前言

在邊緣運算中，數據在數據收集源附近處理，因此不再需要將數據傳輸到雲或本地數據中心進行處理和分析。這種方法將減輕網絡和服務器上的負載。 由於其實時處理數據的能力及其更快的響應時間，邊緣運算在物聯網領域，特別是工業物聯網（IIoT）中具有很高的應用性。除了加速工業和製造企業的數字化轉型外，邊緣運算技術還可以實現包括人工智能和機器學習在內的更多創新。

先備知識

• 在開始邊緣運算之前需先了解何謂雲端運算？
  雲端運算（cloud computing）：是一種基於網際網路的運算方式，通過這種方式，共用的軟硬體資源和資訊可以按需求提供給電腦各種終端和其他裝置，使用服務商提供的電腦基建作運算和資源。

• 什麼又是邊緣運算？
  邊緣運算（Edge computing）：是一種分散式運算的架構，將應用程式、數據資料與服務的運算，由網路中心節點，移往網路邏輯上的邊緣節點來處理。邊緣運算將原本完全由中心節點處理大型服務加以分解，切割成更小與更容易管理的部份，分散到邊緣節點去處理。邊緣節點更接近於用戶終端裝置，可以加快資料的處理與傳送速度，減少延遲。在這種架構下，資料的分析與知識的產生，更接近於數據資料的來源，因此更適合處理大數據。

• 那為什麼需要邊緣運算？
  大多數公司在集中存儲上存儲，管理和分析數據，通常在公共雲或私有雲環境中。但是，傳統的基礎架構和雲端運算不再能夠滿足許多實際應用程序的要求。例如，在IoT（物聯網）和IoE（物聯網）的情況下，需要具有最小延遲的高可用性網絡來實時處理大量數據，這在傳統IT基礎設施上是不可能的。這時就需要透過邊緣運算來降低延遲和建置高可用性網路架構。

文章規劃

• KubeEdge 介紹
• K3S 介紹
• Project EVE 介紹
• NVIDIA JETSON NANO 介紹
• Intel Movidius NCS 介紹

目標

在這30天我們將為大家介紹邊緣運算、影像辨識的架構及技術。並在JETSON NANO跟 NCS終端裝置上運行邊緣運算系統。

接下來將為大家介紹KubeEdge的系統架構