工业领域，边缘计算也正在发挥越来越重要的作用。从工业发展的方向来看，数据将成为驱动生产制造的重要生产资料，那么如何处理这些海量、实时产生的数据就成为企业能否快速发展的重要课题。以流程型生产为例，一条生产线其实就是数据流动的通道，产品从上一名工人传递到下一个工人，同时伴随着产品数据的传递。在这个过程中，如果由于某一名工人错误操作的导致了数据异常，在下一名工人开始操作时，基于边缘计算的生产线可以做出预警提示。如果再进一步，当机器学习能力被边缘计算融入到生产线的时候，工人的不合规操作可以被实时监测出来并预警，这对提升产品的良品率意义重大。边缘计算利用视频来达成某种目的成为一种合适的手段。贵州无风扇边缘计算OED定制
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。 北京AI边缘计算服务器边缘计算的价值：超越终端设备的资源限制。
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。
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也比较重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘;因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”说回我们的火车场景:传感器能够收集数据，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的(与确定引擎状态不同)。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中心云。边缘计算的价值：可持续的能源消耗。
市场研究公司IDC称，边缘计算被描述为“微型数据中心的网状网络，在本地处理或存储关键数据，并将所有接收到的数据推送到中心数据中心或云存储库，其覆盖范围不到100平方英尺”。例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性--云端与物联网设备之间的交互导致的数据处理延迟--就会降低。这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的CPU或GPU。边缘计算能够缩短设备的响应时间，减少从设备到云数据中心的数据流量，以便在网络中更有效的分配资源。福建高性能边缘计算AR
针对边缘计算场景下的编程模型的研究具有非常大的空间，也十分紧迫。贵州无风扇边缘计算OED定制
边缘计算处理数据中心明显的优势有以下几点：1、边缘计算可以实时或更快的进行数据处理和分析，让数据处理更靠近源，而不是外部数据中心或者云，可以缩短延迟时间。2、在成本预算上可以较大减轻经费预算。企业在本地设备上的数据管理解决方案所花费的成本较大低于云和数据中心网络。3、减少网络流量。随着物联网设备数量的增加，数据生成继续以创纪录的速度增长。结果，网络带宽变得更加有限，压倒了云，导致更大的数据瓶颈。4、提高应用程序效率。通过降低延迟级别，应用程序可以更高效、更快速地运行。5、个性化：通过边缘计算，可以持续学习，根据个人的需求调整模型，带来个性化互动体验。贵州无风扇边缘计算OED定制
