物联网设备的大爆发，必然产生大量的数据，以及随之而来的数据处理和数据安全等需求，而这些已经无法通过传统云计算的集中式处理方式来满足。以云计算模型为核心的集中式处理模式将无法高效处理边缘设备产生的数据，集中式处理模型将所有数据通过网络传输到云计算中心，利用云计算中心超强的计算能力来集中式解决计算和存储问题。
01、传统集中式云计算的不足
在万物互联的背景下，传统的集中式云计算的不足：
实时性不够：传统云计算模型在应对实时性要求极高的万物互联场景应用会产生系统延迟的问题。例如在无人驾驶汽车场景下，汽车需要精确到毫秒级别的反应时间，一旦出现延迟则有可能酿成涉及人身财产安全的严重后果。
带宽不足：边缘设备实时产生大量数据，这样庞大的数据集传至集中式的数据中心，未经处理的数据中可能包含大量的静态画面、空闲状态等冗余数据，极大的降低了网络带宽的利用率，将会造成巨大的网络带宽压力。
能耗较大：数据中心消耗极多能源，根据Sverdlik的研究，到2020年美国所有数据中心能耗将增长4%，达到730亿千瓦时，我国数据中心所消耗的电能也已经超过了匈牙利和希腊两国用电总和。随着用户应用程序越来越多，处理的数据量越来越大，能耗将会成为限制云计算中心发展的瓶颈。
不利于数据安全和隐私：万物互联中的数据与用户生活联系密切相关，智能终端设备如室内智能网络摄像头，将数据传输到云端会增加泄露用户隐私的风险。
为了解决以上问题，面向边缘设备所产生海量数据计算的边缘计算模型应运而生。
02、边缘计算的特点
配图来源自电子发烧友
边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，具有如下基本特点：
数据第一入口：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，更好的支撑预测性维护、资产效率与管理等创新应用，同时也面临数据实时性、确定性、多样性等挑战。
约束性：边缘计算产品需适配工业现场相对恶劣的工作条件与运行环境，如防电磁、防尘、防爆、抗振动、抗电流/电压波动等，以及工业互联场景的功耗、成本、空间等要求，通过软硬件集成与优化适配各种条件约束，支撑行业数字化多样性场景；
分布性：边缘计算实际部署天然具备分布式特征，因此必须支持分布式计算与存储，实现分布式资源的动态调度与统一管理，支撑分布式智能，具备分布式安全等能力；
融合性：OT（控制技术）与ICT（信息通信技术）的融合是行业数字化转型的重要基础，而边缘计算作为融合与协同的关键承载，需要支持在联接、数据、管理、控制、应用、安全等方面的协同。
03、边缘计算的能力
配图来源自OpenStack
根据OpenStack，边缘计算能力体现（但不仅限于）在以下方面：
1、跨不同基础设施间的一致操作模式
2、在全球范围内数千个地点的大规模分布环境中的执行能力
3、为位于全球偏远地点的客户提供网络服务
4、满足应用程序集成、协调和服务的交付要求
5、打破硬件限制，降低成本
6、实现有限或间歇性网络连接
7、可处理具有严格低延迟要求的应用程序（AR/VR、语音等）
8、实现地理围栏，保证敏感隐私数据仅留在本地
