全部產品
Search
文件中心

Edge Security Acceleration:邊緣計算和 AI

更新時間:Jun 18, 2026

邊緣安全加速 ESA通過函數和Pages、邊緣容器、邊緣儲存以及AI網關,為您提供了一種高效、靈活且低延遲的邊緣計算解決方案。

協同工作

構建一個高效、靈活且低延遲的邊緣計算架構,滿足不同規模和複雜度的業務需求。

  • 函數和Pages適用於小算力、事件驅動和簡單的商務邏輯

  • 邊緣容器適用於大算力、複雜的商務邏輯和高效能運算

  • 邊緣儲存為邊緣計算提供資料存放區支援,確保資料的快速存取和持久化

  • AI網關為適用於AI相關應用,提供一體化的檢測和管理平台

  • 資料處理:函數和Pages和邊緣容器可以共同處理資料。函數和Pages適用於輕量級和事件驅動的任務,而邊緣容器適用於需要更多資源和複雜邏輯的任務

  • 資料存放區:邊緣儲存為函數和Pages和邊緣容器提供資料存放區支援。函數和Pages和邊緣容器可以將中間結果或持久化資料存放區在邊緣儲存中,以提高資料訪問速度和減少網路延遲

  • 資料同步:邊緣儲存可以與雲端或其他邊緣節點進行資料同步,確保資料的一致性和可靠性

工作原理

邊緣計算群組合方案通過整合函數和Pages、邊緣容器和邊緣儲存,提供了一個高效、靈活的邊緣計算架構。

功能介紹

功能

功能描述

函數和Pages

指標

函數和Pages提供了豐富的效能與錯誤監控指標,協助您瞭解業務的負載及異常情況。

即時日誌

即時日誌是一種輕量級、便於使用的Log Service,允許您通過控制台頁面即時查看函數和Pages日誌。通過即時日誌資料,可以瞭解函數運行情況並對函數和Pages進行對應的調整。

函數和Pages CLI工具

邊緣安全加速 ESA為您提供 CLI 工具,您可以通過 CLI 工具進行函數和Pages全生命週期管理、調試、多檔案功能部署等操作。

函數模板樣本

ESA提供了多種常見的函數模板,協助您建立適用各情境的函數。

API文檔

通過函數和Pages的API,您的業務請求可以直接在離使用者最近的邊緣節點上得到響應處理,從而顯著減少延遲、提高響應速度,並實現更低時延的計算體驗。

邊緣容器

邊緣容器提供以容器應用為核心的高彈性、易營運的計算資源,在遍布全球的邊緣節點上實現全球部署和就近調度,簡化了協議處理,極大地減少了響應延遲,您無需購買伺服器資源,無需關心應用的擴縮容和營運,讓您更專註於應用開發本身而非底層基礎設施管理。

邊緣儲存

邊緣節點提供了Key-Value型邊緣儲存服務。將資料寫入邊緣儲存後,邊緣儲存的資料會快速自動同步到全球的邊緣節點,邊緣函數ER可快速讀取使用同節點的邊緣儲存資料。結合邊緣儲存和邊緣函數ER,您可以部署輕量型的BaaS服務、API Gateway服務。

AI網關(beta)

AI網關是ESA提供的統一API代理服務,在邊緣節點部署AI介面轉寄能力,為您的AI應用提供可觀測性、安全防護和效能最佳化。

優勢

  • 低延遲

    • 就近計算:資料處理和儲存都在邊緣節點上完成,減少了資料轉送到中心雲的時間,顯著降低了延遲。

    • 即時響應:適用於需要即時處理的應用,如物聯網裝置監控和即時資料分析。

  • 成本效益

    • 按需付費:邊緣函數按實際使用量計費,邊緣容器和邊緣儲存也可以根據實際需求進行資源配置,避免了資源浪費。

    • 降低頻寬成本:通過在邊緣節點上處理資料,減少了資料轉送到中心雲的頻寬消耗,降低了網路成本。

  • 靈活性和可擴充性

    • 多語言支援:邊緣容器支援多種程式設計語言和架構,便於開發和部署複雜的應用。

    • 自動擴充:邊緣函數和邊緣容器都可以根據負載自動擴充,確保應用的穩定性和效能。

    • 可移植性:容器可以在不同的環境中輕鬆遷移,提高了應用的可移植性。

  • 高可用性和安全性

    • 資源隔離:邊緣容器提供了獨立的運行環境,確保應用之間的隔離和安全性。

    • 資料同步:邊緣儲存通過資料同步機制,確保資料的可靠性和一致性。

適用情境

  • 物聯網(IoT)應用:

    • 即時監控:通過邊緣函數和邊緣容器處理來自感應器的資料,實現對裝置狀態的即時監控。

    • 資料預先處理:在邊緣節點上對感應器資料進行預先處理,減少上傳到中心雲的資料量。

  • 視頻流處理:

    • 即時轉碼:利用邊緣容器的強大計算能力,實現即時視頻轉碼和處理。

    • 內容分發:通過邊緣儲存緩衝視頻內容,減少延遲並提高使用者體驗。

  • 巨量資料分析:

    • 即時分析:在邊緣節點上進行即時資料分析,產生即時報告和洞察。

    • 批量處理:通過邊緣容器處理大規模資料集,執行複雜的批處理任務。

  • 機器學習和人工智慧:

    • 模型推理:在邊緣節點上運行機器學習模型,實現快速的模型推理和預測。

    • 資料預先處理:在邊緣節點上對資料進行預先處理,為模型訓練準備資料。

  • 零售和物流:

    • 庫存管理:通過邊緣函數和邊緣容器即時處理庫存資料,最佳化庫存管理。

    • 供應鏈監控:在邊緣節點上處理供應鏈資料,實現對物流過程的即時監控和最佳化。