邊緣運算使運算更接近资料的來源，从而優化網際網絡裝置和網絡應用程式的性能。這最大限度地減少客戶端和伺服器之間長距離通信的需要，從而降低延遲和頻寬使用。
閱讀本文後，您將能夠：
複製文章連結
邊緣運算是一種網絡理念，專注於使運算儘可能接近資料源，以減少延遲和頻寬使用。簡單來說，邊緣運算意味著在雲中運行更少的進程並將這些進程移動到本地位置，例如在用戶的運算機、IoT 裝置或邊緣伺服器上。將運算帶到網絡邊緣可以最大限度地減少客戶端和伺服器之間必須發生的長距離通信量。
對於網際網絡裝置，網絡邊緣是裝置或包含裝置的本地網絡與網際網絡通信的地方。邊緣是一個有點模糊的術語；例如，用戶的運算機或 IoT 攝像頭內的處理器可以被視爲網絡邊緣，但用戶的路由器、ISP 或本地邊緣伺服器也被視爲邊緣。要點是，網絡邊緣在地理位置上靠近裝置，這與源伺服器和雲伺服器不同，源伺服器和雲伺服器可能遠離與之通信的設備。
第一台電腦是大而笨重的機器，只能直接訪問或通過終端訪問，這些終端基本上是運算機的擴展。隨著個人電腦的發明，運算可以用更加分散的方式進行。曾幾何時，個人運算是占主導地位的運算模型。應用程式在本地運行，資料本地存儲在用戶的設備上，有時也存儲在本地資料中心內。
雲運算是一項較新的發展，與這種基於本地的內部部署運算相比，具有許多優勢。雲服務集中在供應商管理的「雲」（或資料中心集合）中，可以通過網際網絡從任何裝置存取。
但是，由於用戶與託管雲服務的資料中心之間的距離，雲運算可能會引入延遲。邊緣運算使運算更接近最終用戶，以最小化資料必須傳輸的距離，同時仍然保留雲運算的集中化性質。
簡而言之：
考慮用一棟用數十個高清 IoT 攝像頭保護的建築物。這些「笨拙的」攝像頭僅僅輸出原始視訊訊號，持續將訊號串流到雲伺服器。在雲伺服器上，來自所有攝像頭的視訊輸出都會通過運動檢測應用程式，以確保僅將有活動的剪輯保存到伺服器的資料庫中。這意味著建築物的網際網路基礎結構將承受持續且顯著的壓力，因為高容量的視訊素材傳輸會消耗大量頻寬。此外，雲伺服器上的負載極高，因為必須同時處理來自所有攝像頭的視訊素材。
現在，假設運動感測器運算移至網路邊緣。如果每個攝像頭都使用自己的內部電腦來運行運動檢測應用程式，然後根據需要將素材發送到雲伺服器，這樣會如何？這將導致頻寬使用量顯著減少，因為很多鏡頭永遠不必傳輸到雲伺服器。
此外，雲伺服器現在僅負責存儲重要素材，這意味著伺服器可以與更多數量的攝像頭通信而不會超載。這就是邊緣運算的樣子。
邊緣運算可以整合到各種各樣的應用程式、產品和服務中。如下是幾種可能性：
如上例所示，邊緣運算有助於最大程度地減少頻寬使用量和伺服器資源消耗。頻寬和雲資源是有限的，並且需要花費成本。Statista 預測，隨著每個家庭和辦公室都配備智慧相機、印表機、溫度調節裝置甚至烤麵包機，到 2025 年，全球將安裝超過 750 億個 IoT 裝置。為了支援所有這些裝置，必須將大量運算移到邊緣。
將運算過程移至邊緣的另一個重要好處是減少延遲。每次裝置需要與某個地方的遠端伺服器通信時，都會產生延遲。例如，同一個辦公室的兩個同事通過 IM 平台聊天可能會遇到相當大的延遲，因為每條消息都必須從大樓中路由出去，與全球某處的伺服器通信，然後才出現在收件人的屏幕上。如果這一進程被移到邊緣，公司內部的路由器負責傳輸辦公室內的聊天，那麼就不會存在明顯的延遲。
類似地，當各種 web 應用程式的用戶遇到必須與外部伺服器通信的進程時，它們將遇到延遲。這些延遲的持續時間將根據其可用頻寬和伺服器的位置而有所不同，但可以通過將更多進程帶到網絡邊緣來完全避免這些延遲。
此外，邊緣運算可以提供以前沒有的新功能。例如，一個公司可以使用邊緣運算在邊緣處理和分析他們的資料，從而有可能實施完成這項工作。
總結一下，邊緣運算的主要優勢是：
邊緣運算的一個缺點是會增加攻擊媒介。隨著更多「智慧」裝置的加入，例如具有強大內置電腦的邊緣伺服器和 IoT 裝置，給惡意攻擊者帶來入侵這些裝置的新機會。
邊緣運算的另一個缺點是它需要更多的本地硬體。例如，雖然 IoT 攝像頭需要一臺內置電腦將原始視訊資料發送到網絡伺服器，但要運行自己的動作檢測算法，則需要一臺更復雜、處理能力更強的電腦。但是硬體成本的下降使得製造更智能的裝置變得更便宜。
完全減輕額外硬體需求的一種方法是利用邊緣伺服器。例如，借助 Cloudflare 分散在全球各地的 330 個邊緣伺服器組成的網路，Cloudflare 的客戶可以使用 Cloudflare Workers 在全球範圍內運行邊緣代碼。