请记住，您总是在边缘处理数据，即使它并不明显。选择以特定频率采样数据，无论是 1Hz 还是 100Khz（尤其是模拟数据），都是边缘处理的一种形式。很少有场景会在处理器的最大时钟周期传输数据。

显式边缘处理有用的一些场景

• 带宽限制。经常被引用的例子是在石油和天然气行业，那里收集了大量遥测数据，并且来自远程位置的带宽有限。
• 低延迟要求。特别是在需要响应数据的控制系统中。当亚秒级响应意味着正常运行和故障之间的差异时，一秒或两次到云的往返是不可接受的。
• 数据价值极低。如果记录数据可能一无所获，即使在未来进行复杂的分析时，您也不妨总结一下并将其放在边缘。例如，欧盟的主电源表示为“50Hz 时标称 230 V ±10%”。鉴于您可以处理该范围，因此每 100 毫秒传输一次精确电压是没有意义的。如果最好传输'从这个时间到这个时间，电压是标称的'。
• 事件的顺序很重要。设备的范围更窄，并且可以比云更容易地执行一些推导。其中之一是推导要求数据有序。例如，当设备进入开或关状态时，在测量电压时很容易在设备上进行。对电压测量进行时间戳并将其发送到云端会使推导变得更加困难，因为数据可能会出现乱序、延迟或完全丢失。
• 作为故障模式。与云的连接或至少部分处理可能会失败。所有系统都应该能够执行一些边缘处理，即使它被简化了，作为一种故障模式。
• 非 IP 网状网络只能通过非 IP 设备的网关访问云，例如通过低功耗网络或 CAN 总线类型有线连接进行通信的设备。设备在“网状”中直接相互通信可能更可取，在这种情况下，不需要 IP 连接，更不用说云连接了。网格是边缘计算的圣杯，但很难做到。
• 隐私、信任和监管问题可以收集对分析有用且有价值的数据，但获得客户同意收集和存储数据可能很困难，并且与管理数据访问相关的成本和风险可能太高高的。面部识别和大多数图像处理就是一个明显的例子。另一个例子是，所有现代车辆都内置了 GPS 和连接，用于紧急呼叫响应。汽车制造商和经销商可以从 GPS 数据流中获得有价值的见解，但在这种情况下，位置数据是个人可识别的，不应收集、传输、处理和存储。
• 安全我们知道物联网目前正面临安全问题。虽然可以使用云连接设备创建安全环境，但安全性是需要积极解决的主要问题。在大多数环境中，高度安全的网关、基于边缘的威胁检测和其他未知的防御机制将是必要的。

在考虑有关边缘处理的材料时，请记住考虑来源。尚未进入云市场的现有 IT 供应商（IBM、惠普、思科）担心物联网作为下一件大事，会完全绕过它们。因此，他们将积极推销边缘加工。事实上，“雾计算”是思科创造的一个术语，用于让“云”更接近地面（或其他东西）。显然，云供应商为了自己的底线而进行相反的营销。

安全摄像头就是一个明显的例子。如果您想对图像进行运动检测（或人脸识别），您可以选择将视频源流式传输到云端，或在本地进行处理。对于当今许多国内互联网连接的上游带宽而言，此类应用程序可能处于边缘状态——这为在边缘执行处理或至少进行压缩提供了更多动力。

智能家居集线器的音频解码是另一个例子。当然，唤醒词检测在集线器上执行是有意义的（如果只是为了隐私）。一旦边缘节点具备语音控制所需的处理能力，或许可以将该处理推向边缘。对于服务提供商来说，这是一个免费的收获——节点已经需要一个支持 linux 的低端平台，所以为什么不利用这个资源而不是在云中提供带宽和 CPU。值得注意的是，在这种情况下，带宽的成本可能与 CPU 一样多。

即使带宽负载减少，应用程序仍然可以使用边缘计算并通过利用边缘节点中已经存在的计算能力来节省云资源。请记住，边缘需要对其上游的任何数据进行加密——这可能与在本地处理它的成本一样高。

等式中发生变化的是在边缘（在家中、蜂窝站点或回程中）提供额外数量的 DMIPS 的成本。这对云来说并不是什么大问题，但它改变了成本方程式。