IT团队必须小心平衡的一个问题。
边缘计算会取代云计算吗?
答案是，不会。云提供了一个底层平台，可以提高组织的整体灵活性，同时提供降低成本和提高对市场变化的响应能力的机会。边缘计算提供了一种额外提高性能的方法，特别是在数据分析和决策方面。诀窍在于实现底层云平台与边缘计算的明智使用的良好混合，以满足组织的需求。
现代IT环境中的云
云必须解决的主要问题之一是物联网的蓬勃发展。例如，设备散布在组织的物理IT环境周围，执行一系列不同的任务，从简单的测量到针对生产线或智能建筑的要求的复杂操作。物联网设备数据丰富，但非常“嘈杂”，这意味着大部分数据几乎没有用处。这些数据不是连续的，而是随着时间的推移作为一系列事件产生。这些数据不需要遍历网络，但许多物联网设备没有内置智能来了解这一点。
这里有一个二分法:试图通过云平台完全管理物联网环境并不是最佳的做事方式。问题在于，要让云处理这些物联网设备创建的所有数据，所有数据都必须通过网络传输到云计算能力所在的位置。这将导致数据本身的延迟，以及对云的整体带宽的重大影响，即使其具有资源灵活性。边缘计算优化了数据管理，最大限度地减少了不必要的数据网络流量。
如何在边缘和云之间进行选择
这里的选择是在整个混合云平台中使用边缘的地方。在大数据工作负载有意义的情况下，例如，在查看在线购物者的购买模式或分析完整数据集时，使用中央云平台是有意义的。然而，当查看类似设备的离散分组时，其中大量数据几乎没有用处或需要更即时的决策，使用边缘设备或服务可以帮助以更优化的方式聚合、过滤和分析数据。
对于IT架构师而言，确保整体架构满足组织的需求是关键。然而，边缘服务的引入可以分阶段进行，根据优先需求用边缘取代现有的集中式服务。
雾计算和边缘云
那些在云计算世界中研究边缘计算的人可能也会遇到雾计算——这实际上是将两个概念结合在一起，更像是一个单一的概念。边缘计算设备被放置在尽可能接近实际需要的地方，但与主要的集中式云平台紧密集成。
还有另一个——边缘云，其对不同的人有不同的含义;许多人认为其与雾计算相同。对于其他人而言，边缘云更像是一个完全集成和优化的整体基础设施平台，依赖于底层网络结构来管理数据流和分析。然而，雾计算和边缘云是相似的概念。
对于大多数组织而言，其结果是雾计算/边缘云环境。混合整个平台可为未来提供增强的功能和灵活性。
