边缘计算并非对每个物联网设备或工作负载都具有意义。人们需要了解一些边缘计算示例，以了解应该在何时何地将其作为云计算架构的一部分。
与传统的云计算架构相比，边缘计算的性能、安全性和成本优势使其越来越受欢迎，但并不总是更适用于分布式工作负载。
边缘计算是指在更终用户的电脑、手机或物联网传感器等生成和消费数据的设备上或附近处理数据的架构。这不同于传统的云计算，云计算依靠中央服务器来接收数据、处理数据并将其发送回客户端设备。而边缘计算可以减少网络等待时间，减少数据在网络上的暴露，在某些情况下，通过将处理加载到更终用户的设备来降低成本。
小象网络是阿里云的代理商网址://qicaibeer.com/可以直接在网站上联系阿里云代理商客服进行咨询服务器架构和配置以及优惠价格！（小象巴音郭楞营销介绍链接：//qicaibeer.com/meiyou/）是一家致力于搜索引小象营销及全网营销，致力于为客户提供搜索营销领域的服务，帮助巴音郭楞广告客户在搜索引小象获取的投资回报，包括搜索引小象竞价服务(SEM)，搜索引小象优化服务（巴音郭楞seo）和搜索营销代运营服务，能够有效为广告主带来的投放回报，我们的理念一直是：让搜索营销营销具有价值。
两种类型的边缘计算架构
在权衡边缘计算模型是否合适时，首先要问的问题是哪种架构可用。主要有两种类型：
设备-边缘计算，其中直接在客户端设备上处理数据。
云计算-边缘计算，其中在边缘计算硬件上处理数据，而边缘计算硬件在地理位置上比集中式云计算数据中心更靠近客户端设备。
如果客户端设备能够以统一的方式处理该处理负担，则设备-边缘计算模型可以很好地工作。可以采用台式机或笔记本电脑来处理此问题，但低功率物联网传感器可能缺少有效处理数据所需的计算和存储资源。
此外，如果企业依赖于许多不同类型的边缘设备和操作系统，所有这些设备可能具有不同的功能和配置，那么使用设备-边缘计算模型可能会很困难。
借助云计算-边缘计算模型，更终用户设备并不是塑造架构的主要因素。如果企业使用云计算-边缘计算架构，那么更终用户使用的设备类型并不重要，因为不会将数据存储或处理从中央云转移到这些设备。与其相反，企业需要将负载转移到在云计算-边缘计算运行的服务器。这些服务器通常位于比中央云更靠近更终用户的数据中心。
边缘计算的局限性
在企业决定将工作负载移至边缘计算之前，需要评估支持这些边缘计算模型是否合理。这些限制可能使企业回到传统的云计算架构。
边缘安全
边缘计算通过更大程度地减少数据传输时间来降低一些安全风险，但同时也带来了更复杂的安全挑战。
例如，如果企业在不受控制的更终用户设备上存储或处理数据，很难保证这些设备没有受到网络攻击者可能利用的漏洞的攻击。即使使用云计算-边缘计算模型来保留对边缘计算基础设施的控制，拥有更多可管理基础设施也会增加攻击面。
与保护正在处理的数据相比，保护通过网络传输的数据(可以对其进行加密)通常要容易得多。因此，边缘计算的安全性的弊端可能超过其好处。
这使得边缘计算对于具有高安全性规范的工作负载而言并非理想选择。如果企业要处理敏感数据或有特殊的合规性要求，则具有集中式服务器的标准云计算模型的风险可能会降低。
延迟要求
边缘计算可提高应用程序性能和响应能力，因为数据不必往返于云计算的数据中心进行处理。对于需要真正即时通信流的工作负载，这是一个关键优势。云计算提供商继续增加数据中心的位置，但是他们的大型数据中心设施通常位于远离人口中心的偏远位置。
大多数工作负载具有较低的延迟标准。与传统的云计算架构相比，边缘计算网络可能只会将网络响应速度提高几毫秒。对于标准应用，常规架构带来的网络延迟是可以接受的。而确保延迟改善确实值得进行权衡，尤其是在考虑了增加的成本和管理负担之后。
数据量
