从智能烤箱等连接设备到工业研究的数据采集设备，物联网发展迅速。据预测，到2025年，将有416亿台连接的物联网设备，产生79.4ZB的数据。这些设备中的大多数会将它们在早期物联网时代收集的所有数据上传到云端进行分析。当我们尝试将数TB的数据发送到云端时，数据上传开始变慢。这就是边缘计算的用武之地，它允许物联网设备在本地处理一些数据，而不是将其发送到云端。这就是名称的来源，而不是发送到其他地方，信息在其自己的网络边缘进行处理。边缘计算在物联网中的作用在当今的物联网生态系统中，边缘计算具有独特的用途。由于这种分布式本地计算架构，物联网设备不会遇到延迟和连接问题，否则这些问题会阻止某些物联网用例的实现。这项关键技术是物联网应用程序的基础，这些应用程序使用分类数据，需要快速或低延迟决策，发生在易受攻击或不存在的云访问环境中，并且具有数据密集型用例，例如工业物联网实施。与基于云的分析相比，边缘计算设备具有最小的延迟，因为数据是在本地计算的。这有可能成就或破坏物联网设备的功能，以实现对时间敏感的任务的精确性。边缘计算可以大规模利用物联网，而没有数据被盗或网络过载的风险，边缘计算在计算上是安全的、负担得起的、私密的和高效的。此外，边缘计算为关键任务任务增加了一层冗余和弹性。即使某个元素发生故障，业务也可以继续正常运行，因为流程是分散的，而不是集中到一个系统中。这并不是说边缘计算不能与基于云的技术共存。它当然可以，而且经常这样做。在这些情况下，边缘计算可能能够提供一些实时数据，并充当过滤器来确定哪些数据应该随着时间的推移上传到云端，以用于更深入或更复杂的分析技术。边缘计算在IIoT情况下被适当地最小化，例如在生产工厂的车间，以减少停机或数据泄露的风险，并更有效地管理大量数据。边缘计算的低延迟组件对于使用它的制造商来说是一个巨大的工人安全优势。例如，与其等待云分析，其延迟可能导致停机和组件报废，如果从数据适配器收集的数据显示出细微的异常情况，则可以立即关闭它，比如喋喋不休，这可能表明应力断裂或其他形式短期故障机器。总之，边缘计算分析靠近本地网络边缘的一些物联网设备数据，而不是将其发送到云端，以实现更快、冗余、独立于连接且易于扩展的物联网处理。云计算示例考虑一个由大量高质量物联网摄像头保护的结构。摄像机只发出原始视频信号，然后连续发送到云服务器。为了确保只有带有运动的剪辑被添加到服务器的数据库中，所有摄像机的视频输出都通过云服务器上的运动检测应用程序运行。由于传输的视频内容量很大，因此对建筑物的互联网基础设施提出了持续而严格的要求。云服务器承受着巨大的压力，因为它同时处理来自所有摄像机的视频。想象一下在网络边缘接收运动传感器计算。如果每个摄像机在将必要的镜头发送到云服务器之前在其内部计算机上运行运动检测软件会怎样？由于大部分摄像机镜头不需要传输到云服务器，这将显着减少带宽使用量。因此，云服务器将只负责保存关键镜头，使其能够与许多摄像机通信而不会负担过重。这是边缘计算的一个例子。
