2017年移动边缘计算行业现状及应用前景分析报告
边缘计算技术的应用与发展趋势
边缘计算技术的应用与发展趋势边缘计算技术是近年来兴起的一种新型计算模式，它可以解决云计算无法解决的问题，包括网络延时、存储和带宽限制等。
边缘计算将计算资源置于网络边缘，通过利用本地设备的空闲计算能力，将数据处理放在离数据源更近的地方，从而提高数据处理的速度和效率。
下面将详细探讨边缘计算技术的应用与发展趋势。
一、边缘计算技术的应用1.智能家居智能家居是边缘计算技术的一个经典应用。
用户可以通过手机或其他智能设备控制家中的灯光、电器等，而边缘计算技术正是支撑这一过程的基础。
通过利用边缘计算技术，数据的处理可以在本地进行，从而使用户的控制指令得以快速响应。
2.智能医疗边缘计算技术在智能医疗领域也有着广泛的应用。
例如，在医院内，医生可以通过智能设备获取患者的生命体征数据，边缘计算技术可以将这些数据进行实时处理，从而及时预警医生。
在一些偏远地区，也可以利用边缘计算技术将医学影像数据远程传输到专业医生的手中，以提高医疗水平。
3.智能交通随着智能交通的不断发展，边缘计算技术也得到了广泛应用。
例如，通过在路侧安装智能摄像头，边缘计算技术可以实时识别车辆的违章行为，从而提高交通治理的效率。
另外，在自动驾驶车辆的控制中也需要边缘计算技术，例如车辆需要迅速响应周围环境的变化，这就需要边缘节点可以对实时数据进行处理。
二、边缘计算技术的发展趋势1.智能化与自动化未来的边缘计算技术将趋向智能化和自动化。
在传统的边缘计算技术中，边缘节点主要提供计算和存储等资源，而在未来的边缘计算技术中，边缘节点将具备更强的处理能力，从而实现更高的智能化和自动化。
2.安全和可靠性随着边缘计算技术的应用越来越广泛，安全和可靠性问题也越来越凸显。
在未来的发展中，必须始终将安全和可靠性放在重要位置，并加强技术研发，通过实现更严格的数据安全和隐私保护来保障用户的利益。
3.多云和混合云计算边缘计算技术可以与云计算技术结合，构建多云和混合云计算模式。
在这种模式下，边缘节点不仅可以进行本地的数据处理，还可以与云端的计算资源结合，通过网络协同完成更复杂的任务。
移动边缘计算应用场景
移动边缘计算应用场景
1.智能家居：移动边缘计算可以通过智能设备对家居进行监测和控制，控制房间温度、灯光、节能等，提高居住舒适度和安全性。
2.智能制造：移动边缘计算可以对生产线进行实时监测和调度，进行
生产追踪和预警，实现物联网数据的高效管理。
3.智慧城市：移动边缘计算与物联网的结合可以实现城市空气质量监测，道路交通监测，智能停车等，优化城市交通与管理。
4.医疗卫生：移动边缘计算可以对生物医疗设备进行实时监测，医疗
数据的传输和管理，提高医疗质量。
5.物联网安全：移动边缘计算可以对物联网设备进行实时监测和分析，保障用户隐私和安全。
6.智能金融：移动边缘计算可以实现金融数据的实时分析和交易，提
高金融运作效率和精准度。
7.智能零售：移动边缘计算可以实现零售业智能化，通过物联网设备
实时更新货架上的信息，提高顾客体验和店铺运营效率。
移动边缘计算应用场景
移动边缘计算应用场景移动边缘计算是一种将计算能力和存储资源从云端移到网络边缘的计算模式。
它将云计算的强大功能推向网络边缘设备，将数据处理和存储负载分散到不同的边缘节点上，以提供更低的延迟、更高的可靠性和更好的用户体验。
移动边缘计算技术已广泛应用于各种领域，以下是一些常见的移动边缘计算应用场景。
1.智能物联网：移动边缘计算可以在物联网设备附近实现实时数据分析和决策，减少数据传输和处理延迟。
例如，在智能家居系统中，边缘设备可以处理来自传感器的数据，并根据用户的习惯和需求自动控制家庭设备。