考虑企业的工作负载需要处理多少数据，以及边缘计算基础设施是否可以有效地处理它。如果企业的工作负载产生大量数据，则需要一个庞大的基础设施来分析和存储该数据。从管理的角度来看，它可能成本更低，并且更容易将数据移至公共云数据中心。
另一方面，如果工作负载基本上是无状态的并且不涉及大量数据，则它们往往是边缘计算的理想选择。
边缘计算实例
为了说明上面列出的取舍，以下是边缘计算何时适合和不适合的一些示例。
采用边缘计算的很好例子包括：
自动驾驶汽车。自动驾驶汽车会收集大量数据，需要实时做出决策，以确保道路上或附近的乘客和其他人的安全。延迟问题可能会导致自动驾驶汽车的响应时间延迟几毫秒，而这种情况可能会产生严重的影响。
智能恒温器。这些设备生成的数据相对较少。此外，收集的某些数据(例如人们回家的时间和调整温度)可能会影响隐私。将数据保留在边缘计算是切实可行的，可以帮助减轻安全隐患。
常规应用程序。很难想到需要边缘计算基础设施的性能或响应能力的常规应用程序。它可能会减少应用程序加载或响应请求所需的时间，但这种改进并不值得付出更多成本。
监控摄像系统。监控视频通常会产生大量数据。在边缘计算处理和存储数据是不切实际的，因为这将需要大型且专门的基础设施。将数据存储在集中式云计算设施成本将会低得多，也容易得多。
智能照明系统。允许用户通过互联网控制家庭或办公室中照明的系统不会生成大量数据。但是智能照明系统往往具有更小的处理能力，也没有超低延迟要求，如果打开灯具需要一两秒钟的时间，那没什么大不了的。用户可以构建用于管理这些系统的边缘基础设施，但这在大多数情况下都不值得花费更多的成本
与传统的云计算架构相比，边缘计算的性能、安全性和成本优势使其越来越受欢迎，但并不总是更适用于分布式工作负载。
边缘计算是指在更终用户的电脑、手机或物联网传感器等生成和消费数据的设备上或附近处理数据的架构。这不同于传统的云计算，云计算依靠中央服务器来接收数据、处理数据并将其发送回客户端设备。而边缘计算可以减少网络等待时间，减少数据在网络上的暴露，在某些情况下，通过将处理加载到更终用户的设备来降低成本。
小象网络是阿里云的代理商网址://qicaibeer.com/可以直接在网站上联系阿里云代理商客服进行咨询服务器架构和配置以及优惠价格！（小象巴音郭楞营销介绍链接：//qicaibeer.com/meiyou/）是一家致力于搜索引小象营销及全网营销，致力于为客户提供搜索营销领域的服务，帮助巴音郭楞广告客户在搜索引小象获取的投资回报，包括搜索引小象竞价服务(SEM)，搜索引小象优化服务（巴音郭楞seo）和搜索营销代运营服务，能够有效为广告主带来的投放回报，我们的理念一直是：让搜索营销营销具有价值。
小象营销团队于2015年在上海成立，团队核心均来自巴音郭楞百度搜索部门和国内知名服务商的成员，有非常丰富的产品和项目优化经验，这两年来，服务于国内很多大中型企业和很多初创公司，通过我们多年的经验和服务，帮助他们在搜索营销领域上取得了不断的成功。
两种类型的边缘计算架构
在权衡边缘计算模型是否合适时，首先要问的问题是哪种架构可用。主要有两种类型：
设备-边缘计算，其中直接在客户端设备上处理数据。
云计算-边缘计算，其中在边缘计算硬件上处理数据，而边缘计算硬件在地理位置上比集中式云计算数据中心更靠近客户端设备。
如果客户端设备能够以统一的方式处理该处理负担，则设备-边缘计算模型可以很好地工作。可以采用台式机或笔记本电脑来处理此问题，但低功率物联网传感器可能缺少有效处理数据所需的计算和存储资源。
此外，如果企业依赖于许多不同类型的边缘设备和操作系统，所有这些设备可能具有不同的功能和配置，那么使用设备-边缘计算模型可能会很困难。
