第一章：边缘计算与物联网概述
大家好，我是你们这门课的主讲工程师。在正式开始动手搞蓝牙Mesh之前，我觉得有必要先聊聊边缘计算和物联网的来龙去脉。你可能会问：「我们不是要做组网实战吗？讲这些理论干嘛？」
嗯，我理解你的想法。但我做了十几年嵌入式开发，踩过太多坑了。很多问题，说白了就是架构没想清楚。所以这一章，我们先把地基打牢。
1.1 边缘计算概念
边缘计算，名字听着挺高大上。其实说白了，就是把计算能力从云端「下沉」到靠近数据源的地方。我习惯这么跟新人解释：
边缘计算 = 在数据产生的地方，就近处理数据。
而不是把所有数据都传到遥远的云端去算。
举个例子。你家里装了个智能摄像头，如果每次有人经过都要把视频传到云端去分析，那延迟和带宽都受不了。但如果摄像头本身或者旁边有个小盒子能直接做人脸识别，这就是边缘计算。
我记得2017年做一个工业项目，客户要求在产线上做实时缺陷检测。当时方案是把所有图像传到云端服务器，结果延迟高达2秒。生产线都跑完了，检测结果才出来。后来我们改用了边缘计算方案，在产线旁边放了个Jetson盒子，延迟降到了50毫秒以内。嗯，从那以后我就彻底信了边缘计算。
1.2 物联网架构演进
物联网的架构，这些年经历了三个阶段。我画个简单的演进路线给你看：
| 阶段 | 架构模式 | 特点 | 典型问题 |
|---|---|---|---|
| 第一阶段 | 端-云直连 | 设备直接连云端，简单粗暴 | 延迟高、带宽压力大、断网就废 |
| 第二阶段 | 端-网关-云 | 引入网关做协议转换和汇聚 | 网关成了单点瓶颈 |
| 第三阶段 | 端-边缘-云 | 边缘节点承担实时计算和决策 | 架构复杂了，但灵活度大幅提升 |
你想想看，最早期的物联网设备，比如智能插座，就是直接连Wi-Fi然后上报到云平台。那时候设备少，没问题。但现在一个工厂可能有上千个传感器，如果每个都直接上云，服务器根本扛不住。
所以架构演进的核心逻辑是什么？就是「分层」。把计算压力分散到不同层级，让最合适的节点做最合适的事。
1.3 为什么需要边缘计算
这个问题，我直接给你列几个硬核理由：
- 实时性要求：很多工业场景要求毫秒级响应。云端往返一次至少几百毫秒，根本来不及。
- 带宽成本：把所有原始数据都传到云端，流量费能让你哭。我在一个项目中，光4G流量费一个月就花了三万块。
- 隐私与安全：有些数据不适合传到云端，比如医疗影像、金融交易。边缘计算可以在本地完成处理，只上传脱敏后的结果。
- 离线可用：网络不稳定是常态。边缘设备可以本地缓存数据，网络恢复后再同步。
我的经验之谈：判断一个场景要不要用边缘计算，就看三个指标——延迟容忍度、数据量大小、网络稳定性。只要有一个不达标，你就该考虑边缘方案了。
1.4 边缘计算典型应用场景
光讲理论没意思，我直接给你说几个我参与过的真实案例：
场景一：工业产线质检
前面提到过那个产线缺陷检测项目。我们用了边缘计算盒子，跑轻量级的YOLO模型。摄像头拍到图片后，直接在盒子上推理，结果通过Modbus TCP发给PLC。整个流程不到100毫秒。
场景二：智能楼宇能耗管理
一个大型商场装了500多个温湿度传感器和电表。如果全部数据上云，每天产生几个GB的数据。我们在每层楼放了一个边缘网关，做数据聚合和异常检测。只有超过阈值的数据才上报云端。
场景三：农业大棚环境监控
这个项目比较有意思。大棚里网络信号很差，经常断线。我们在每个大棚里放了一个边缘节点，本地存储7天的环境数据。等网络恢复后，自动同步到云端。农民在手机上就能看到历史曲线。
注意：边缘计算不是万能的。如果你的场景对计算资源要求极高（比如训练大模型），或者数据量极小（比如一天才几条），那老老实实用云端反而更划算。别为了「边缘」而「边缘」。
1.5 边缘计算与蓝牙Mesh的关系
你可能会好奇：「我们这门课讲蓝牙Mesh，跟边缘计算有什么关系？」
关系大了去了。蓝牙Mesh网络中的节点，天然就是边缘设备。每个节点都可以做数据采集、本地处理、甚至决策。而Mesh网关，就是典型的边缘计算节点。
我举个例子。在一个智能照明系统中，每个灯都是一个蓝牙Mesh节点。如果所有灯的开关状态都要经过云端控制，那延迟和可靠性都堪忧。但如果我们让灯节点之间通过Mesh网络直接通信，再配合一个边缘网关做场景联动，那体验就完全不一样了。
核心思路：蓝牙Mesh提供的是「连接能力」，边缘计算提供的是「处理能力」。两者结合，才能做出真正智能的物联网系统。
好了，这一章的内容就到这里。下一章我们会开始搭建开发环境，真正动手搞蓝牙Mesh。到时候你会发现，理解了边缘计算的架构思想，做组网设计时会顺手很多。
我是你们的工程师朋友，咱们下章见。
公众号：蓝海资料掘金营，微信 deep3321