HTTP API边缘设备数据采集系统 - 第1节
1.1 边缘计算的定义
边缘计算是一种分布式计算范式，它将计算、存储和网络资源从集中式数据中心下沉到靠近数据源或用户终端的网络边缘侧。核心思想是“在数据产生的地方就近处理数据”，从而减少数据传输延迟、降低带宽消耗、提升响应速度。
关键特征：
- 就近计算：数据在边缘节点（如网关、边缘服务器、智能终端）上完成处理，无需全部上传云端。
- 分布式架构：边缘节点可独立运行，同时与云端协同，形成“云-边-端”三层体系。
- 实时响应：本地处理使端到端延迟可控制在毫秒级，满足工业控制、自动驾驶等场景。
1.2 边缘计算的核心价值
| 价值维度 | 说明 | 典型收益 |
|---|---|---|
| 低延迟 | 数据在边缘侧处理，避免往返云端的长距离传输 | 延迟从百毫秒降至 1~10 毫秒 |
| 带宽节省 | 只将预处理后的关键数据上传云端，减少原始数据量 | 带宽占用降低 60%~90% |
| 本地自治 | 断网或弱网时边缘节点仍可独立运行，保障业务连续性 | 离线可用，故障恢复快 |
| 数据隐私 | 敏感数据在本地处理，仅脱敏后上传，降低泄露风险 | 满足 GDPR、等保合规 |
| 弹性扩展 | 边缘节点可按需部署，与云端弹性协同 | 支持百万级设备接入 |
1.3 边缘计算与云计算的区别
| 对比维度 | 边缘计算 | 云计算 |
|---|---|---|
| 部署位置 | 靠近数据源（工厂、门店、基站） | 集中式数据中心 |
| 延迟 | 1~10 毫秒 | 50~200 毫秒 |
| 带宽需求 | 低（仅上传摘要数据） | 高（全量数据上传） |
| 计算能力 | 受限（ARM/x86 嵌入式） | 强大（GPU/TPU 集群） |
| 存储容量 | GB~TB 级 | PB~EB 级 |
| 网络依赖 | 可离线运行 | 必须在线 |
| 管理粒度 | 分布式、自治 | 集中式、统一 |
选型建议： 实时控制类业务（如机器人、PLC）优先选择边缘计算；大数据分析、模型训练等重计算任务仍依赖云端。实际部署中常采用“边云协同”模式，各取所长。
1.4 典型应用场景
- 工业物联网（IIoT）：工厂产线数据采集、设备预测性维护、PLC 协议转换与本地控制。
- 智慧城市：视频监控实时分析、交通信号灯自适应控制、智能路灯管理。
- 自动驾驶与车联网：车载边缘计算实现毫秒级障碍物识别，V2X 路侧单元处理交通流数据。
- 零售与门店：本地人脸识别、客流统计、POS 系统离线收银。
- 能源与电力：变电站就地监控、光伏逆变器数据采集、电网故障快速隔离。
- 医疗健康：可穿戴设备实时体征监测、手术机器人本地控制、影像数据脱敏上传。
1.5 边缘计算架构概览
下图展示了典型的“云-边-端”三层架构，以及本课程重点关注的 HTTP API 数据采集与设备接入位置。
1.6 边缘计算与 HTTP API 数据采集的关系
在边缘计算场景中，HTTP API 是最常用的数据采集与设备接入方式之一。边缘节点作为 HTTP 服务端，接收来自传感器、PLC、摄像头等设备的 POST/GET 请求，完成数据解析、存储与转发。本课程将围绕这一模式，从零搭建完整的边缘数据采集系统。
注意事项： 边缘节点资源有限（CPU、内存、存储），设计 HTTP API 时需考虑请求频率限制、数据压缩、连接池复用等优化策略，避免因高并发导致节点崩溃。