借助云计算-边缘计算模型，更终用户设备并不是塑造架构的主要因素。如果企业使用云计算-边缘计算架构，那么更终用户使用的设备类型并不重要，因为不会将数据存储或处理从中央云转移到这些设备。与其相反，企业需要将负载转移到在云计算-边缘计算运行的服务器。这些服务器通常位于比中央云更靠近更终用户的数据中心。
边缘计算的局限性
在企业决定将工作负载移至边缘计算之前，需要评估支持这些边缘计算模型是否合理。这些限制可能使企业回到传统的云计算架构。
边缘安全
边缘计算通过更大程度地减少数据传输时间来降低一些安全风险，但同时也带来了更复杂的安全挑战。
例如，如果企业在不受控制的更终用户设备上存储或处理数据，很难保证这些设备没有受到网络攻击者可能利用的漏洞的攻击。即使使用云计算-边缘计算模型来保留对边缘计算基础设施的控制，拥有更多可管理基础设施也会增加攻击面。
与保护正在处理的数据相比，保护通过网络传输的数据(可以对其进行加密)通常要容易得多。因此，边缘计算的安全性的弊端可能超过其好处。
这使得边缘计算对于具有高安全性规范的工作负载而言并非理想选择。如果企业要处理敏感数据或有特殊的合规性要求，则具有集中式服务器的标准云计算模型的风险可能会降低。
延迟要求
边缘计算可提高应用程序性能和响应能力，因为数据不必往返于云计算的数据中心进行处理。对于需要真正即时通信流的工作负载，这是一个关键优势。云计算提供商继续增加数据中心的位置，但是他们的大型数据中心设施通常位于远离人口中心的偏远位置。
大多数工作负载具有较低的延迟标准。与传统的云计算架构相比，边缘计算网络可能只会将网络响应速度提高几毫秒。对于标准应用，常规架构带来的网络延迟是可以接受的。而确保延迟改善确实值得进行权衡，尤其是在考虑了增加的成本和管理负担之后。
数据量
考虑企业的工作负载需要处理多少数据，以及边缘计算基础设施是否可以有效地处理它。如果企业的工作负载产生大量数据，则需要一个庞大的基础设施来分析和存储该数据。从管理的角度来看，它可能成本更低，并且更容易将数据移至公共云数据中心。
另一方面，如果工作负载基本上是无状态的并且不涉及大量数据，则它们往往是边缘计算的理想选择。
边缘计算实例
为了说明上面列出的取舍，以下是边缘计算何时适合和不适合的一些示例。
采用边缘计算的很好例子包括：
自动驾驶汽车。自动驾驶汽车会收集大量数据，需要实时做出决策，以确保道路上或附近的乘客和其他人的安全。延迟问题可能会导致自动驾驶汽车的响应时间延迟几毫秒，而这种情况可能会产生严重的影响。
智能恒温器。这些设备生成的数据相对较少。此外，收集的某些数据(例如人们回家的时间和调整温度)可能会影响隐私。将数据保留在边缘计算是切实可行的，可以帮助减轻安全隐患。
交通信号灯。交通信号灯具有三个特征，使其非常适合边缘计算：实时响应变化的需求;相对较低的数据输出;偶尔会失去互联网连接。
常规应用程序。很难想到需要边缘计算基础设施的性能或响应能力的常规应用程序。它可能会减少应用程序加载或响应请求所需的时间，但这种改进并不值得付出更多成本。
监控摄像系统。监控视频通常会产生大量数据。在边缘计算处理和存储数据是不切实际的，因为这将需要大型且专门的基础设施。将数据存储在集中式云计算设施成本将会低得多，也容易得多。
智能照明系统。允许用户通过互联网控制家庭或办公室中照明的系统不会生成大量数据。但是智能照明系统往往具有更小的处理能力，也没有超低延迟要求，如果打开灯具需要一两秒钟的时间，那没什么大不了的。用户可以构建用于管理这些系统的边缘基础设施，但这在大多数情况下都不值得花费更多的成本
本文标题：巴音郭楞在云计算中添加边缘计算的利弊在哪有哪些？阿里云服务器优惠券怎么领取？
本文链接：//qicaibeer.com/bayinguoleng_fuwuqi/2118.html
