小编导读
上篇对QFLOW在流计算场景的应用做了个简短的介绍，还没看过的请戳：解决方案│流数据库QFLOW在流计算场景的应用
流处理作为QFLOW 的重要扩展功能，在流计算场景发挥了它的价值，本篇介绍QFLOW在边缘计算场景的应用，带您进一步了解QFLOW的功能和特性。
大势所趋：边缘计算
定义：边缘计算（Edge Computing，简称EC）是指一系列边缘计算技术（包括软硬件），相比完全基于云的传统模型，边缘计算技术能让存储、计算、处理和网络更接近生成或使用数据的设备。（*摘自GSMA智库）
边缘计算是针对云计算而言的，云计算通常被认为是远端功能丰富的大型平台，许多业务在进行云上部署时会面临许多新的需求：
成本需求：大量连接设备产生海量数据，传到云端需要超大带宽和回传容量，另一方面大量数据可能和业务无关，并不需要传到中央处理；
分析需求：数据即资产，需要将数据转换为实时的能力，在靠近用户和设备侧进行应用开发；
时延需求：大量的实时决策、实时控制业务需要低时延响应，远距离实现低时延较为困难；
安全需求：许多公司可能不希望敏感数据离开现场或自有服务器。
根据以上需求，业内预计50%的物联网数据需要在边缘侧处理。尽管边界很难严格定义，但可信迹象表明，边缘计算这一新浪潮正在发展。2019年，Gartner将边缘计算视为年度顶级技术趋势之一。
（图片来源：GSMA智库）
QFLOW在边缘计算的应用
在物联网的诸多解决方案中，有许多是需要对数据的实时分析和处理，比如工业互联网、车联网等，如果我们把物联网分为感知层（各种传感器等）、网络层和应用层，那么边缘计算可以简单理解为网络层前端部分的一种设备，它应具有数据采集、处理（过滤、转换、分析）、转发、存储（有些数据需要本地存储）的功能，同时需要高并发、高性能和数据安全的保障。
QFLOW同时具备内存数据库+流式处理功能，集采集、计算、存储、协同于一体，具备低时延响应，实时运算（过滤、清洗、转化、聚合）等功能特性：
数据采集：Restful,ODBC/JDBC,可定制开发新的采集接口如MQTT，写入速度>30W条每秒；
计算：关系型内存数据库的本地计算功能+实时流式计算功能，支持本地应用开发；
存储：内存数据库存储+本地磁盘存储于一体；
协同：向云端进行数据转发卸载，节点之间成熟的分布式协同机制；
时效性：基于内存响应，数据库自身延时在毫秒甚至亚毫秒级别；
资源利用：tps性能是普通数据库10倍以上，同样的硬件配置可以处理10倍以上的数据量。
价值体现
QFLOW功能完备，能一站式实现计算型边缘节点的全部核心功能；它的高性能，高集约化特性真正实现低成本、低时延、高吞吐；QFLOW的开发与管理和关系型数据库完全相似，极大的降低了操作门槛；QFLOW同时兼具成熟的外围功能，包括数据备份、高可用、数据迁移、性能视图、数据库管理等，全面满足数据库应用需求。
► 快立方流数据库QFLOW,携手共建联通5G创新应用产业新生态
来都来了 点个赞再走吧~~~
