直接回答
端-边-云怎么分工,行业内两个极端说法都常见:有人说"计算全放云端,终端越简单越好",也有人说"都在本地算,云上只是看看"。两种说法都错。分工的依据不是"谁先进放谁",而是四个工程约束——时延、可靠性、算力、运维成本:端侧做微秒/毫秒级抓取与硬联锁,边侧做协议转换、本地缓存与快判断,云侧做历史存储、跨域关联与 AI 推理。任何一层缺位或越位,都会在断网、扩容或突发事件时暴露。
一个场景:某园区项目验收时发现,网关买回来只能透传——所有数据原样转发云端,本地不缓存、不判断。结果一次运营商网络抖动 40 分钟,云平台上一片黑,连本地告警都没有;更危险的是,有个车间把变压器保护联锁逻辑做在云端,断网期间设备异常,联锁要等网络恢复才能动作。另一个项目走到另一个极端:把数据清洗规则全写进现场设备,结果现场算力不够、规则难维护,改一条清洗逻辑要跑遍几十台设备。前者的病是"边侧缺位",后者的病是"端侧越位"——都是没有按四约束分工的结果。
一、先立标尺:四个约束决定"谁该干什么"
端边云三层不是"堆配置",每一层该承担什么职责,由四个工程约束共同决定:
约束一:时延——毫秒级事件(故障跳闸、局放瞬态、联锁动作)必须在本地闭环,等云往返一次就晚了;分钟级数据(能耗、温度趋势)才允许上云处理。
约束二:可靠性——现场网络会断、云平台会抖动。依赖云才能动作的功能,断网即失效;安全关键功能必须本地自洽。
约束三:算力——端侧和边侧算力有限、成本敏感,跑得动快判断,跑不动大规模 AI 推理;重计算留给云端。
约束四:运维成本——规则改在边侧还是云端,决定了改一次逻辑要跑几个现场;历史数据放哪,决定了扩容是加硬盘还是加服务器。
判断口诀:时延敏感、安全关键的放端边;全局关联、长周期分析的上云端;改起来麻烦的规则尽量集中,存起来增长的尽量上云。
二、端侧:微秒/毫秒级抓取与硬联锁
端侧(传感器、监测终端)的职责边界是"物理量的第一道关口":
- 微秒/毫秒级抓取:罗氏线圈抓电流波形、NTC 抓温度瞬态、微安级漏流传感器抓绝缘劣化——这些物理量转瞬即逝,必须就地采集,不上传、不中转;
- 硬联锁:保护动作、联锁逻辑、紧急切断这类安全关键功能,必须在端侧本地闭环,不依赖网络、不等待云端指令;
- 数据标注:给每条数据打上时标、对象标识,保证"数据认识设备"。
端侧越位的典型:把数据清洗、复杂规则判断写进现场设备——现场算力撑不住、规则难维护、升级要跑现场。端侧该做的是"抓得准、认得清、锁得住",不是"想得多"。
三、边侧:协议转换、本地缓存与快判断
边侧(边缘计算网关)是端和云之间的"桥头堡",职责有三项:
- 协议转换:不同厂商设备的 Modbus、IEC 104、MQTT 等协议,统一在网关转换,云端只面对一种规范格式;
- 本地缓存:断网期间数据不丢——按约定保留(如 15 天),网络恢复后自动补传,保证历史完整;
- 本地快判断:毫秒~秒级的本地告警、越限判断、工况识别在网关完成,断网时现场仍有告警能力。
边侧缺位的典型:网关只透传,不做协议转换、不缓存、不判断——断网即黑、协议各表不一、云端被迫面对脏数据。网关的价值不在"传得快",而在"断了还在"和"先判断再上送"。
四、云侧:历史存储、跨域关联与 AI 推理
云侧(平台)的职责是端边做不了、也不该做的重活:
- 历史存储:时序库承载多年级数据,支撑同比、环比、长周期趋势分析;
- 跨域关联:跨站点、跨设备、跨系统的数据汇集——同一设备的历史-现状对比、多站点能耗横向比较、供应链级联分析;
- AI 推理:需要全局样本和大算力的模型(如多设备关联诊断、能耗预测、碳核算)在云端训练和运行。
云侧缺位的典型:把历史数据全留在现场、把跨域分析做在单机——扩容困难、单点风险、跨站协同全废。
五、数据量级视角:每一层该扛多少数据
分工不仅看功能,还看数据量级——每一层能扛多少数据,决定了它的存储和算力该配到什么水平:
- 端侧:瞬态波形,兆级突发——故障瞬间的电流电压波形、局放脉冲是突发性高频数据,按毫秒级抓取、按事件记录,不长期驻留;端侧存的是"事件",不是"全量";
- 边侧:网关缓存,吉字节级——15 天本地缓存的趋势数据、事件记录在网关本地,容量按吉字节规划,够断网缓冲、够本地查询,不做多年积累;
- 云侧:时序历史,太字节级——平台时序库承载多年级全量数据,按太字节级规划扩容,支撑同比、环比、长周期趋势和跨站汇总;AI 引擎在云侧处理跨设备关联分析,算力按模型规模配置。
数据量级错配的典型:把多年历史全压在现场设备,硬盘撑爆、扩容靠逐台换盘;或者把秒级全量波形都上云,带宽和存储成本失控。量级匹配的检验标准:端侧只存事件、边侧够缓冲、云侧扛历史——哪一层扛了不该扛的量,就是错位。
六、三种常见架构错位:识别与代价
