不得不说，物联网、人工智能以及5G等技术的快速发展，带起了智能制造、智慧农业、自动驾驶、智慧能源以及医疗保健等领域的兴起。边缘计算正凭借其更实时快速的数据处理和分析、较少的网络流量占用、较低的运营成本以及更高的运行效率等优势，在更广泛的行业领域大展身手。那么在这之前，关于边缘计算的几个常见误区，你都了解吗?
从IDC的预测数据来看，全球数据圈规模将从2018年的33ZB增至2025年的175ZB，且到了2025年，全球数据圈将有近30%的数据是实时数据。若想为用户提供一流的使用体验并扩大市场份额，企业的基础设施必须能够满足实时数据的增长需求，因此边缘计算的用武之地，未来会更为凸显。麦肯锡公司在2018年10月的报告中提出了107个不同的边缘计算用例。预计到2025年，边缘计算的潜在价值介于1750亿美元到2150亿美元之间，而这仅仅只是硬件公司的价值。
如此不难看出，边缘计算的潜力是无穷的，而对于期望充分挖掘数据价值的企业来讲，不了解边缘计算就容易被行业“边缘化”。正如Gartner分析师Thomas J. Bittman所说，多数公司都意识到他们需要拓宽思维，不仅关注集中化和云计算，也应该关注低延迟和实时的分布式处理，但这谈何容易。为了帮助企业更进一步了解边缘计算，我们为大家罗列了有关边缘计算的几个常见误区。
边缘会吞噬掉云吗？分布式计算的优势可以说非常明显，所以很多风险投资家也开始将关注点从云转移到边缘，有些甚至发布了较为大胆的预测。例如，企业投资人Peter Levine曾在2017年发表过题为《边缘的回归和云计算的终结》的演讲中表示，由于机器学习和IoT驱动，计算从云转移到边缘，云将在“不久的将来”消散。同一年，Gartner的分析师Thomas Bittman也发表了类似的观点，称“边缘将吞噬云”，他在文中阐述了向“低延迟和基于地理位置的实时数据处理与分布式数据处理”的转变。
事实是，边缘和云相得益彰。正如IDC预测，全球实时数据量将会大幅增加，到2025年，全球30%的数据将需要实时处理。该预测并非凭空而来，而是有据可循的。例如，自动驾驶汽车和联网汽车（联网汽车与其他车辆进行大量数据通信，但不为驾驶员做出决策，如果一辆联网或自动驾驶汽车的传感器感知到马路上有孩子们正在玩耍，而另一辆汽车很可能闯该区域的红灯。这种情况下，将这些信息发送回云再进行处理是来不及的，必须要迅速即刻的处理，毫秒级的延迟都关乎生命。
Levine认为，这种对性命攸关的数据的处理需要在终端进行。但是，他在同一篇报告中也承认，“重要信息仍将存储在集中化的云中”，云仍将是支持集中式机器学习的中心，这一中心需要大量数据并在边缘聚集洞察。同样，Gartner的Bittman也承认“云仍将发挥重要作用”。
由此可见，边缘不会取代云，相反还会促进云向边缘的拓展。不仅如此，超大规模数据中心仍适用于集中化的应用，比如大规模归档、内容分发、应用存储和快速原型等等。对此，希捷与Vapor IO也在今年发布的《边缘数据》报告中表示，像Vapor IO、Edgeconnex和DartPoints这类提供边缘解决方案的公司正在转向边缘数据中心。边缘数据中心具有小型、区域性、设备独立、低成本、自动化等特征，位于网络的边缘。边缘位置独特，比如停车场、市政道路以及手机信号塔基站等。
无独有偶，Dell EMC也表示，这些边缘集群的设计旨在抵御外围环境和安全方面的挑战，它们拥有“足够的计算能力，可以独立于集中式数据中心，进行数据整合和处理”。云计算和边缘计算基础设施提供商Packet将这些产品称为“可以随处安放”的云。边缘可以被视为云的自然产物。Telefonica公司副总裁Patrick Lopez表示：虽然云促进“互联网大众化”，但我们认为边缘将会是互联网大众化的新生代力量。边缘计算本质上是把云和电信的最佳特质结合在一起，云的极致特征就是云服务便捷的访问，而电信的极致在于其即时性、永远在线、永远连接，这就是两者结合的优势所在。
