边缘已经近了。
不论是从物理距离还是时间距离来说，边缘都已逼近。
边缘并不是被动、可有可无的网络外围，而是用于数据分析、管理甚至存储的繁忙区域。发明家 David McCrory 所称的数据引力向边缘的迁移正在改变各个行业，并开拓出新的市场机遇。在 2018 年 10 月的一份报告中，McKinsey＆Company 确定了 107 个不同的边缘用例，预计 2025 年边缘计算的潜在价值将在 $1750 亿 – $2150 亿之间，而这还仅仅是硬件公司的价值。
渴望利用数据挖掘以前无法触及的价值的企业无法忽视即将来临的全新边缘用例。
渴望利用数据挖掘以前无法触及的价值的企业无法忽视即将来临的全新边缘用例。
正如 Gartner 分析师 Thomas J. Bittman 所说的那样，大多数人已经意识到“我们需要将思考范围扩展到集中化和云之外，朝着可实现低延迟和实时处理的位置和分布式处理前进”。尽管如此，对于那些并非专攻技术的人来说，学习曲线非常陡峭是可以理解的。
我们可以说，一些可以理解的误解有可能会给边缘蒙上阴影。让我们看看三个最常见的迷思，以及它们如何与现实相悖。
迷思 1：边缘会吃掉云。
分布式计算的发展如此之快，以至于风险资本家开始相应地改变其优先次序，有的甚至还发布了一些激进的预测。其中一项非常著名的预测发生在 2017 年一个名为“Return to the Edge and the End of Cloud Computing”（返回边缘以及云计算的终结）的演讲中，发言人是企业投资者 Peter Levine。他宣称，由于机器学习和物联网驱动的计算从云到边缘的转移，他可以看到云在“不久的将来”就会消失。同年，Gartner 副总裁兼分析师 Thomas J. Bittman 也发出了类似的警告。“边缘会吃掉云”正是这篇文章的标题预判，在文章中他描述了“为实现低延迟和实时处理而向位置和分布式处理”的转移。
现实：边缘和云将会相互促进。
IDC 最近的一项研究预测，到 2025 年，全球 30％ 的数据将需要实时处理，而这一预测有着充分的理由。举个简单的例子：以自动驾驶汽车和车联网（会与其他车辆交流大量数据但不会为驾驶员做出决定）为例。它们都是直观的边缘用例。如果一辆联网或自动驾驶汽车的传感器获悉有孩子在路上玩耍，而附近另一辆汽车很可能为赶在红灯前通过而加速行驶，那么就需要迅速处理此信息。我们根本没有丝毫延迟时间来将这些见解发送回云进行处理。必须在现下立即处理这一数据。
Levine 指出对这些生死攸关的数据（通常是通过机器学习获取）的处理需要在端点发生，这一点是正确的。但是他的演讲标题有点用词不当。他本人也在同一次演讲中承认“重要信息仍将存储在集中式云中”，并将云描述为正在成为各种各样的学习中心，以支持大规模机器学习，而这需要大量的数据并在边缘汇总各种洞察。Gartner 的 Bittman 也承认“云将发挥作用”。
因此，边缘并不会超越云。相反，它将促进云将其结构扩展到边缘。
正确的问题并非边缘和云谁将占主导，而是如何配置包含边缘的云？或者，边缘和云将如何协同工作？
正确的问题并非边缘和云谁将占主导，而是如何配置包含边缘的云？或者，边缘和云将如何协同工作？
超大规模数据中心模型对于受益于集中化的应用程序仍然适用，包括：大规模归档、内容分发、应用程序存储和快速原型制作等。
但确实也伴随着一种特定类型的云解整合。根据 2019 年 Seagate 联手 Vapor IO 所发布的报告 Data at the Edge（边缘数据），诸如 Vapor IO、Edgeconnex 和 DartPoints 之类的公司正在转向微模块化数据中心，也称为边缘数据中心。它们是小型、区域性、独立、成本较低、自动化的“网络边缘微型区域数据中心，位于各种新颖的位置，例如停车场、市政道路上以及信号塔底。”根据另一位微模块化数据中心创新者 Dell EMC 的说法，这些边缘群集专为承受外围环境和安全挑战而设计，具有“足够的计算能力，可独立于集中式数据中心来汇总和处理数据”。云和边缘计算基础架构提供商 Packet 将这些产品称为“无处不在”的云。
矛盾的是，边缘可以看作是云的自然分枝。尽管云“使互联网民主化”，支持视频串流和游戏，但据 Telefonica 副总裁 Patrick Lopez 的说法，“我们认为边缘将是下一代”。
Lopez 说，“边缘计算基本上是将云的最佳特性和电信的最佳特性融合在一起。”“云的最佳特性在于它将所有这些云服务都带到用户之间，并使它们更接近用户；而电信的最佳特性在于它带来了即时性，始终在线，始终保持连接，而电信公司正以此而闻名。”
迷思 2：边缘只有一个。
毕竟我们用单数来称呼它，不是吗？
现实：有很多边缘。
是也不是。答案并不是那么绝对。
以单数形式使用边缘一词时，指的是生态系统，其中在数据创建的位置附近处理数据。但有很多边缘这种说法也是对的。
这意味着，网络的数量在不断增加，因此外部网络边界的数量也在不断增加，而这些边界中包含着运行用户所感兴趣的应用程序的端点。有的人甚至为了好玩曾经尝试量化可能的最大边界数量。
增加了一层复杂性是一个重要的现实：所有这些边缘网络都依赖于用例。
增加了一层复杂性是一个重要的现实：所有这些边缘网络都依赖于用例。
它们可以在野外的谷仓中、在联网汽车中或在许多其他位置运行。
专用边缘肯定会在不久的将来成为现实。随着时间的流逝，边缘将变得“云化”：将会发生自定义，但很可能仅作为软件层。正如 Telefonica 的 Lopez 所指出，作为云组成部分的访问普遍性和开发人员应用程序简单性在任何边缘中可能必须变得不可或缺。如果某人开发的应用程序可以在一个边缘工作，那么它就应该可以部署在任何网络中。
迷思 3：将云收缩，放入盒子中，瞧，边缘就产生了！
我们已经确定有一些存储和处理需要在边缘进行。云环境的某些属性至少需要复制到多个边缘中：相等的网络访问权限以及在一个边缘网络中开发的应用程序跨不同边缘网络的兼容性。这不就让边缘变得有点像云了吗？
现实：边缘并不是小型的云。
请记住，边缘是应数据及其需求而生，而不是相反。
边缘并不是迷你云，因为首先，边缘完全由数据驱动。
边缘并不是迷你云，因为首先，边缘完全由数据驱动。
它的形状由用例决定，这些用例在最终用户的附近产生并处理数据。
而这些用例差异很大。比如智慧城市中的公用事业监管、虚拟现实场景、监控老化桥梁、通过虚拟助手在工厂里做衣服的机器人等。这些场景产生的数据（需要在边缘进行处理）也各不相同。因此，边缘基础架构取决于应用程序。
如本文所指出，边缘将没有空间，也没有时间来存储某些类型的数据。根据 Lavine 的说法，档案数据或在超大规模数据中心中大量催生机器学习过程所需的数据（数据湖、用于传授 ML 算法的大数据集群）在边缘将毫无用处。
最后，边缘不是迷你云，因为它是远程熄灯自动化操作，以与用户的物理接近度为标志。与云不同，边缘是通过位置以及与数据的距离来识别。
与集中式、同质的通用数据中心枢纽相反，每个边缘都专注于解决特定问题。
至少目前是这样。