2.智能交通：移动边缘计算可以用于分析和处理交通数据，并提供实时的交通监控和交通优化建议。
例如，在智能交通系统中，边缘节点可以分析交通摄像头的视频流，检测交通拥堵并提供最优的交通路线。
3.工业自动化：移动边缘计算可以将实时的传感器数据分析和控制指令直接发送到工厂设备，提高生产效率和减少延迟。
例如，在工业自动化系统中，边缘设备可以监测设备运行状况、预测维修需求，并根据实时需求进行生产调度。
4.视频监控：移动边缘计算可以将视频监控系统的分析和处理任务从中心化的服务器分发到靠近监控摄像头的边缘设备上，减少视频传输带宽和延迟。
例如，边缘设备可以对视频流进行实时的物体识别和运动检测，只将相关的信息传输到云端进行存储和进一步分析。
5.增强现实和虚拟现实：移动边缘计算可以在近场设备上处理和渲染虚拟内容，提供更低的延迟和更好的用户体验。
例如，在增强现实游戏中，边缘设备可以将虚拟元素与现实世界中的图像融合，并在设备上实时显示。
6.医疗保健：移动边缘计算可以用于监测和诊断医疗设备的数据分析和决策，及时发现和处理患者的健康问题。
例如，在健康监测系统中，边缘设备可以分析生物传感器的数据，并向医生或护士发送及时警报。
7.零售业：移动边缘计算可以用于分析客户行为和购物偏好，提供个性化的购物体验和实时的促销活动。
例如，在实体店铺中，边缘设备可以追踪客户的位置和浏览行为，并向其提供定制的优惠券和推荐商品。
边缘计算的重要性及应用前景
边缘计算的重要性及应用前景边缘计算（Edge Computing）是一种分布式计算模式，它将计算资源和数据处理能力尽可能靠近数据源和最终用户，以减少网络延迟和提高服务质量。
在过去几年中，边缘计算迅速发展，并在各个领域展示出其重要性和广阔的应用前景。
一、边缘计算的重要性边缘计算的出现主要是为了解决传统云计算模式下的一些问题和挑战。
在传统的云计算模式中，大部分数据处理都集中在云端服务器中，导致数据在传输过程中出现延迟，增加了网络负载，而且对于实时性要求较高的应用（如物联网、自动驾驶等）来说，云计算的集中式处理方式无法满足需求。
边缘计算通过将计算资源分布到边缘节点上，使得数据的处理可以更加近距离地进行，减少了数据传输的时间和延迟，提高了实时性和响应速度。
同时，边缘计算还提供了更高的数据安全性，因为数据不需要经过长途传输，减少了数据在传输过程中被窃取或篡改的风险。
此外，边缘计算还能有效降低对网络带宽和云中心服务器的依赖性，减轻了云计算中心的负担。
在大规模物联网应用中，海量的传感器和设备产生的数据需要进行处理和分析，如果全部依靠云计算，将导致网络拥堵和高延迟。
而边缘计算可以将数据的处理和分析任务下放到边缘节点上，分散了计算负载，提高了整个系统的效率和稳定性。
二、边缘计算的应用前景1. 物联网（Internet of Things, IoT）：边缘计算是实现物联网智能化的关键技术之一。
在物联网中，大量的传感器和设备产生的数据需要进行实时处理和分析。
边缘计算可以将数据的处理任务下放到边缘节点上，减少数据在传输过程中的延迟，提高实时性和响应速度，从而推动物联网的发展。
2. 自动驾驶：自动驾驶技术需要实时获取和处理大量的传感器数据，并做出相应的决策。
边缘计算可以将数据的处理和分析任务下放到自动驾驶车辆或附近的边缘节点上，减少数据传输的延迟，提高自动驾驶系统的性能和安全性。
3. 工业控制系统：在工业控制系统中，许多对于实时性要求较高的任务需要进行数据处理和分析。
《2024年移动边缘计算综述》范文
《移动边缘计算综述》篇一一、引言随着移动互联网的飞速发展，数据流量不断增长，云计算虽在一定程度上解决了计算和存储的难题，但在处理时延敏感型应用及大流量数据处理方面，其局限性和挑战日益显现。