错位一:联锁放云端——把保护联锁、紧急切断逻辑放在云平台。代价:网络抖动、断网即失效,安全关键功能被"网络"绑架。识别特征:问"断网时联锁还动吗",答不上来的就是错位。
错位二:清洗放端侧——把数据清洗、规则判断全写进现场设备。代价:现场算力浪费、规则难维护、升级要跑现场、现场能力被"写死"。识别特征:问"改一条清洗规则要多久",说"要跑现场改几十台设备"的就是错位。
错位三:历史放边侧——把历史数据全存在网关本地。代价:扩容困难、单点风险、跨站分析做不了、硬盘坏了历史全丢。识别特征:问"三年的历史数据在哪",答"在现场网关里"的就是错位。
三类错位的共同根源:没按四约束分工,而是按"想当然"分工。
七、断网演练:三层分工的试金石
判断一套系统架构对不对,不用听 PPT,做一次断网演练就能暴露:
演练步骤:选一个业务时段,拔掉网关的上行网线(或断开云平台连接)30 分钟,然后逐项检查:
- 告警还在吗——断网期间本地告警是否照常产生、照常推送(边侧本地判断在不在);
- 数据丢了吗——断网期间的数据是否在网关缓存、恢复后是否自动补传(本地缓存在不在);
- 联锁动吗——安全关键功能是否本地闭环(端侧硬联锁在不在);
- 云端恢复后乱吗——补传数据时标是否对齐、不重复不缺失(三层时标体系在不在)。
演练结果解读:告警没了=边侧缺位;数据丢了=缓存缺位;联锁失灵=端侧缺位;补传混乱=时标体系缺位。拔一次网线,比看十页架构图更能验证分工是否合理。
演练怎么安排:建议每季度做一次,选业务低峰时段执行,把"断网 30 分钟"作为系统验收的固定科目写进运维制度。每次演练形成一份检查单:告警是否照常、缓存是否补齐、联锁是否本地动作、补传是否无损——发现的错位立即整改,下次演练复核。三次演练之后,架构里该挪的位置基本都暴露完了;从此断网不再是"事故",而是"常态演练"。
八、一个"工厂流水线"类比:急停、班组长与总调度
把三层架构想成一家工厂:端侧是机床上的急停按钮和传感器——设备要炸了必须就地急停,不能等总厂打电话来(时延敏感、安全关键,必须在本地);边侧是车间班组长——现场出了问题先就地判断、先处理,车间自己的账本(缓存)先记着,出了车间门才上报(现场拿主意、断网也能管);云侧是总厂调度中心——汇总所有车间的产量、能耗、异常,做全局排产和长期规划(跨域关联、全局分析)。
把急停按钮接到总厂去,机床出事就只能等电话——这是联锁放云端;让每台机床自己算全厂排产——这是重计算放端侧;把全厂账本锁在某个车间——这是历史放边侧。车间管好车间的事,总厂管好总厂的事,工厂才不会乱。
九、端边云分工铁律
时延敏感的动作放端边,全局关联的分析放云端——断网演练是三层分工的试金石。
四句话落地:
- 微秒/毫秒级抓取和硬联锁在端侧,安全关键功能绝不依赖网络;
- 协议转换、15 天本地缓存、本地告警在边侧,网关的价值是"断了还在";
- 历史存储、跨域关联、AI 推理在云侧,重计算和长周期分析不上云就是浪费;
- 三种错位(联锁放云端/清洗放端侧/历史放边侧)用一次断网演练就能识别。
下次再有人跟你说"全放云端"或"全在本地"——别急着站队,先问三个问题:断网时告警还在吗?安全联锁本地能动作吗?三年的历史数据放得下吗?三个问题答完,架构分工自然就清楚了。
十、回到微物联:端边云怎么落地
把这套分工落到产品上:微物联的 ESX 智能边缘计算网关承担边侧职责——协议转换、15 天本地缓存、断网本地告警,让网关不是"透传盒子"而是"断了还在"的桥头堡;FEXCloud 物联网云平台承担云侧职责——时序库历史存储、跨站汇总、AI 关联诊断;端侧监测终端按物理量特性就地抓取、本地联锁。三层各守其位,配合一次断网演练验证,你的系统架构就站得住。
适用范围与限制
- 本文关于「架构设计」的结论,适用于车间、变压器等场景;相关判据以公开规范与微物联产品资料整理,产品参数以最新版选型手册与产品知识库为依据。
- 文中量化判据(保护范围、通流与残压、接地电阻、阈值与分级等)以本文所述前提成立;现场电压等级、接地形式、环境类别与负荷性质与文中假设不一致时,相关数值需重新核算。涉及 ESX 智能边缘计算网关、FEXCloud 物联网云平台 的具体配置,应按实际回路参数复核。
- 具体产品型号与参数以最新版选型手册与产品知识库为准,本文不构成选型与采购建议。
- 文中引用的标准编号以现行有效版本为准;标准换版后,相关量化结论需重新核对。
- 涉及具体项目的部署与实施,需由具备资质的工程师结合现场勘察与设计图纸完成。
常见问题
有人把计算全放云端,有人鼓吹全在本地,三层分工的工程依据到底是什么?
端-边-云怎么分工,行业内两个极端说法都常见:有人说"计算全放云端,终端越简单越好",也有人说"都在本地算,云上只是看看"。两种说法都错。