一、边缘计算的定义
边缘计算是一种分布式计算架构，旨在将数据处理和计算能力推向数据源的边缘。在边缘计算中，数据处理和计算任务在靠近数据源的边缘设备或边缘节点上进行，而不是在远程的云服务器上进行。边缘计算强调将计算能力和数据存储功能尽可能地靠近数据源，以实现更低的延迟、更高的带宽利用率和更好的数据隐私。
二、云计算的定义
云计算是一种基于网络的计算模式，通过互联网将计算资源、存储资源和服务按需提供给用户。在云计算中，计算任务和数据处理发生在远程的云服务器上，用户通过互联网访问云服务提供商的资源和服务。云计算提供了可扩展性、灵活性和经济性的优势，使用户能够根据需求快速获取和使用计算资源。
二、边缘计算和云计算的区别
边缘计算和云计算是当前信息技术领域中两个重要的概念，虽然它们都与计算和数据处理有关，但两者在以下几个方面存在着关键性的区别：
1、架构位置和数据处理
云计算将计算和数据存储集中在云数据中心，用户通过网络连接访问云服务。而边缘计算将计算和数据处理能力放置在靠近数据源的边缘设备上，例如传感器、物联网设备和边缘服务器。边缘计算的关键思想是在数据产生的地方进行数据处理和决策，减少数据在网络中传输的延迟和带宽需求。
2、延迟和实时性
边缘计算强调的是在边缘设备上进行实时的数据处理和决策，可以快速响应事件。由于数据处理在边缘设备上进行，边缘计算可以大大减少数据从边缘到云的传输时间，从而降低延迟。而云计算需要将数据传输到云数据中心进行处理，存在一定的延迟，适用于对实时性要求不高的场景。
3、网络带宽和数据安全
边缘计算将数据处理放置在边缘设备上，减少了对网络带宽的需求。只有需要传输的重要数据才会被发送到云，可以减轻网络负担。同时，边缘计算可以在本地进行数据处理和存储，降低了数据在网络传输过程中的安全风险。云计算依赖于网络传输大量数据到云数据中心，网络带宽需求较高，同时需要考虑数据在传输过程中的安全性。
4、可扩展性和资源利用率
云计算提供了高度可扩展的计算和存储资源，可以根据需求动态分配资源。用户可以根据实际需求弹性地调整计算资源，并实现资源共享和利用率最大化。边缘计算虽然在边缘设备上进行数据处理，但边缘设备的计算资源和存储容量有限，适用于处理本地数据和实时决策。
5、适用场景和应用
云计算适用于需要大规模数据存储和处理的应用场景，例如大数据分析、机器学习和人工智能等。边缘计算适用于对实时性要求较高、延迟敏感的应用场景，例如智能交通、智能制造和物联网等。边缘计算可以将数据处理和决策推近数据源，满足对实时性和低延迟的需求。
综上所述，边缘计算注重实时性、低延迟和本地数据处理，适用于对实时性要求较高的场景；云计算注重大规模数据存储和处理、弹性计算和资源共享，适用于需要大规模计算和存储资源的场景。根据具体应用需求和实际情况，可以选择边缘计算或云计算，或二者结合，以满足不同场景的需求。
延伸阅读1：边缘计算和云计算在什么情况下可以结合使用
边缘计算和云计算的结合使用，可以实现数据的快速处理、高效传输和安全存储。以下是两者结合使用的主要场景：
一、数据预处理和过滤
边缘计算可以在边缘设备上对数据进行初步处理和过滤，将处理后的重要数据传输到云端进行进一步的分析和存储。这样可以减少云计算的负荷和网络传输的数据量，提高数据传输的效率。
二、实时决策和快速响应
边缘计算能够在边缘设备上进行实时的数据处理和决策，可以快速响应事件。在需要实时决策和低延迟的场景中，边缘计算可以进行即时的数据处理，而云计算则可以用于长期数据存储和更复杂的分析。
三、数据安全和隐私保护
边缘计算可以在边缘设备上处理和存储敏感数据，减少敏感数据在传输过程中的风险。而云计算可以提供更高级别的数据安全和隐私保护措施，适用于对数据安全性要求较高的应用场景。
四、弹性扩展和资源优化
云计算具有弹性扩展的特点，可以根据需要调配计算和存储资源。当边缘设备的计算资源有限时，可以将一部分任务或数据传输到云端进行处理，以实现资源的优异利用。
五、复杂分析和大规模计算
云计算具备大规模数据存储和复杂分析的能力，适用于需要进行深度学习、大数据分析和复杂模型训练等任务。边缘计算可以在边缘设备上进行简单的数据处理和实时决策，将重要数据传输到云端进行更复杂的分析和计算。
京公网安备 11010802030320号