邊緣運算_雲端到邊緣端
在學校通常會有所謂的班導師帶領某一班級學生
再上層可能就會有校長跟主任有階層關係
不會直接整團各年級全校學生都交給最上層的校長去管理
而邊緣運算發展就好比剛前面舉例的
可以讓運算貼近資料源頭，從而去解決海量設備的管理與資料傳輸有延遲的問題。
雲端運算
雲端運算的概念可以追溯到1960年代的“時間共享”系統，但直到2000年代早期互聯網的普及和硬件成本的下降，雲端運算才開始迅速發展。雲端運算讓企業和個人能夠通過互聯網訪問服務器、儲存空間和各種應用服務，而無需在本地購買和維護物理硬件。
優點
成本效益：用戶按需支付，避免了昂貴的硬件投資和維護成本。
靈活性和可擴展性：可以根據需求輕鬆擴展資源。
易於維護：服務供應商負責系統維護和更新。
缺點
延遲：數據在傳輸到雲端服務器進行處理時可能會遇到延遲。
安全性和隱私：數據儲存在雲端可能引發安全性和隱私擔憂。
此外其實台灣廠商、企業尤其以半導體、光電、製造業通常做B2B這類的產業多半是不上雲的，普遍B2C做服務的產業會上雲。
常見平台
Amazon Web Services (AWS)
Microsoft Azure
Google Cloud Platform (GCP)
邊緣運算(較鄰近使用者終端)
邊緣運算是相對較新的概念，隨著物聯網（IoT）設備的普及和5G技術的發展而興起。它旨在將數據處理和存儲從雲端運算中心轉移到離數據源更近的位置，以減少延遲，提高處理速度。
主要在於把數據處理從直送中央雲端移到更接近資料來源的地方。
透過大型運算設備，或由多台中小型運算裝置所組成的本地區網(Local Network)。
在此小型裝置泛指穿戴式裝置、智慧手機、閘道器、監視攝影機、銀行ATM或其他IoT物聯網設備等。
優點
降低延遲：通過在數據產生地點進行處理，減少了數據傳輸時間。
節省帶寬：減少了大量數據傳輸至雲端的需要。
提高隱私和安全性：數據可以在本地處理，降低了數據外洩的風險。
缺點
成本：部署和維護邊緣計算設備可能需要較高的初始投資。
管理複雜性：管理分散的邊緣設備比集中的雲服務器更複雜。
常見工具和平台
Amazon Web Services (AWS) IoT Greengrass
Microsoft Azure IoT Edge
Google Cloud IoT Edge
雲端運算和邊緣運算各有優勢和局限，選擇哪一種取決於具體的應用場景和需求。
雲端運算適合大規模數據處理和存儲，而邊緣運算更適合需要快速響應和數據隱私的場景。
隨著技術的發展，兩者之間的界限越來越模糊，許多解決方案開始結合雲端運算和邊緣運算的優點，以達到更高效和安全的數據處理。
邊緣運算應用案例
- 自動駕駛
- 無人機+安防 / 工地
- 交通大數據
- 零售業
應用場景說明
- 不穩定網路連結和資料移動性
- 需要即時決策
- 落地化(local)計算->減少資料往雲端傳
- 新的儲存和安全需求->有價值的資料才往雲上傳做匯總、數據分析，沒價值的或有隱私性資料才儲存於local，因為沒占用網路頻寬，無網路傳輸也相較安全。
- 不定時供電
Ref:
何謂邊緣運算及其運作方式為何？ 深入探討邊緣運算
https://www.fsp-group.com/tw/knowledge-app-42.html
Kubernetes on the edge: getting started with KubeEdge and Kubernetes for edge computing
https://www.cncf.io/blog/2022/08/18/kubernetes-on-the-edge-getting-started-with-kubeedge-and-kubernetes-for-edge-computing/
邊緣運算: 數位轉型的超級引擎
https://vocus.cc/article/65192527fd897800013c4c64
【AI 人工智慧】邊緣運算（Edge computing）
https://vocus.cc/article/5fa8d568fd8978000126caa4
https://sixtech.shu-xiang.org/html/resource/edge_computing_resource.html
留言
張貼留言