边缘计算的可扩展性

边缘计算的可扩展性

I目录

■CONTENTS

第一部分边缘节点的水平扩展................................................2

第二部分边缘节点的垂直扩展................................................4

第三部分可扩展性设计原则..................................................6

第四部分云边协同的扩展性..................................................10

第五部分容器化和虚拟化的影响.............................................13

第六部分边缘计算平台的可扩展性...........................................15

第七部分资源调度和管理策略...............................................18

第八部分可扩展性衡量指标.................................................20

第一部分边缘节点的水平扩展

边缘节点的水平扩展

边缘节点的水平扩展是指通过添加额外的边缘节点来增加边缘计算

平台的处理能力。这种扩展方式可以显著提高系统的可扩展性，以满

足不断增长的计算需求。

水平扩展的优势

水平扩展与垂直扩展（增加单个节点的资源）相比具有以下优势：

*弹性：水平扩展允许根据需求动态添加或移除边缘节点，提供灵活

的容量管理。

*可靠性：由于多个边缘节点分布在不同位置，系统对故障具有更高

的容错性。

*成本效益：添加较小的边缘节点通常比扩展单个节点更加经济实惠。

*可管理性：管理多个较小的边缘节点比管理单个大型节点更容易。

水平扩展的实施

水平扩展需要一个分布式系统架构，其中边缘节点通过网络相互连接。

常见的实施方法包括：

1.集群：将多个边缘节点组织成一个集群，并通过负载均衡算法分

配任务。

2.网格：将边缘节点连接成一个松散耦合的网格，允许节点动态加

入和离开。

3.云中云：将边缘节点部署在云平台之上，利用云的弹性扩展功能。

水平扩展的挑战

水平扩展也带来了一些挑战：

1.数据一致性：在多个边缘节点之间协调数据一致性非常重要，避

免数据不一致。

2.网络延迟：边缘节点之间的网络延迟可能会影响系统的性能，需

要考虑优化网络拓扑结构。

3.管理复杂性：管理和维护多个边缘节点比单个节点更加复杂，需

要完善的运维工具和流程。

4.安全性：水平扩展需要考虑分布式系统的安全问题，确保数据和

服务受到保护。

水平扩展的应用场景

水平扩展在需要高可扩展性、低延迟和可容错性的场景中广泛应用，

例如：

*物联网设备的大规模数据处理

*增强现实和虚拟现实体验

*自动驾驶汽车的实时决策

*分布式医疗系统中的远程医疗服务

结论

边缘节点的水平扩展是提高边缘计算平台可扩展性的关键方法。通过

添加额外的边缘节点，系统可以根据需求动态扩展其处理能力，满足

不断增长的计算需求。水平扩展的优势包括弹性、可靠性、成本效益

和可管理性，但同时也带来了数据一致性、网络延迟、管理复杂性和

安全性的挑战。通过精心规划和实施，水平扩展可以为各种边缘计算

应用提供高可扩展性和可靠的性能。

第二部分边缘节点的垂直扩展

关键词关键要点

【边缘节点的垂直扩展】

1.通过增加计算资源（如处理器、内存和存储）来增强单

个边缘节点的处理能力。

2.允许边缘节点管理更大的负载和更复杂的工作量，从而

提高整体系统性能。

3.可根据特定应用程序和环境的需求进行定制，提供可扩

展且灵活的解决方案。

【边缘计算网格】

边缘节点的垂直扩展

随着边缘计算应用需求的不断增长，单一边缘节点的计算、存储和网

络资源可能无法满足要求。垂直扩展是解决此问题的有效方法，即通

