分布式云实现了针对性能、合规性和边缘计算进行优化的公有云服务的地理分布、集中管理分布。
1. 什么是分布式云?
分布式云是一种公共云计算服务，可以让企业在云提供商的基础架构上和本地、其他云提供商的数据中心或第三方数据中心或托管中心等多个不同位置运行公共云基础架构，并从单个控制平面管理所有内容。
通过这种有针对性的、集中管理的公共云服务分发，企业可以在最能满足企业对性能、法规遵从性等方面的要求的混合云位置和环境中部署和运行应用程序或单个应用程序组件。分布式云解决了混合云或多云环境中可能出现的运营和管理不一致问题。
最重要的是，分布式云为边缘计算提供了理想的基础——在更靠近创建数据的地方运行服务器和应用程序。
对分布式云和边缘计算的需求主要由物联网 (IoT)、人工智能(AI)、电信 (telco) 和其他需要实时处理大量数据的应用驱动。但分布式云也帮助公司克服遵守国家或行业特定数据隐私法规的挑战，并且为因疫情大流行而重新分配的员工和最终用户提供 IT 服务。
2. 分布式云的工作原理
大家之前应该有了解过分布式计算，其中应用程序组件分布在不同的联网计算机上，并通过消息传递或API相互通信，以提高整体应用程序性能或最大化计算效率。
分布式云更进一步，将公共云提供商的整个计算堆栈分发到客户可能需要的任何地方，即客户自己的数据中心或私有云的本地，或一个或多个公共云数据中心的外部可能属于也可能不属于云提供商。
实际上，分布式云通过地理上分布的微云卫星扩展了提供商的集中式云。云提供商保留对所有分布式基础架构的操作、更新、治理、安全性和可靠性的集中控制。客户可以访问一切集中式云服务，以及所有位置的卫星——作为一个单一的云，并从一个控制平面进行管理。这样，正如行业分析师 Gartner 所表示的那样，分布式云修复了混合多云中断的问题。
3. 分布式云和边缘计算
同样，边缘计算是指在物理上尽可能靠近创建数据的位置定位和运行应用程序工作负载。例如，用户与手机或条形码扫描仪等设备交互的位置，或者安全摄像头或机器传感器等物联网设备的位置正在收集和生成数据。
用外行的话来说，边缘计算让你“把数学带到数据中”——把计算放在创建数据的地方，而不是将数据移动到集中的云数据中心进行处理，然后回到需要答案的地方进行决策支持或过程自动化。因此，当低延迟至关重要时，边缘计算越来越被视为高速或实时处理大量数据的应用程序的必要条件。
企业可以在没有分布式云架构的情况下实现边缘计算。但是分布式云使边缘应用程序的部署和管理变得更加容易。
想象一下，如果企业运行多个制造工厂，每个工厂都有自己的边缘服务器，由不同的云服务提供商托管，处理由数千个传感器生成的数据。
借助分布式云，企业可以从一个控制平面、一个仪表板和一个云中的一组工具控制和管理一切——例如部署和管理Kubernetes集群、进行安全更新、监控性能。如果没有分布式云，这些任务和工具可能会因边缘服务器所在的位置而异。
4. 分布式云和边缘计算的用例
分布式云和边缘计算支持从简化的多云管理到提高可扩展性和开发速度，再到部署最先进的自动化和决策支持应用程序和功能的一切。
(1) 改进的混合云/多云可见性和可管理性： 分布式云可以帮助任何企业通过从一个控制台使用一套工具提供可见性和管理来更好地控制其混合多云基础架构。
(2) 高效、具有成本效益的可扩展性和敏捷性： 扩展专用数据中心或在不同地区建立新的数据中心位置既昂贵又耗时。借助分布式云，企业可以扩展到现有基础架构或边缘位置而无需物理扩展，并且可以使用相同的工具和人员在环境中的任何位置快速开发和部署。
(3) 更轻松的行业或本地化法规遵从性：许多数据隐私法规规定用户的个人信息 (PI) 不能在用户所在国家/地区以外的地方传播。分布式云基础架构使企业更容易在每个用户的居住国家/地区处理 PI。从源头处理数据还可以简化对医疗保健、电信和其他行业的数据隐私法规的遵守。
(4) 更快的内容交付：部署在分布式云上的内容交付网络 (CDN) 可以通过从更靠近最终用户的位置存储和交付视频内容来提高流视频内容的性能和用户体验。
(5) 物联网 (AI) 和机器学习应用：视频监控、制造自动化、自动驾驶汽车、医疗保健应用、智能建筑和其他应用依赖实时数据分析，需要数据紧急传输到中央云数据中心和背部。分布式云和边缘计算提供了这些应用程序所需的低延迟。