在此背景下，移动边缘计算（Mobile Edge Computing，MEC）应运而生。
本文将就移动边缘计算的概念、技术、应用以及未来发展进行全面综述。
二、移动边缘计算的概念与特点移动边缘计算是一种将计算和数据处理任务从云端迁移到网络边缘的分布式计算模式。
其主要特点包括低延迟、高带宽、高灵活性以及数据隐私保护等。
MEC将云计算服务扩展到网络边缘，通过在靠近用户的网络边缘节点上部署计算和存储资源，大大降低了数据传输延迟，提高了数据处理效率。
三、移动边缘计算的关键技术1. 虚拟化技术：虚拟化技术是实现MEC的关键技术之一，通过虚拟化技术，可以在物理硬件上创建多个虚拟环境，实现资源的动态分配和共享。
2. 网络切片技术：网络切片技术可以实现对网络资源的灵活配置和隔离，为不同业务提供定制化的网络环境。
3. 容器技术：容器技术可以快速部署和隔离应用，实现应用的轻量化运行，满足边缘计算的实时性需求。
四、移动边缘计算的应用场景1. 物联网：MEC可以处理大量的物联网设备产生的数据，实现实时监控和预测性维护等功能。
2. 智能交通：通过MEC技术，可以实现实时路况分析、智能信号控制等应用，提高交通效率。
3. 视频分析：MEC可以处理和分析大量的视频数据，实现实时视频监控、人脸识别等应用。
4. 云游戏与AR/VR：MEC可以降低云游戏和AR/VR应用的延迟，提高用户体验。
五、移动边缘计算的挑战与未来发展尽管移动边缘计算具有诸多优势，但仍面临一些挑战。
如资源受限、安全问题、跨域协同等。
针对这些挑战，未来MEC的发展方向包括：1. 资源优化：通过智能算法和机器学习等技术，实现边缘计算资源的动态分配和优化。
2. 安全保障：加强MEC的安全防护措施，保障数据隐私和网络安全。
中国移动边缘计算技术白皮书
中国移动边缘计算技术白皮书摘要：边缘计算技术是一种新兴的计算模式，将数据处理和分析功能从云端转移到离用户更近的边缘设备上，可以提供更高效的计算和响应能力，适用于各种应用场景。
本文对中国移动边缘计算技术进行了深入分析和探讨，包括边缘计算的定义、架构、关键技术、应用案例等方面。
通过详细介绍和分析，展现了中国移动在边缘计算领域的研究和创新成果。
第一部分：引言1.1背景介绍1.2边缘计算的定义1.3白皮书的目标和意义第二部分：边缘计算架构2.1传统的云计算架构2.2边缘计算的基本架构2.3边缘计算与云计算的关系第三部分：边缘计算关键技术3.1边缘设备3.1.1边缘设备概述3.1.2边缘设备的性能要求3.2网络通信3.2.1边缘计算的网络需求3.2.25G和边缘计算的结合3.3数据处理与分析3.3.1边缘计算的数据处理需求3.3.2数据处理与分析的关键技术3.4安全性与隐私保护3.4.1边缘计算的安全性需求3.4.2边缘计算的隐私保护技术第四部分：边缘计算应用案例4.1工业生产4.2智能交通4.3智能家居4.4医疗健康4.5金融服务4.6其他领域的应用案例第五部分：边缘计算的发展前景与挑战5.1边缘计算的发展前景5.2边缘计算面临的挑战5.3中国移动在边缘计算领域的研究和创新成果结论：本文对中国移动边缘计算技术进行了系统性的分析和介绍，展现了边缘计算技术在各应用场景中的优势和潜力。
中国移动在边缘计算领域的研究和创新成果，为推动边缘计算技术的发展和应用提供了有力支持。
[1] 中国移动边缘计算白皮书，xxx年。
[2] xxx，xxx。
《边缘计算与云计算的关系研究》。
xxx年。
[3] xxx，xxx。
《边缘计算安全性与隐私保护技术综述》。
xxx年。
注：以上内容仅为模拟生成，不代表白皮书实际内容和长度。
