那么它们是如何给我们的生活带来变革，并对股市行情产生影响呢？今天来详细分析一下。 海量数据，云计算也有难题“云”的概念已经被大家所接受了，数据“云”就好比天上的云彩一样，看得见摸不着，一直跟随着我们，随时都可以存取，很方便。当 2006 年亚马逊推出第一个云服务的时候，数据的规模并不大。随后苹果智能手机出现，移动互联网开始大行其道，各种APP软件也层出不穷，人们已经不离开智能手机了；接着智能穿戴设备流行，大幅推动物联网的发展，我们可以发现，几乎所有的设备，都可以连上网络，串联在一起，每一个设备都可以将数据上传到云端进行保存。
这样海量的数据就出现了。那么，如何处理呢？一般来说，都是会将数据进行初次筛选和处理后，直接搬入云数据仓库，因此我们看到了亚马逊、微软、阿里云、Google等纷纷加大相关投入，云计算、大数据处理成为了万亿美元规模的大市场。其中，自动驾驶最被市场关注。自动驾驶汽车配备了非常多的传感器，汽车随时随地都在感知周围环境，源源不断地产生数据，实现两个方面的操作。
一方面是要实时计算出车速、车距（包括与右侧、左侧、前方、后方），进而下达指令，或是减速，或是并道；另一方面，要计算自身车辆各设备的情况，同时考虑到道路上其他车辆的情况。这对于数据处理有非常高的要求，存储数据要准确，上传云端后，处理也要迅速，然后传回终端，一系列操作不能有超预期的延迟，否则瞬间都会导致混乱，甚至是道路上的连锁反应。
因此，一直以来，自动驾驶两个问题备受关注。首先是数据安全性。数据从终端到云端的传输过程中，一旦出现干扰和中断，就会引发严重的问题。而且，数据传输过程中，如果有黑客进行破坏，也会导致一连串的问题。其次是处理的可靠性。设备自身状况，以及乘客情况；还有道路的复杂度，车辆和人员的安全，都会产生连锁的数据，而且遇到特殊情况，势必带来更大的数据量，那么此时能否正确处理数据，做出最正确的应对就很关键了。
毕竟汽车是机动车，一旦出现问题就不是小事，甚至伤及人身安全。云中心具有强大的处理性能，能处理海量的数据。但这有一个前提，即是要有足够的网络带宽，传送海量数据需要一定的时间，云中心处理数据也需要一定的时间；而在大城市中应用，比如说医疗、公共交通等智慧城市的很多服务都如同自动驾驶一样，对计算的速度和反应有严格要求，5G时代可以有更快速度，提供更可靠的网络保障，但对于上述问题依然难以完全解决，这就引出来了新的计算形态——边缘计算。
边缘计算的产生，小数据与大数据边缘计算指的是在网络的边缘来处理数据，这样一方面可以保证数据的安全性和私密性，另一方面是大大加快数据处理的速率，能够减少数据传输的响应时间。边缘结点指的就是在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如，智能手机就是人与云中心之间的边缘结点，这样把部分计算任务从云端迁移到边缘之后，可以大幅降低对能源的消耗，反应速度也加快了很多。
如何理解边缘计算呢？举例来说，比无人驾驶更容易被人接受的是各种智能手环，它可以记录步数、运动轨迹、心跳、脉搏、睡眠质量等。手环本质上是数据采集器，本身没有处理能力，需要和云端服务器进行数据交换（无论是蓝牙，还是无线网）。自从苹果发布 Apple Watch之后，让智能手环就拥有了自己的芯片，并能实现一些初步的计算，这就是边缘计算的雏形。
虽然联网设备的数据处理现在主要是在云端进行的，但在中央服务器之间来回传送数据会有延迟，这一时间跨度太长了。边缘计算，使得数据不用再传到遥远的云端，在边缘就能解决，更适合实时的数据分析和智能化处理，也更加高效而且安全。云端的功能是管理，边缘侧则实现处理和计算。现在几乎所有的电子设备都可以连接到互联网，这些电子设备会产生海量的数据。
传统的云计算模型并不能及时有效地处理这些数据。边缘计算更靠近数据生成的设备端，具有更实时、更快速的数据处理能力。由于减少了中间传输的过程，数据处理的速度也更快。如果说云端是将所有数据汇总，形成“大数据”，那么，边缘端计算处理的则是“小数据”。数据量经过筛选之后，变成“小数据”就可以有针对性地进行加密和安全处理，而且边缘端本身的动态化程度高，被破解的可能性就比较小。
文章TAG：5G 1230 5g 日报 支撑
