边缘计算对于许多物联网应用至关重要，它能够降低延迟和降低带宽使用。然而，当谈到物联网时，大多数人都忽略了边缘计算的一个最重要的优势。在讨论这个被忽视的关键好处之前，让我们先定义什么是边缘计算和云计算。
01
云计算与边缘计算
“云计算是计算机系统资源的按需可用性，特别是数据存储（云存储）和计算能力，而无需用户直接主动管理”。
“边缘计算是一种分布式计算范式，它使计算和数据存储更接近需要的位置，以提高响应时间和节省带宽”。
在云计算时代之前，企业必须自己购买物理服务器来获得所需的计算能力和存储，前期投入和后期管理是十分昂贵的（购买所有的硬件和设置、维护和更新）。云计算的诞生，意味着企业不再需要购买和管理硬件，企业可以支付所需费用，云服务商来负责管理。
云计算产生了深远的影响，为企业提供了可扩展性、可靠性、安全性和易用性。然而，云计算并不是完美的，需要权衡利弊。
云计算是集中化的，这意味着无论终端设备（例如智能手机）位于何处，数据都需要通过网络（如4G蜂窝连接）从终端设备传输到云提供商的数据中心，然后再反向操作，到达终端设备。对于需要快速传输大量数据的应用程序，这可能既缓慢又昂贵。
这就是边缘计算的用武之地。为了了解边缘计算的好处，通常以自动驾驶车辆为例：
延迟：自动驾驶车辆需要在瞬间做出决定。如果一辆车在你面前突然转弯，你会希望你的车不得不等待从远处云端得到指示吗？不！你肯定想让你的汽车在它的本地计算机上处理尽快做出决定。
带宽：无人驾驶汽车辆捕获的大量数据估计为每小时4TB，与你的智能手机每天平均100MB的数据相比，这是40000倍的数据。流式传输所有这些数据既昂贵又可能导致网络拥塞。
出于这两个原因，在自动驾驶车辆的边缘（在这种情况下，在车辆本身上）执行计算是有意义的。
云计算和边缘计算的问题不是二选一，云和边缘都有各自的优势，问题是应该在何时使用云计算和边缘计算。
一条有用的经验法则是：“云计算运行在大数据上，而边缘计算运行于‘即时数据’，即传感器或用户生成的实时数据”。
02
究竟什么是“边缘”？
边缘基本上意味着“非云”，因为组成边缘的内容可能因应用程序而异。为了解释，让我们看一个例子。
在医院需要知道所有医疗资产（例如，静脉输液泵、心电图机等）的位置，并使用蓝牙室内跟踪物联网解决方案。这个解决方案有蓝牙标签，你可以把它附加到你想要追踪的资产上（例如，静脉注射泵）。你还拥有蓝牙集线器，每个房间一个，用于监听来自标签的信号，以确定每个标签所在的房间（以及资产所在的房间）。
在这种情况下，标签和集线器都可以被视为“边缘”，标签可以执行一些简单的计算，只有在感官数据发生较大变化时才会将数据发送到集线器。如果一个标签从一个不同的标签移动到一个不同的数据中心，就可以计算出一个不同的标签。上述两种方法可以结合使用，或者两者都不能使用，标签可以将所有原始数据发送到集线器，集线器可以将所有原始数据发送到云端。
物联网边缘计算的关键——被忽视的优势
正如本文开头所说，在评估边缘计算时，几乎所有人都忽略了一个关键好处。
我们已经介绍了延迟（更快的响应）和带宽（减少带宽需求并节省数据成本）的好处。不过，这些好处是针对物联网应用的一个特定子集，如自动车辆、智能家居或安全摄像头。
03
LPWAN IoT的到来
“物联网”一词的一个问题是它的定义很广。耗资数万美元的自动车辆收集万亿字节的数据并使用4G蜂窝网络被认为是物联网。同时，花费几美元的传感器只收集字节数据并使用低功耗广域网（lpwan）也被认为是物联网。
问题是每个人都在关注高带宽的物联网应用，比如自动车辆、智能家居和安全摄像头。这是因为每个人都是消费者，所以写这些东西的人在写C端内容比写B端内容的时候有更多的读者，因为企业物联网与较少的人直接相关，并且可能会有些乏味。