实际白皮书应根据实际情况编写和调整。
边缘计算研究方向的就业前景
边缘计算研究方向的就业前景边缘计算是一种将数据处理和分析能力尽可能地靠近数据源的计算模式。
它可以在接近数据产生的地方进行即时的数据处理和决策，从而减少了数据传输的延迟和带宽使用。
随着物联网和大数据的快速发展，边缘计算的技术和应用也越来越受到关注。
本文将探讨边缘计算研究方向的就业前景。
1. 边缘计算的市场潜力当前，边缘计算已经在许多领域得到了广泛的应用，包括智能交通、智能家居、工业自动化等。
边缘计算能够为这些领域提供实时性、高可靠性和低延迟的数据处理方案。
据市场研究机构预测，到2025年全球的边缘计算市场规模将达到数百亿美元，并且呈现出快速增长的趋势。
在边缘计算市场的推动下，对于边缘计算研究方向的需求也越来越大。
企业和机构需要具备边缘计算技术能力的人员来开发和维护边缘计算系统，并为其提供技术支持和优化服务。
因此，熟练掌握边缘计算的研究方向将会有更多的就业机会。
2. 边缘计算研究方向的就业需求边缘计算的研究方向主要包括以下几个方面：(1) 边缘计算框架和体系结构边缘计算框架和体系结构是边缘计算系统的基础，包括数据处理和传输机制、节点管理和协调策略等。
研究边缘计算框架和体系结构的人才在边缘计算领域具有重要的作用。
他们可以设计和开发高效、稳定的边缘计算系统，并解决实际应用中遇到的问题。
(2) 边缘计算安全和隐私保护由于边缘计算涉及到大量的敏感数据和个人隐私，因此安全和隐私保护是边缘计算领域的重要问题。
研究边缘计算安全和隐私保护的人员可以设计和实现安全的边缘计算系统，并研究和开发相关的加密和隐私保护算法，以确保边缘计算系统的数据安全和隐私保护。
(3) 边缘计算与人工智能的融合边缘计算和人工智能是当前两个热门的技术领域。
边缘计算具有快速的数据处理和决策能力，而人工智能可以对大量的数据进行分析和学习。
因此，研究边缘计算与人工智能的融合将会成为未来的研究热点。
掌握这方面知识的人员在边缘计算和人工智能相结合的应用领域将具备更多的就业机会。
中国移动边缘计算发展模式及策略
数字经济Digital Econom y中国移动边缘计算发展模式及策略〇撰文丨路宇浩边缘计算产业未来拥有广阔的市场空间，但目前仍处于发展起步阶段，产业模式尚未清晰。
从产业生态来看，运营商逬入边缘计算领域具有先发优势，但是仍然需要集中力量突破平台技术瓶颈才 能获取产业链中更大的市场价值。
边缘计算产业结构及概念体系边缘计算的产业结构边缘计算从部署现场到解决方案的端到端产 业生态已形成，按照产业链结构从上至下依次为解 决方案与系统集成商、应用幵发与服务商、边缘计 算平台提供商、基础资源提供商、硬件服务商、网络服务商、部署环境提供商7个层级。
从国际发展来看，云计算巨头亚马逊、微软 和谷歌都已经推出了相关边缘计算产品。
亚马逊推 出AWS Greengrass边缘组件；微软发布Azure IoT E d g e边缘侧产品；谷歌也在2018年推出 了硬件芯片Edge TPU和软件堆栈Cloud 1〇丁Edge。
在国内，阿里、腾讯、百度、华为、中兴 通讯、数梦工场等也推出了相应的边缘计算产品。
阿里推出Link IoT E d g e平台；腾讯针对边缘计 算推出了 CD N Edge;百度推出智能边缘BIE;华为在2018年推出了 IE F平台；中兴通讯推出了 边缘计算产品；数梦工场推出统一的D T资源管控 产品。
综上，边缘计算领域参与者众多，主流公司 以打造生态优势为目标，基于自身服务层级向产业 链上下两端进行拓展，目前市场主要参与者是系 统集成商、云服务商、电信运营商及O T供应商四类。