过增加节点内部的资源（如计算核心、内存、存储容量）来提升其处

理能力。

垂直扩展的好处

*提升性能：增加计算核心和内存可以显着提高边缘节点的处理能力,

从而缩短任务执行时间和提高吞吐量。

*扩展存储：增加存储容量可以为边缘应用提供更多的数据存储空间,

满足数据密集型应用程序的需求。

*增强可靠性：通过使用冗余组件或提供额外的备用资源，垂直扩展

可以提高边缘节点的可用性和可靠性。

*降低成本：相比于水平扩展（添加更多边缘节点），垂直扩展通常

可以以更低的成本提升节点性能，因为无需部署和管理额外的硬件。

垂直扩展的实现

垂直扩展的实现方式通常采用以下策略：

*升级硬件：更换或添加更强大的CPU、内存、存储设备等硬件组件。

*增加计算核心：通过增加多核CPU或GPU的数量来提升并行处理能

力。

*整合加速器：添加FPGA或ASIC等特定应用加速器，以针对特定任

务优化性能。

垂直扩展的局限性

尽管垂直扩展提供了显著的好处，但仍存在一些局限性：

*空间限制：边缘节点通常部署在空间受限的环境中，垂直扩展可能

受制于物理空间大小的限制。

*热量管理：增加计算核心和存储容量会产生大量热量，需要有效的

热管理系统来确保设备正常运行。

*能源消耗：高性能硬件通常需要更高的能源消耗，可能影响边缘节

点的功耗和运营成本。

*成本效益：在某些情况下，以线性方式提升性能的成本可能超过预

期收益，从而导致投资回报率较低。

最佳实践

为了实现边缘节点垂直扩展的最佳实践，应考虑以下事项：

*确定需求：根据应用需求仔细评估计算、存储和网络资源要求，确

定所需的扩展程度C

*选择合适的方法：根据应用特性和边缘节点的具体约束条件，选择

合适的垂直扩展策略，例如升级硬件、增加计算核心或整合加速器。

*优化热管理：实施适当的冷却系统，以有效管理垂直扩展后产生的

额外热量。

*考虑能源效率：选择低功耗硬件或采用动态电源管理技术，以降低

扩展后的能源消耗C

*监控和维护：定期监控边缘节点的性能和资源利用率，以确保扩展

效果符合预期并及时进行维护。

结论

边缘节点的垂直扩展是一种有效的方法，可以提升其计算、存储和网

络能力，以满足不断增长的边缘计算需求C通过仔细评估需求、选择

合适的方法并遵循最佳实践，组织可以充分利用垂直扩展带来的好处,

以优化边缘应用的性能、可靠性和成本效率。

第三部分可扩展性设计原则

关键词关键要点

模块化设计

1.将边缘计算系统分解为更小、更易于管理的模块，每个

模块具有明确定义的功能和接口。

2.模块之间的松散耦合，使系统能够随着需求的变化轻松

扩展或替换模块。

3.采用标准化接口，简化模块之间的集成，并促进可互操

作性。

分布式架构

I.将处理和存储分布在多个地理分布的边缘设备或数据中

心中，以减少延迟并提高可用性。

2.通过负载平衡和故障切换机制.实现可扩展性,确保系

统即使在个别设备或数据中心失效的情况下也能继续运

行。

3.采用分布式数据库技术，支持海量数据的存储和处理，

并确保数据的一致性和可用性。

弹性设计

1.建立弹性机制，使系统能够应对不断变化的工作负我和

异常情况。

2.采用自动伸缩算法，艰据资源需求动态调整边缘设备或

云资源的容量。

3.实现故障容错设计，包括冗余组件、错误处理程序和自

我修复功能。

事件驱动编程

1.采用事件驱动编程模型，使系统能够以异步方式响应事

件。

2.事件总线或消息中间件作为通信机制，促进组件之间的

松散耦合和可扩展性。

3.支持并行处理和异步编程技术，提高系统的整体吞吐量

和响应能力。

容器化技术

1.使用容器技术将边缘应用打包为轻量级、可移植的单位。

2.通过容器编排工具管理容器生命周期，实现可扩展和可

管理的部署。

3.支持边缘设备和云平台上的容器部署，增强系统灵活性

并简化跨平台迁移。

边缘-云协同

1.建立边缘设备和云平台之间的无缝协同，优化数据处理