边缘只有一处？毕竟提到边缘时，我们常使用单数形式。事实是，边缘在很多地方存在。当边缘为单数形式时，它指的是在数据创建地附近进行数据处理的一个生态系统，但边缘存在于多处是不争的事实，也是非常重要的事实：所有这些边缘网络都依赖于应用的需求。换言之，网络越来越多，外部网络边界也就越多，这些外部网络边界包含着运行用户感兴趣的应用程序的多个端点。边缘可以根据应用需求灵活地安置在不同的位置，比如可以运行于田野的谷仓、联网汽车或者在其他许多地方。
为特定目的而打造的定制化边缘已经成为一个趋势。随着时间的推移，边缘将变得更为云化：边缘定制化会出现，但很可能只作为软件层。正如Telefonica公司的Lopez所说，云的随处可访问以及对开发者的简单易用等特性，可能也会成为所有边缘的必备条件。如果有人开发了一款可以在边缘运行的应用程序，那么该应用程序应该支持在任何网络部署。
将云压缩在盒子里就是边缘了吗？有些数据存储和处理需要在边缘进行，边缘至少需要具备云环境的某些属性，平等的网络访问以及各边缘网络中的应用程序相互兼容。这听上去就像是让每个边缘都变成一小块云。
但事实是，边缘并不是一朵小小的云。数据及其需求成就了边缘，边缘并不是微型云。原因在于，首先边缘完全由数据驱动，即边缘是由接近最终用户进行生产和处理数据的应用所决定。这些应用存在很大的差异性，范围涉及智慧城市的公共设施监管、虚拟现实场景、桥梁监控以及通过虚拟助手在工厂里制作衣服的机器人等等。这些应用场景生成的数据（需要在边缘处理）也是多种多样的，这就是为什么说边缘基础设施依赖于应用的原因。
就像我们前面提到的，边缘没有空间和时间存储某些特定类型的数据，包括归档数据，机器学习的数据（用来训练机器学习算法的数据湖、大规模数据集），此类数据在边缘基本没有用武之地。最后，边缘并不是微型云，因为边缘可以实现远程自动操作且物理距离接近用户，且与云不同的是，边缘是由位置和距离数据的远近来定义的。此外，与集中式、通用型数据中心不同，每个边缘都专注于解决特定的问题。
最后我们想说，边缘计算让计算更靠近数据源，更迅捷地向最终用户交付服务。充分了解边缘计算的优势以及特征，合理进行边缘计算部署，将会助力各个行业成功挖掘数据的价值，助力万物互联时代的到来。
从IDC的预测数据来看，全球数据圈规模将从2018年的33ZB增至2025年的175ZB，且到了2025年，全球数据圈将有近30%的数据是实时数据。若想为用户提供一流的使用体验并扩大市场份额，企业的基础设施必须能够满足实时数据的增长需求，因此边缘计算的用武之地，未来会更为凸显。麦肯锡公司在2018年10月的报告中提出了107个不同的边缘计算用例。预计到2025年，边缘计算的潜在价值介于1750亿美元到2150亿美元之间，而这仅仅只是硬件公司的价值。
如此不难看出，边缘计算的潜力是无穷的，而对于期望充分挖掘数据价值的企业来讲，不了解边缘计算就容易被行业“边缘化”。正如Gartner分析师Thomas J. Bittman所说，多数公司都意识到他们需要拓宽思维，不仅关注集中化和云计算，也应该关注低延迟和实时的分布式处理，但这谈何容易。为了帮助企业更进一步了解边缘计算，我们为大家罗列了有关边缘计算的几个常见误区。
边缘会吞噬掉云吗？分布式计算的优势可以说非常明显，所以很多风险投资家也开始将关注点从云转移到边缘，有些甚至发布了较为大胆的预测。例如，企业投资人Peter Levine曾在2017年发表过题为《边缘的回归和云计算的终结》的演讲中表示，由于机器学习和IoT驱动，计算从云转移到边缘，云将在“不久的将来”消散。同一年，Gartner的分析师Thomas Bittman也发表了类似的观点，称“边缘将吞噬云”，他在文中阐述了向“低延迟和基于地理位置的实时数据处理与分布式数据处理”的转变。
事实是，边缘和云相得益彰。正如IDC预测，全球实时数据量将会大幅增加，到2025年，全球30%的数据将需要实时处理。该预测并非凭空而来，而是有据可循的。例如，自动驾驶汽车和联网汽车（联网汽车与其他车辆进行大量数据通信，但不为驾驶员做出决策，如果一辆联网或自动驾驶汽车的传感器感知到马路上有孩子们正在玩耍，而另一辆汽车很可能闯该区域的红灯。这种情况下，将这些信息发送回云再进行处理是来不及的，必须要迅速即刻的处理，毫秒级的延迟都关乎生命。