系统集成商在产业头部，具有广泛的能力，可 以集成不同生态系统公司的产品，还具有一定的全 球性属性，在边缘计算领域大多由云服务商、电信 运营商担任。
云服务商具有领先的云技术优势与应 用生态体系，同时拥有全球性资源布局与市场资源 生态，并渴望成为边缘计算主导者。
电信运营商具 有边缘基础设施优势以及不可替代的网络能力，技 术生态处于劣势，有望主导边缘生态。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2017年移动边缘计算行业现状及应用前景分析报告(此文档为word格式，可任意修改编辑！）2017年8月正文目录一、移动边缘计算为何物 (5)1.1移动边缘计算的概念、特征与基本组件 (5)1.3移动边缘计算是CDN的未来发展方向之一 (9)二、多因素推动移动边缘计算加速发展 (11)2.1物联网时代的大数据与大连接需要移动边缘计算 (11)2.2移动边缘计算是5G的核心技术之一 (13)2.2.1网络切片技术需要应用移动边缘计算 (15)2.2.2C/U分离技术将促进移动边缘计算实现 (17)2.3移动边缘计算可以避免运营商网络管道化 (21)2.4软件定义网络（SDN）将助力移动边缘计算功能实现 (23)三、移动边缘计算具有丰富的应用场景 (24)3.1视频优化加速：移动边缘计算降低移动视频延迟，实现跨层视频优化243.2车联网：移动边缘计算确保低时延和高可靠性 (26)3.3增强现实（AR）：移动边缘计算可降低时延，提高数据处理精度，提升用户感受 (27)3.4监控视频分析：移动边缘计算可降低核心网负担，提高处理效率 (28)四、移动边缘计算的技术解析 (28)4.1移动边缘计算的类型 (28)4.2移动边缘计算的部署方案 (30)4.2.1基于4G EPC架构部署在RAN侧的MEC方案 (30)4.2.2基于4G EPC架构部署在CN侧的MEC方案 (31)4.2.3基于5G架构的MEC服务器部署方案 (33)五、主要公司分析 (34)5.1诺基亚 (34)5.2英特尔 (35)5.3凌华科技 (37)5.4华为 (38)5.5中兴通讯 (39)5.6网宿科技 (41)5.7日海通讯 (41)5.8Relay2 (43)六、投资建议 (44)七、风险提示 (44)图目录图1：ETSI定义的移动边缘计算框架 (6)图2：英特尔定义的移动边缘计算整体架构 (6)图3：移动边缘计算的技术特征 (7)图4：移动边缘计算与云计算的关系示意图 (8)图5：移动边缘计算与云计算搭配处理数据可降低成本 (9)图6：移动边缘计算与CDN位置关系 (10)图7：CDN典型架构图 (10)图8：物联网时代收集和处理数据的主要难题 (13)图9：IMT-2020定义的5G的八个关键能力 (14)图10：移动边缘计算促进数据中心与5G的融合 (15)图11：移动边缘计算是5G核心技术之一 (15)图12：网络切片的应用需求 (16)图13：5G网络切片示意图 (17)图14：C/U分离技术可以有效提高效率 (18)图15：C/U分离技术应用场景 (19)图16：移动边缘计算降低时延 (20)图17：移动边缘计算（EECO）实现低能耗 (21)图18：运营商面临移动承载网络管道化的挑战 (22)图19：中国联通与佰才邦展示MEC VR解决方案 (23)图20：中国移动智能化边缘计算平台 (23)图21：全球网络延迟情况示意图 (25)图22：移动边缘计算在视频优化中的应用示意图 (26)图23：移动边缘计算在车联网应用中示意图 (27)图24：移动边缘计算在AR应用中示意图 (27)图25：移动边缘计算在监控中的应用 (28)图26：配置到订单系统（左）和预制微型数据中心（右） (29)图27：边缘计算的三种类型 (30)图28：MEC服务器部署在RAN侧基站汇聚点后 (31)图29：MEC服务器部署在RAN侧单个基站后 (31)图30：MEC服务器与CN侧的P—GW部署在一起 (32)图31：MEC服务器与CN侧的D—GW部署在一起 (33)图32：基于5G架构的MEC服务器部署方案 (34)图33：诺基亚MEC平台框架 (35)图34：英特尔NEV SDK功能架构 (36)图35：英特尔MEC测试环境示意图 (37)图36：凌华科技移动边缘计算平台SETO-1000 (38)图37：凌华科技移动边缘计算架构平台产品 (38)图38：华为边缘计算物联网解决方案 (39)图39：中兴QCell方案应用场景 (40)图40：网宿科技构建智能计算网络 (41)图41：佰才邦搭载LTE小基站与MEC服务器的无人机 (42)图42：佰才邦与中国联通展示MEC解决方案 (43)表目录表1：移动边缘计算系统的基本组件及功能 (7)表2：CDN与移动边缘计算之间的区别和联系 (11)表3：诺基亚发布的MEC应用程序 (35)表4：凌华科技移动边缘计算平台可以实现的功能 (38)一、移动边缘计算为何物1.1移动边缘计算的概念、特征与基本组件移动边缘计算（MEC）最初于2013年在IBM和Nokia Siemens共同推出的一款计算平台上出现。
之后，各大电信标准组织开始推动移动边缘计算的规范化工作。
根据欧洲电信标准协会（ETSI）的定义，移动边缘计算侧重在移动网边缘提供IT服务环境和云计算能力，强调靠近移动用户以减少网络操作和服务交付的时延。
2016 年，华为在国内倡议发起了“边缘计算产业联盟”。
根据边缘计算产业联盟的定义，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
我们认为：移动边缘计算通过与内容提供商和应用开发商深度合作，在靠近移动用户侧就近提供内容存储计算及分发服务，使应用、服务和内容部署在高度分布的环境中，以更好地满足低时延和高带宽需求。
根据Intel的架构，移动边缘计算位于无线接入点与有线网络之间，传统无线接入网具备了业务本地化和近距离部署的条件，从而提供了高带宽、低时延的传输能力，同时业务面下沉形成本地化部署，可有效降低对网络回传带宽的要求和网络负荷。
移动边缘计算由于提供了应用程序编程接口（API），并对第三方开放基础网络能力，从而使得网络可以根据第三方的业务需求实现按需定制和交互，这将是5G迈向更扁平网络的第一步。
图1：ETSI定义的移动边缘计算框架图2：英特尔定义的移动边缘计算整体架构移动边缘计算的技术特征主要体现为：邻近性、低时延、高宽带和位置认知。
（1）邻近性：由于移动边缘计算服务器的布置非常靠近信息源，因此边缘计算特别适用于捕获和分析大数据中的关键信息，此外边缘计算还可以直接访问设备，因此容易直接衍生特定的商业应用。
（2）低时延：由于移动边缘计算服务靠近终端设备或者直接在终端设备上运行，因此大大降低了延迟。
这使得反馈更加迅速，同时也改善了用户体验，大大降低了网络在其他部分中可能发生的拥塞。
（3）高带宽：由于移动边缘计算服务器靠近信息源，可以在本地进行简单地数据处理，不必将所有数据或信息都上传至云端，这将使得核心网传输压力下降，减少网络堵塞，网络速率也会因此大大增加。
（4）位置认知：当网络边缘是无线网络的一部分时，无论是WiFi还是蜂窝，本地服务都可以利用相对较少的信息来确定每个连接设备的具体位置。
图3：移动边缘计算的技术特征移动边缘计算的基本组件包括：路由子系统、能力开放子系统、平台管理子系统及边缘云基础设施。
