无论5G网络采用C-RAN(Centralized/CloudRadioAccessNetwork)或者D-RAN(DistributedRadioAccessNetwork)，都将引入移动边缘计算率领新的应用创新机制。将云计算和云存储拉近到网络边缘后，可以创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的分发和下载，让消费者享有更高质量网络体验。移动边缘计算设备所应具备的一些特性包括网络功能虚拟化(NetworkFunctionVirtualization,NFV)、软件定义网络(SoftwareDefinedNetwork,SDN)、边缘计算存储、高带宽、绿色节能等，它们源于数据中心技术，但在某些方面，如可靠性和通信带宽等需求又高于数据中心。边缘运算将原本完全由中心节点处理大型服务加以分解。江苏AI边缘计算无人零售
边缘计算的价值：可持续的能源消耗。大量研究显示，云计算会消耗庞大的能源，未来十年数据中心所消耗的能源量可能是如今消耗量的3倍。随着越来越多的应用转移到云，能量需求会日益增长，甚至无法满足。因此，采用能量效率较大化的计算策略显得尤为迫切。一些嵌入式小型设备的基础信息采集处理完全可以在端完成，即手机传感器把数据传送到网关后，就通过边缘计算进行数据过滤和处理，没必要每条原始数据都传送到云，这省去了大量的能源成本。边缘计算仍处于起步阶段，当前的云计算服务（如AmazonWebService，MicrosoftAzure和GoogleAppEngine）可以支持数据密集型的应用程序，但在网络边缘进行实时的数据处理仍是一个有待开拓的领域。此外，若想更好的在边缘节点上部署应用程序的工作负载，需要考虑以下几个方面：1、部署策略：如何部署工作负载；2、连接策略：何时使用边缘节点；3、异构性：如何处理不同类型的节点。安徽边缘计算无人机需要对边缘节点的峰值时间周全了解，以便可以用灵活的方式来分割和调度任务。
随着我们朝着更加互联的生态系统迈进，数据生成将继续飞速增加，尤其是在5G技术取得腾飞，进一步加快网络连接以后。虽然中心云或数据中心传统上一直是数据管理、处理和存储的选择，但这两种方案都存在局限性。边缘计算可以充当替代解决方案，但由于该技术仍处于起步阶段，因此还比较难预料其未来的发展。设备能力方面的挑战--包括开发能够处理云端分流的计算任务的软件和硬件的能力--可能会出现。能否教会机器在能够在边缘执行的计算任务和需要云端执行的计算任务之间切换，也是一个挑战。即便如此，随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署这种技术。有些用例可能比其他用例更能证明边缘计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是翻天覆地的。
边缘计算不但提高了系统的可靠性、可用性和存取效率，还易于扩展。关键技术：在大数据环境下，元数据的体量也非常大，元数据的存取性能是整个边缘式文件系统性能的关键。常见的元数据管理可以分为集中式和边缘式元数据管理架构。集中式元数据管理架构采用单一的元数据服务器，实现简单．但是存在单点故障等问题。边缘式元数据管理架构则将元数据分散在多个结点上．进而解决了元数据服务器的性能瓶颈等问题。并提高了元数据管理架构的可扩展性，但实现较为复杂，并引入了元数据一致性的问题。边缘计算相比把所有视频上传到云中心，并让云中心去解决，这种方式能够更快的解决问题。
边缘计算执行事务提交，如果协调者从所有的参与者获得的反馈都是yes响应，那么就会执行事务提交集群的规划并不是一成不变的，你的集群可能会加入新的节点；也可能有节点因为事故离线；也可能因为分片维度的问题，数据发生了倾斜。当这种情况发生，集群间的数据会发生迁移，以便达到平衡。
这个过程有些是自动的，也有些是手动进行触发。这个过程也是困难的：既要保证数据的增量迁移，又要保证集群的正确服务。边缘计算系统顾名思义就是将大量的普通服务器，通过网络互联，对外作为一个整体提供计算服务。 边缘计算是在高带宽、时间敏感型、物联网集成这个背景下发展起来的技术。天津低延时边缘计算
若想更好的在边缘节点上部署应用程序的工作负载，需要考虑的方面：异构性。江苏AI边缘计算无人零售
在我们比较关心的汽车领域，边缘计算主要有几个落脚点，自动驾驶、智能座舱两大块，在比较难的领域，目前自动驾驶系统芯片选择上与深度学习的技术路线有比较大的重叠，深度学习算法复杂性比较高，需要有相应的嵌入式计算平台进行匹配，在应用过程中硬件技术路线主要有GPU、SoC、FPGA、ASIC等，这里分化比较厉害，有许多不同的方向。国外比较典型的公司是英特尔以133.8亿欧元收购的Mobileye，国内典型的则是地平线，这家公司的前景相对要更明朗一些，比如其在高级别自动驾驶上与奥迪的合作，在辅助驾驶上与首汽约车的合作，看起来颇有紧追Mobileye，后发先至的味道。总的来说，边缘计算具有低时延、高带宽、高可靠、海量连接、异构汇聚和本地安全隐私保护等特点，在许多场景下特别是智能交通（车载领域）存在非常突出的优势。江苏AI边缘计算无人零售
