通俗讲解边缘计算

小灰灰 2022-09-14 00:18 209阅读 0赞

**目录**

通俗讲解边缘计算

如果是使用云计算，这款APP的行为是这样的：

如果是使用边缘计算，这款APP的行为就是这样：

可以使得设备的支持数量提升几个数量级。

让计算变得更为灵活和可控

边缘计算的模式和拓扑结构是什么样的呢。

--------------------

# 通俗讲解边缘计算 #

边缘计算，当然还有雾计算。其实**边缘计算和雾计算**都差不多，雾计算只是和云计算是相对的。只是叫边缘计算呢，比较高大上吧。

而边缘计算也有一段时间了，只是随着**物联网**的发展，边缘计算的概念也开始流行起来。我们先看一段非通俗的介绍边缘计算的概念：

边缘计算，是一种**分散式运算的架构**。在这种架构下，将应用程序、数据资料与服务的运算，由网络中心节点，移往网**络逻辑上的边缘节点来处理**。

或者说，边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。

边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。

举一个不太恰当的例子。

比如有一款APP，用户在使用这款APP的时候，就会收集用户的信息，比如收集这个用户的年龄，性别，手机号，地址位置，搜索记录等等信息，而收集这些信息主要是更好地分析这个用户的行为和感兴趣的东西，比如车，房子，书，美食等什么感兴趣。然后更为准确地为其投放内容及广告。

这个是很常见的一个功能，但是就是这样一个功能，怎么和边缘计算挂钩呢。

在边缘计算之前，就是云计算了。

### 如果是使用云计算，这款APP的行为是这样的： ###

APP收集到信息后，把所有的基本信息，上传**到服务器中，然后由服务器来执行**算法，计算和识别出用户的兴趣爱好，甚至可能推算出这个用户的消费能力。然后服务器就可以根据这个推算出来的结果，为用户投放其感兴趣的内容和广告。

### 如果是使用边缘计算，这款APP的行为就是这样： ###

APP收集了信息后，不上传到服务器中。然后由**APP自己计算和识别出这个用户的兴趣和爱好，也可以推算出这个用户的消费能力**，也就是服务器的计算功能，直接由APP来完成。然后服务器只需要问一下APP,哪个用户是有可能是年薪百万的，哪个用户是单身的。APP只需要告诉服务器说，这个一路向东用户很帅，而且还单身，喜欢旅游，写诗，可以为其投放相亲美女内容。

就这样，整个过程并没有服务器参与计算，服务器也没有参与收集信息。因为这个信息在APP本身收集和计算，并没有进行上传，所以也没有涉及信息收集。

而，这就是**边缘计算**。

*  以前由服务器作计算的部分，现在改由信息采集的设备直接计算了
 *  再把计算的结果，直接输出到服务器中，服务器只要结果，并不需要过程的数据。

边缘计算，说白了，就是（服务器）云计算懒得算了，就这点数据，你在数据采集的时候，顺便自己算得了，什么都丢到服务器来算，很累的。于是，边缘计算就这么来了。

那么，工控领域行业中使用到边缘计算的都有哪呢

这个就太多了。随着很多PLC，控制器和触摸屏等都开始接入到物联网中，每个设备需要采集的信息不一样，有温度，湿度，产量，生产数据，运行状态等。而不同**行业的参数指标，性能数据都不一样，这很难在服务器通过云计算来形成一套标准，这使得PLC，控制器等，都会用到边缘计算**。

DTU (Data Transfer unit)，是专门用于将**串口数据转换为IP数据或将IP数据转换为串口数据通过无线通信网络进行传送的无线终端设备**。DTU广泛应用于气象、水文水利、地质等行业。

为什么以前的DTU，或者物联模块等不流行边缘计算，现在开始流行了呢。

因为现在的***物联网*（Internet of Things，简称IOT）**

使用的模块或者芯片的处理能力也越来越高，资源也比较丰富，随着一些芯片成本的下降，以及开发模式的简化，使得一些芯片或模块在处理基本的数据采集功能后，仍存在资源过剩及功能利用率低的情况**，也就是一个100%的芯片或模块，你只使用了10%的来采集数据，那还有90%你可以用来作计算**

那么，使用边缘计算的优势在哪里呢。

### 可以使得设备的支持数量提升几个数量级。 ###

比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器最多只能接入1000个设备就挂了。

如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。

没有使用边缘计算，服务器可以接1000个设备。

如果使用了边缘计算，服务器可以接10000个设备。提升了一个数量级。而对于一些复杂的设备，特别是一些工厂，现场作业等需要数据量多的，如果使用了边缘计算来给服务器节省空间和资源，这个优势更能体现出来了。

### 让计算变得更为灵活和可控 ###

前面说到，接入设备的服务器很难做到统一的计算分析标准，因为物联网可是一个万物接入的网络，每一个设备采集的数据不一样。如果使用了边缘计算，就可以单独针对每一个设备进行相应的计算和分析。当然，如果相同的设备或者相同参数的，可以进行复制使用同一套计算标准或算法。如果将计算脚本开放出来给用户，用户就可以自定义去添加自己的计算公式和行为。

# 边缘计算的模式和拓扑结构是什么样的呢。 #

比如要在一套数据采集系统里，以一个云服务器为中心，移动客户端，PC客户端或第三方接口等接入到云服务器获取数据，而数据采集方呢，由数据采集模块来连接到云服务中。

数据采集模块可以采集PLC，变频器，智能仪表等，将数据上传到云服务器中，由服务器进行数据分析和计算，然后PC或移动客户端，第三方接口就可以获取数据分析的结果。但是这种情况下，随着设备的接入越来越多，云服务器的负担也会越来越重，而且接入的PLC，控制器等的种类也越来越多，原来的云服务数据计算模式难以满足越来越复杂的应用。这时候边缘计算就应运而生了。

在**原拓扑结构不变的情况，可无缝引入边缘计算。**在数据采集模块端开放边缘计算功能，将复杂的计算，策略，规则等，由数据采集模块进行运算，得到输出结果后，只需要将结果上传到云服务中。再由PC客户端，移动客户端及第三方接口从云服务获取。

比如数据采集模块需要采集一个电表，电表能采集的数据有电流，电压，偏偏没有功率。当然现在的电表采集不到功率很少了，只是举例。

那怎么办呢，偏偏客户很想看到功率。那在没有边缘计算的时候，为了要看到功率，只好在云服务里，增加一定的计算规则，将采集到的电流和电压通过计算得到功率。如果有1000个电表，云服务器就要对这1000个电表进行计算。这就增加了云服务器的工作量和负担了。

如果有了边缘计算，那么在数据采集模块，就可以添加计算功能，直接将采集的电流和电压通过计算得到功率，只需要把功率上传给服务器就可以了。这样，即便有50000个电表，云服务也毫无计算压力，因为它并不需要计算。