前3个子系统部署于移动边缘计算服务器内，而边缘云基础设施则由部署在网络边缘的小型或微型数据中心构成。
表1：移动边缘计算系统的基本组件及功能移动边缘计算系统的核心设备是基于IT通用硬件平台构建的MEC服务器。
移动边缘计算系统通过部署于无线基站内部或无线接入网边缘的云计算设施（即边缘云），以提供本地化的公有云服务，并可连接其它网络（如企业网）内部的私有云实现混合云服务。
移动边缘计算系统提供基于云平台的虚拟化环境，支持第三方应用在边缘云内的虚拟机(VM)上运行。
相关的无线网络能力可通过MEC 服务器上的平台中间件向第三方应用开放。
1.2移动边缘计算与云计算协同互补、相得益彰移动边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系。
云计算把握整体，聚焦于非实时、长周期数据的大数据分析，能够在周期性维护、业务决策支撑等领域发挥特长；边缘计算则专注于局部，聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。
对于数据处理的时效性要求，如果完全依靠云计算，传输时间及反馈时间将会使得数据处理效率大打折扣。
而如果先通过移动边缘计算进行简单初步的处理，对于复杂的数据再上传至云端，通过云计算解决，这样既可以解决数据处理的时效性问题，同时降低传输成本，又可以减轻云计算的压力。
因此，云计算与移动边缘计算配合的运行模式是这样的：边缘端先对数据进行预处理，提取特征传输给云端再进行计算分析。
图4：移动边缘计算与云计算的关系示意图图5：移动边缘计算与云计算搭配处理数据可降低成本1.3移动边缘计算是CDN的未来发展方向之一CDN即内容分发网络，其目的是通过在现有的Internet中增加一层新的网络架构，将网站的内容发布到最接近用户的网络“边缘”，使用户可以就近取得所需的内容，以提高用户访问网站的响应速度。
CDN与移动边缘计算之间存在千丝万缕的联系。
CDN 与移动边缘计算的产生背景有许多相同之处，实现目标也有相近之处。
两者都是在用户体验要求不断提高，用户数量、数据流量激增的背景下产生。
CDN 中的网络“边缘”和移动边缘计算中的“边缘”含义接近，都意味着和以往的网络架构不同，服务器更接近于无线接入网（RAN）。
但是相较于CDN，移动边缘计算更靠近无线接入网，下沉的位置更深。
由于物理距离的减少，自然移动边缘计算相较于CDN时延进一步降低。
图6：移动边缘计算与CDN位置关系但在架构上，移动边缘计算与CDN差别较大。
移动边缘计算的典型架构中包括能力开放系统及边缘云基础设施，这使得移动边缘计算拥有开放API能力以及本地化的计算能力，而这些恰恰是CDN所欠缺的。
图7：CDN典型架构图由于自身的技术特点，CDN应用场景的关注点是在“加速”，如网站加速，视频点播及视频直播等等场景，并未出现智能化场景。
而移动边缘计算包括了计算能力，因此具备了低时延和智能化特点，移动边缘计算在包含CDN的应用场景外，在诸如车联网、智慧医疗等要求智能化的应用场景中将起到非常大的作用。
随着技术的不断进步以及产业环境的日益变化，用户对高频、高交互的要求越来越极致化，不仅对时延的要求更高，对智能调配能力和处理、计算海量数据的能力也要求更高了。
因此，CDN 的传统应用场景如视频加速将受到挑战。
对此，CDN 要根据市场需求做出进一步升级，比如智能化，最关键的是智能调配、智能计算。
在应用场景方面，CDN也应不断升级，从最初的图片加速、网站加速、视频加速，到承载各类高清视频、VR/AR等重度应用，再到对大数据技术、物联网、人工智能的承载。
而这些正是移动边缘计算要解决的问题。