边缘计算是云计算的重要添充和改进。计算水平能从集中转变成分散，边缘计算可以充分满足物联网时代对低延迟、高可靠性的规定。同时，边缘计算也为我们解决数据爆炸式增长带来的挑战提供了更灵活、更有效的解决方案。
边缘计算是指通过网络、计算、存储和运用核心能力在接近物体或数据库的一侧给予近期的终端服务的开放平台。其应用程序在边缘侧开展，造成更快地网络服务响应，达到行业在及时业务、智能应用、安全和隐私保护等层面的基本需求。边缘计算在物理实体和工业联接中间，或在物理实体的顶端。 边缘计算是一种零散的计算架构，将系统软件、统计信息和服务的计算从网络中心节点转移至网络逻辑的边缘节点。这类架构融解了所有本来由关键节点处理大型服务，切成更小、更容易管理的部分，分散到边缘节点处理。因为边缘节点更接近顾客终端装置，因而可以加速材料的处理和传送，降低延迟。在这种结构下，材料的描述和知识的建立更接近统计信息的源头，因而更适合处理大数据。
此外，边缘计算的原理是计算应当出现在数据库周边。从学者的角度看，边缘计算和雾计算是可交换的，但边缘计算更关注事情，雾计算更关注基础设施水准
- 提高响应速度：因为边缘计算将数据处理存储能力下沉到贴近智能终端的边缘节点，数据可以更快地处理回应，降低数据传输的延迟和网络拥塞，提高综合响应速度。
- 降低数据流量：边缘计算可以在边缘节点当地处理，只需将重要数据上传至云计算中心，降低数据传输数量，节约带宽和数据流量。
- 提高数据隐私和安全性：边缘计算可以在当地加密和存储隐秘数据，保证数据隐私和安全，减少数据传输过程中的风险。
- 适用线下工作：边缘计算可以在边缘节点开展当地处理和存储，即便在网络中断的情形下，也可以继续工作，以保证全面的稳定性和可靠性。
- 适用分布式计算：边缘计算能将计算存储资源分散在多个边缘节点上，造成分布式计算架构，提高综合扩展性和灵活性。
我构建了一个简单的边缘管理系统，用于监控和控制边缘设备。大家可以使用Python语言和相关的库来实现这个系统。代码所示：
import requests
import json
class EdgeManagementSystem:
def __init__(self, edge_device_ip, api_key):
self.edge_device_ip = edge_device_ip
self.api_key = api_key
self.base_url = f"http://{edge_device_ip}/api"
def get_device_status(self):
response = requests.get(f"{self.base_url}/status", headers={"Authorization": self.api_key})
return response.json()
def update_device_settings(self, settings):
response = requests.put(f"{self.base_url}/settings", json=settings, headers={"Authorization": self.api_key})
return response.json()
# 使用示例
edge_system = EdgeManagementSystem("192.168.0.100", "my-api-key")
device_status = edge_system.get_device_status()
print("Device Status:", device_status)
new_settings = {"temperature": 25} # 示例设置，根据实际情况修改
response = edge_system.update_device_settings(new_settings)
print("Updated Settings:", response)
上述代码示例中，我们创建了一个EdgeManagementSystem类，它具有两个方法：get_device_status和update_device_settings。这些方法通过发送HTTP请求与边缘设备进行通信，以获取设备状态或更新设备设置。
随着云计算的普及，越来越多的使用需要把数据处理与分析任务放进云中开展。但是，因为网络延时和带宽难题，一些任务需要在边缘端进行。因而，云边缘合作架构已成为一种发展趋向，推动云和边缘端数据处理任务。
InfoQ原文链接：(https://xie.infoq.cn/article/46b2ba37479d19778bfa5eedd)