前端采集的数据量过大，如果按照传统模式全部上传，则成本高、效率低，典型的代表就是影像数据的采集和处理。

数据需要全部上传到中央节点经处理后再下发，往往传输成本高、时延长，无法满足即时交互的要求，典型的代表就是无人驾驶场景。

对业务连续性要求比较高的业务，如果遇到网络问题或者中央节点故障，即便是短时间的云服务中断都会带来严重影响。

除此之外还有安全信任的问题。有些客户不允许数据脱离自己的控制，数据更不能离开自己的系统，对于这样的场景，集中式的云计算中心就搞不定了。

边缘计算并不只为了解决集中式计算在行业数字化中面临的挑战，实际上边缘计算诞生之初是为了节省通信成本。DARPA(Defense Advanced Research Projects Agency，美国国防高级研究计划局)是最早提出和应用边缘计算的组织。

2003年的伊拉克战争期间，美军试点对士兵进行个人数字化，因为作战需要处理的信息和数据庞大，即使士兵携带专用数字设备，也处理不过来，如上传到作战中心的数据中心进行处理，则将面临两个现实问题。

建立从每个士兵到作战中心的数据中心的高带宽数据通道(无线基站或者卫星)，成本极高。

士兵携带的专用数字设备重达数公斤，难以再增加计算能力(需要再增加重量)。

DARPA提出了一个方案：在伴随士兵的悍马作战车上部署一个数十公斤级的就近计算设备，其可以处理1公里范围内的数字化士兵的信息，然后由悍马作战车上的就近计算设备进行处理并与作战中心的数据中心进行交互。

ISO/IECJTC1/SC38边缘计算的定义：边缘计算是一种将主要数据处理和数据存储放在网络边缘节点的分布式计算形式。

边缘计算产业联盟对边缘计算的定义：在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用等核心能力的开放平台，其可就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

行业有影响力的边缘计算开源项目群LF Edge(Linux基金会边缘计算开源项目)，发布了LF Edge白皮书，白皮书中根据分布在“端、管、云”的计算点位置的不同，将边缘计算分为以下3类，具体如图1所示。

公有云下沉部署的边缘云是云服务商主导的下沉部署边缘计算，其在边缘云形态上实现一个小的边缘云。当遇到更复杂的内容时，其会在云上集中处理。边缘就近计算能够提升客户响应速度、增强用户体验、节省带宽，从而为集中式云生态引流。

用户侧/端侧的近端计算会先在本地及时进行计算处理，只处理本用户或本终端的工作负载，随后连接宏网络，和上一级节点或者周边节点实现互助。主要应用场景如下：

用户侧数据不出园区的边缘服务器;

行业、企业或交通路政组建的网络或自组织网络形态的边缘网关;

终端/CPE 形态、车载形态的边缘计算。

国际标准组织 ETSI对电信网络边缘计算的定义为：在移动网络边缘提供IT服务环境和计算能力，强调靠近移动用户，以减少网络操作和服务交付的时延，提高用户体验。Service Provider Edge应用场景主要有MEC(多接入网络边缘计算)和区域网络边缘计算。

2017年ETSI 将MEC全称改为Multi-access Edge Computing，MEC也走向固移融合和多种接入的方向。随着5G技术的逐步成熟，MEC作为 5G 的一项关键技术成为行业上下游生态合作伙伴共同关注的热点，如下是当下典型的MEC应用场景：

以固定运营商为主的边缘计算—“固定连接+计算服务”;
 以移动运营商为主的边缘计算(即MEC)—“移动连接+计算服务”。针对上述边缘计算的各种部署场景，虽然表述上各有差异，但有一个共同点：在更靠近终端的网络边缘上提供服务，实现就近计算，以节省通信带宽、缩短时延等，从而实现综合效益最优。因此边缘计算整体方案的本质是“连接+计算”。

原文来自：

本文地址：//q13zd.cn/jiben-xingtai.html编辑：王华超，审核员：清蒸github

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：