Levine认为，这种对性命攸关的数据的处理需要在终端进行。但是，他在同一篇报告中也承认，“重要信息仍将存储在集中化的云中”，云仍将是支持集中式机器学习的中心，这一中心需要大量数据并在边缘聚集洞察。同样，Gartner的Bittman也承认“云仍将发挥重要作用”。
由此可见，边缘不会取代云，相反还会促进云向边缘的拓展。不仅如此，超大规模数据中心仍适用于集中化的应用，比如大规模归档、内容分发、应用存储和快速原型等等。对此，希捷与Vapor IO也在今年发布的《边缘数据》报告中表示，像Vapor IO、Edgeconnex和DartPoints这类提供边缘解决方案的公司正在转向边缘数据中心。边缘数据中心具有小型、区域性、设备独立、低成本、自动化等特征，位于网络的边缘。边缘位置独特，比如停车场、市政道路以及手机信号塔基站等。
无独有偶，Dell EMC也表示，这些边缘集群的设计旨在抵御外围环境和安全方面的挑战，它们拥有“足够的计算能力，可以独立于集中式数据中心，进行数据整合和处理”。云计算和边缘计算基础设施提供商Packet将这些产品称为“可以随处安放”的云。边缘可以被视为云的自然产物。Telefonica公司副总裁Patrick Lopez表示：虽然云促进“互联网大众化”，但我们认为边缘将会是互联网大众化的新生代力量。边缘计算本质上是把云和电信的最佳特质结合在一起，云的极致特征就是云服务便捷的访问，而电信的极致在于其即时性、永远在线、永远连接，这就是两者结合的优势所在。
边缘只有一处？毕竟提到边缘时，我们常使用单数形式。事实是，边缘在很多地方存在。当边缘为单数形式时，它指的是在数据创建地附近进行数据处理的一个生态系统，但边缘存在于多处是不争的事实，也是非常重要的事实：所有这些边缘网络都依赖于应用的需求。换言之，网络越来越多，外部网络边界也就越多，这些外部网络边界包含着运行用户感兴趣的应用程序的多个端点。边缘可以根据应用需求灵活地安置在不同的位置，比如可以运行于田野的谷仓、联网汽车或者在其他许多地方。
为特定目的而打造的定制化边缘已经成为一个趋势。随着时间的推移，边缘将变得更为云化：边缘定制化会出现，但很可能只作为软件层。正如Telefonica公司的Lopez所说，云的随处可访问以及对开发者的简单易用等特性，可能也会成为所有边缘的必备条件。如果有人开发了一款可以在边缘运行的应用程序，那么该应用程序应该支持在任何网络部署。
将云压缩在盒子里就是边缘了吗？有些数据存储和处理需要在边缘进行，边缘至少需要具备云环境的某些属性，平等的网络访问以及各边缘网络中的应用程序相互兼容。这听上去就像是让每个边缘都变成一小块云。
但事实是，边缘并不是一朵小小的云。数据及其需求成就了边缘，边缘并不是微型云。原因在于，首先边缘完全由数据驱动，即边缘是由接近最终用户进行生产和处理数据的应用所决定。这些应用存在很大的差异性，范围涉及智慧城市的公共设施监管、虚拟现实场景、桥梁监控以及通过虚拟助手在工厂里制作衣服的机器人等等。这些应用场景生成的数据（需要在边缘处理）也是多种多样的，这就是为什么说边缘基础设施依赖于应用的原因。
就像我们前面提到的，边缘没有空间和时间存储某些特定类型的数据，包括归档数据，机器学习的数据（用来训练机器学习算法的数据湖、大规模数据集），此类数据在边缘基本没有用武之地。最后，边缘并不是微型云，因为边缘可以实现远程自动操作且物理距离接近用户，且与云不同的是，边缘是由位置和距离数据的远近来定义的。此外，与集中式、通用型数据中心不同，每个边缘都专注于解决特定的问题。
最后我们想说，边缘计算让计算更靠近数据源，更迅捷地向最终用户交付服务。充分了解边缘计算的优势以及特征，合理进行边缘计算部署，将会助力各个行业成功挖掘数据的价值，助力万物互联时代的到来。