LPWAN物联网有望实现快速增长，这将是人们最能感受到物联网真正变革性的地方。
对于LPWAN IoT应用，能耗至关重要，因为它不适用于其他IoT应用程序。自动驾驶汽车将配备大量电池，并定期充电，智能家居设备和安全摄像头直接插入插座。
但是，如果您的公司将GPS追踪器放置在汽车拍卖场中所有20,000辆车辆上，那么这些GPS追踪器中的电池可持续使用几年！在少于几年的任何时间范围内更换20,000个电池将是巨大的操作难题，并且管理成本高昂。仅通过管理系统的巨额成本就远远超过了从实时了解车辆位置所获得的收益。
04
边缘计算可以降低能耗
当谈到电池供电设备的能源消耗时，您知道哪些能源消耗最多吗？无线广播。传感器和简单的计算通常不会消耗很多能量，但是发送和接收无线消息却会消耗很多能量。数量越少，发送和接收的消息越少，设备可以使用电池供电的时间就越长（所有无线连接都表示功耗，范围和带宽之间的折衷）。
因此，如果设备对设备本身、消息的数量和大小进行计算，并使用逻辑来减少消息，那么边缘计算对于LPWAN物联网应用是非常有效的。
让我们看一下燃料箱远程监控的例子。简言之，通过在油箱上放置设备，可以远程监控油箱的油位。在没有远程监控物联网系统的情况下，企业必须猜测何时需要加注储罐。这是低效率的，因为燃料司机会把车开到不需要加油的油箱，或者来不及到需要加油的油箱。
燃油箱的远程监控要好得多。尽管如此，数百万个燃料箱仍分布在广阔的地区（例如，用于美国中西部的农业），因此，监控设备必须使用一个电池可持续使用数年。就像上面的汽车跟踪示例一样，频繁更换这些电池将带来惊人的运营成本。
为了减少电池消耗，我们可以向边缘添加一些基本逻辑（在本例中，边缘是监视设备）。燃油油位读数越多越好，但每次读取燃油油位和无线发送的每条信息都会消耗能量。一种在保持频繁的燃油油位读数的同时减少电池电量消耗的创新方法是让设备定期（例如每2小时）读取燃油油位读数，但以较低频率（例如，每24小时）发送包含这些读数的无线信息。当设备确实发送消息时，它包括自上一条消息以来的所有读数。每24小时发送一条消息，每小时读取2次，即每条消息读取12次。
你或许想问，“如果油箱的燃油油位在24小时内降至临界值以下怎么办？”，在一个严酷的冬天，依靠燃油箱保持温暖的人将无法在没有燃油的情况下多待一天。这也可以通过将一些基本计算移至边缘来解决。
每次设备醒来读取读数时（即每2小时），它也可以快速检查燃油油位是否低于阈值（例如，低于30%）。如果发生这种情况，设备可以立即发送消息，而不是等到24小时后的下一条计划消息。通过这种方式，该设备仍然可以减少发送的消息总数（这是高能耗的），同时确保在正确的时间捕获和共享正确的数据。
这是一个很好的例子，说明了边缘计算如何使使用lpwan的物联网解决方案受益。与用于LPWAN物联网解决方案的自主车辆、智能家居或安全摄像头不同，延迟和带宽并不那么重要。在这个远程油箱监控示例中，每隔两个小时读取一次读数就足够了，所以减少毫秒级的延迟几乎不重要。
另外，每个油箱的数据量很低，只有燃油油位、电池电量和其他设备基本状态的字节数据，所以带宽峰值不受影响。
在这个例子中，云仍然扮演着一些角色。
虽然可以将某些逻辑移到边缘以节省电池寿命，但其他逻辑和分析更为数据密集型的计算更适合云计算。尽管每个储罐的数据都很低，但是来自数百万个储罐的汇总数据仍然非常庞大。将机器学习和预测性分析应用于此数据集以预测何时需要对储罐进行加注对于云而言是完美的。
此外，你可能希望根据这些预测的燃油水平，当前的道路状况和当前的燃油价格将驾驶员安排到油箱，这对于云计算来说也是完美的，在边缘没有意义。
