1. 边缘计算概述
边缘计算（Edge Computing）是一种分布式计算范式，它将数据处理和应用程序运行从集中式的数据中心（云端）迁移到靠近数据源或用户的网络边缘。在物联网（IoT）场景中，边缘计算使得传感器、摄像头、工业控制器等设备产生的海量数据能够在本地或就近的网关节点上完成实时处理，而无需全部上传至云端。
1.1 边缘计算与云计算的区别
云计算与边缘计算并非替代关系，而是互补协同。下表从多个关键维度对比两者的核心差异：
| 对比维度 | 云计算 | 边缘计算 |
|---|---|---|
| 数据处理位置 | 集中式数据中心（远端） | 靠近数据源（本地/网关） |
| 网络延迟 | 较高（几十毫秒至数秒） | 极低（毫秒级） |
| 带宽消耗 | 高（全量数据上传） | 低（仅上传摘要或结果） |
| 实时性 | 受网络波动影响 | 强实时，适合控制闭环 |
| 数据隐私与安全 | 依赖云端安全策略 | 本地处理，敏感数据不出域 |
| 计算与存储资源 | 几乎无限（弹性扩展） | 有限（受硬件约束） |
| 典型设备 | 服务器集群、虚拟机 | 边缘网关、工业PC、智能摄像头 |
关键认知：边缘计算不是云计算的替代品，而是其重要延伸。边缘负责实时、低延迟的本地处理，云端负责全局分析、模型训练与长期存储。
1.2 边缘计算的核心价值
边缘计算之所以在物联网时代迅速崛起，主要源于以下四大核心价值：
- 超低延迟：数据在本地处理，无需往返云端，响应时间可降至1~10毫秒，满足工业控制、自动驾驶等场景的严苛要求。
- 带宽节省：海量传感器数据在边缘侧完成过滤、聚合与压缩，仅将有价值的结果上传云端，可减少90%以上的网络流量。
- 数据主权与隐私：敏感数据（如人脸图像、医疗记录）在本地完成分析，仅输出脱敏后的统计信息，符合GDPR等合规要求。
- 离线自治：边缘节点在网络中断时仍能独立运行，保障关键业务不中断，待网络恢复后再与云端同步。
实战视角：在本课程后续的HTTP API数据解析项目中，边缘网关将扮演“数据清洗与转发”的角色——先解析传感器JSON数据，再决定哪些数据需要上传云端仪表盘。
1.3 典型应用场景
边缘计算已广泛渗透到多个行业。以下列举四个最具代表性的应用场景：
- 工业物联网（IIoT）：工厂产线中的PLC、振动传感器通过边缘网关实时分析设备状态，实现预测性维护，避免非计划停机。
- 智慧零售：门店内的摄像头与边缘盒子本地完成客流统计、热区分析，仅将每日汇总数据上传云端。
- 自动驾驶与车联网：车辆搭载边缘计算单元，实时处理激光雷达与摄像头数据，在毫秒级内完成障碍物识别与决策。
- 智能安防：边缘摄像头内置AI芯片，本地进行人脸识别与异常行为检测，仅推送告警截图至云端平台。
1.4 边缘计算架构概览
下图展示了一个典型的边缘计算三层架构，从设备端到云端形成完整的数据流转链路：
注意：在实际部署中，边缘层可能包含多级节点（如现场网关、区域汇聚节点），本图展示的是最通用的三层模型。本课程将聚焦于边缘网关上的HTTP API数据解析与本地仪表盘构建。
1.5 边缘计算与HTTP API的关联
在物联网边缘计算实践中，HTTP API是最常见的数据交互接口之一。边缘设备（如温度传感器、智能电表）通常通过RESTful API将JSON格式的数据推送到边缘网关。网关接收到数据后，需要完成以下关键步骤：
- 数据解析：将HTTP响应中的JSON/XML字符串转换为程序可操作的数据结构。
- 数据清洗：过滤异常值、补全缺失字段、统一时间戳格式。
- 本地存储：将处理后的数据写入边缘数据库（如SQLite、InfluxDB）。
- 仪表盘展示：通过Web界面实时呈现数据曲线、设备状态与告警信息。