边缘计算与云计算

温室可以在本地决定是否浇水，同时将长期采集的数据发送到别处分析。这两项工作不必互相争夺资源。

想象一座温室：土壤太干时，系统就会给植物浇水。一项任务需要在植物身旁迅速作出响应，另一项任务则要比较多座温室数月以来的监测数据。这些工作不必在同一台计算机上完成。

“边缘”描述距离，“云”描述服务模式

边缘计算将一部分处理工作放在靠近数据来源的位置，也就是靠近产生数据的人、设备或活动的地方。它可以是温室里的控制器、一台小型本地服务器，也可以是附近网络设施中的设备。

云计算以服务的形式提供计算资源。这些资源可能位于大型数据中心，但云平台也可以延伸到邻近站点。因此，边缘计算和云计算并不是互斥的类别：同一个系统可以同时使用两者。

ETSI 的边缘计算工作涵盖本地场所和网络边缘的部署，也包括与云服务商的协作。如果你还不熟悉这些服务模式，可以先读云计算入门介绍。

让即时响应靠近事件发生的地方

在这个温室例子中，本地控制器可以读取传感器数据并操作阀门，不必把每一次决策都交给远方的服务器。缩短这条路径，可以减少网络延迟。在本地筛选或汇总监测数据，也能减少向外传输的数据量。

这些好处取决于应用的具体设计。如果一台放在近处的设备每次决策仍要依赖远程服务，那么连接中断时，它就无法维持同样的功能。除了距离，本地处理能力、软件，以及故障时的应对方式也同样重要。

借助共享资源，看清更大的图景

云服务可以汇集多座温室的监测数据，保存历史记录，并比较整个生长季的种植条件。这些工作可以受益于共享的存储和计算资源，无须在每株植物旁边都放一套设备。

论速度或成本，没有哪一方在所有情况下都胜出。网络传输、排队等待和计算本身，都会影响响应时间。网络连接良好的云服务，可能比一台不堪重负的本地设备表现更好；而一次快速的本地检查，也可能省去一次不必要的远程往返。

如何务实地分配任务

• 响应时间：哪些决策必须迅速作出？用户或设备最多能等多久？
• 连接中断：哪些工作应当在本地继续？哪些可以等连接恢复后再处理？
• 数据传输：哪些原始数据需要离开现场？只发送汇总结果是否就足够？
• 运维投入：由谁维护附近的设备？远程服务会对哪些资源使用或数据传输收费？

这些问题的答案，可能指向本地响应闭环与远程存储、分析相结合的方案，也可能指向一个更简单、集中在单一地点的系统。只有服务于实际任务，增加组件才有意义。

地点更多，不等于自主性更强

一个组织可以控制分散在许多地方的计算机。机器位于哪里，与谁有权改变它的规则，是两个不同的问题。要理解一个系统，既要看工作在哪里完成，也要看谁能决定它如何运行。

这一区分也关联到一个更广泛的问题：谁控制着互联网的不同部分。如果想了解用户与计算服务之间如何连接，可以继续阅读主要的互联网接入方式。