在收集了所有車輛的數(shù)據(jù)并使用云進(jìn)行分析后，Google可以提出最佳實踐和駕駛算法，這些算法將改善其導(dǎo)航并使車輛在首次訪問的位置時表現(xiàn)最佳。

云計算和邊緣計算正在塑造物聯(lián)網(wǎng)（IoT）的未來。這種組合為物聯(lián)網(wǎng)網(wǎng)絡(luò)中連接的設(shè)備帶來了穩(wěn)定性，并通過處理更接近源的數(shù)據(jù)來解決延遲問題。

據(jù)國際數(shù)據(jù)公司（IDC）稱，邊緣計算（Edge computing）是一個微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡(luò)，可在本地處理或存儲關(guān)鍵數(shù)據(jù)，并將所有接收的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫。

谷歌預(yù)估他們的自動駕駛汽車每秒產(chǎn)生大約1GB的數(shù)據(jù)！需要快速處理大量此類數(shù)據(jù)，以便汽車能夠保持正確的路線并避免碰撞。想象一下，如果這些數(shù)據(jù)被收集，傳輸?shù)皆疲茣ζ溥M(jìn)行處理，然后將其發(fā)送回汽車。盡管整個過程在幾秒鐘內(nèi)完成，但事實證明為時已晚，而且汽車可能已經(jīng)遇到了碰撞。此方案中的最佳解決方案是使用邊緣計算分析傳感器本身的數(shù)據(jù)，然后將其發(fā)送到云以進(jìn)行后續(xù)分析。

回過頭來看看谷歌自動駕駛汽車的例子。

利用邊緣計算為物聯(lián)網(wǎng)設(shè)備帶來諸多好處，例如接近零延遲，較小的網(wǎng)絡(luò)負(fù)載，增加的彈性，減少的數(shù)據(jù)暴露以及較低的數(shù)據(jù)管理成本。讓我們逐一看看這些：

使用邊緣計算可以顯著降低云上的存儲成本，因為我們并未將所有內(nèi)容存儲在云上。由于數(shù)量相對較少，這也有助于有效地管理數(shù)據(jù)。只有需要更深入分析的匯總數(shù)據(jù)才會發(fā)送到云端，隨后會對其進(jìn)行分析和推斷。

較低的數(shù)據(jù)管理成本：