边缘计算无需将数据传输到云端进行处理和分析，因为数据在数据聚集点附近进行处理。这种方法减少了网络和服务器的压力。
边缘计算在物联网领域非常有用，主要是工业物联网，因为它具有实时处理数据的能力和快速的反应时间。除了加快工业和制造企业的数字化进程外，边缘计算技术还提供了额外的突破，例如AI和MI。
在将任务移至边缘之前，请考虑支持某些边缘模型是否有意义。这些限制可能会迫使您返回到传统的云设计。
通过减少数据在转运过程中花费的时间，边缘计算最大限度地减少了一些安全问题，但也增加了更复杂的安全问题。
例如，如果您在不受管理的终端机器上托管或处理数据，则无法确保此类设备没有攻击者可能利用的缺陷。即使您采用云边缘架构来控制边缘基础设施，但拥有额外的基础设施来维护会扩大您的攻击面。
因此，边缘计算不适合具有严格安全要求的应用程序。如果您正在处理敏感数据或有特殊的合规性需求，使用集中式服务器的典型云计算方法可能不会那么危险。
由于数据不必在云数据中心之间来回传输进行分析，边缘计算提高了应用程序速度和响应能力。对于需要真正即时通信流的任务，这是一个显着的好处。云公司继续扩大其数据中心的覆盖范围，但这些庞大的设施通常位于远离主要人口中心的农村地区。
确定您的操作将处理多少数据以及您的边缘基础设施是否能够处理它。如果您的工作创建了大量数据，您将需要一个大型基础设施来评估和存储它。从管理的角度来看，将数据移动到公共云数据中心可能更便宜、更容易。
以下是边缘计算何时适合和不适合展示上述权衡的一些示例。以下是边缘计算的一些很好的例子：
自动驾驶汽车需要获取大量数据，因此必须快速做出选择，以确保路线上的乘客和其他人安全。延迟问题可能会导致车辆反应时间出现纳秒级延迟，从而造成严重后果。
交通灯的三个特性使其成为边缘计算的合适候选者： 对实时变化做出反应的要求；有限的数据生产；和互联网连接偶尔中断。
• 传统应用：很难想象传统应用需要边缘基础设施的性能或反应性。它可能会将应用加载或回复查询所需的时间减少几毫秒，但这种好处很少值得花钱。
• 摄像机系统：视频会产生大量数据。在边缘处理和存储此类数据是不切实际的，因为它需要庞大而专业的基础设施。将数据存储在集中式云设施中将大大降低成本且更容易。
• 智能照明系统：在家中或企业中通过互联网工作的照明控制系统不会产生大量数据。然而，灯泡，即使是智能灯泡，处理能力也是有限的。照明系统没有超低延迟要求，所以如果你的灯只需要几分之一秒就可以打开，这可能不是什么大问题。您可以创建边缘基础设施来管理这些系统，但在大多数情况下，这不值得花钱。