和应用程序部署。

2.利用云平台的强大计算和存储能力，补充边壕设备的资

源限制。

3.通过边缘-云边缘计算，实现数据处理和决策的最佳平

衡，提高系统的整体效率和响应能力。

可扩展性设计原则

可扩展性是指系统在不影响性能的情况下处理不断增加的工作负载

的能力。在设计边缘计算系统时，可扩展性至关重要，因为它允许系

统随着需求的增长而扩展，同时保持高性能和可靠性。以下是可扩展

性设计原则：

模块化设计：

系统应设计为由松散耦合的模块组成，每个模块具有明确定义的功能

和接口。模块化设计使系统易于扩展，因为可以轻松添加、删除或替

换模块以满足变化的需求。

水平可扩展性：

水平可扩展性是指系统可以通过添加更多节点来扩展其处理能力。边

缘计算系统可以使用水平可扩展性来处理不断增加的工作负载，只需

在集群中添加更多边缘设备或服务器即可。

垂直可扩展性：

垂直可扩展性是指系统可以通过升级现有节点来扩展其处理能力。边

缘计算系统可以使用垂直可扩展性来提高单个边缘设备或服务器的

性能，从而处理更重的负载。

弹性：

可扩展性系统应该能够适应不断变化的工作负载，即使在故障发生时

也是如此。弹性特性包括冗余、故障转移和自动故障恢复。

负载均衡：

负载均衡通过在系统中的节点之间分配工作负载来优化资源利用。负

载均衡器可以根据不同的算法动态分配工作负载，以最大限度地利用

资源并防止热点。

自动伸缩：

自动伸缩是指系统能够根据工作负载自动调整其资源。边缘计算系统

可以使用自动伸缩来确保系统在高峰时期能够处理额外的负载，而在

低谷时期可以释放资源以降低成本。

资源池化：

资源池化涉及将系统资源集中到一个池中，该池可根据需要动态分配

给不同模块或节点C资源池化提高了资源利用率，并允许系统在需要

时快速重新分配资源。

事件驱动的架构：

事件驱动的架构基于事件，事件是由系统中发生的特定事件触发的消

息。事件驱动的架构提高了可扩展性，因为它允许系统异步处理事件,

并在需要时动态增加或减少事件处理程序。

无状态设计：

无状态设计是指系统不将用户会话或应用程序状态存储在单个芍点

上。无状态设计提高了可扩展性，因为它尤许在不影响系统性能的情

况下添加或删除节点。

基于微服务的架构：

基于微服务的架构将应用程序分解成一组松散耦合的服务，每个服务

都有自己的功能。基于微服务的架构提高了可扩展性，因为它允许独

立扩展、更新或替换单个服务，而不会影响整个系统。

利用这些可扩展性设计原则，边缘计算系统可以设计为可以随着需求

的增长而平稳扩展，同时保持高性能和可靠性。这些原则有助于确保

边缘计算系统能够满足不断变化的物联网和工业4.0应用程序的要

求。

第四部分云边协同的扩展性

关键词关键要点

云端资源池动态扩展

-边缘计算节点可以通过云端资源池获取弹性算力、存储

和网络服务。

•云端资源池采用容器化技术，可根据边缘任务需求灵活

扩展和收缩资源。

-容器编排平台负责协调边缘节点和云端资源池之间的资

源分配和调度。

边缘网关的分布式部署

-边缘网关分布式部署在边缘设备和云端之间，充当数据

采集、处理和分发的中间层。

-网关具有轻量级、低时延和高并发处理能力，可应对海量

边缘设备的接入和数据处理需求。

-多层次网关架构可实现边缘设备的分组管理和数据路

由，优化网络性能和降低运维复杂度。

云边协同的扩展性

云边协同是边缘计算架构中关键的扩展性机制，它通过将云计算和边

缘计算的优势相结合，实现了边缘设备与云端的无缝协同，从而满足

大规模边缘应用的扩展需求。

1.水平扩展与垂直扩展

云边协同的扩展性可以分为水平扩展和垂直扩展。水平扩展是指通过

增加边缘节点的数量来提升系统的处理能力，而垂直扩展是指通过升

级边缘节点的硬件配置（如处理器、内存）来提升单个节点的处理能

力。

2.动态资源调配

云边协同架构支持动态资源调配，即根据应用负载的实时变化，动态

分配云和边缘之间的资源。当边缘节点负载过高时，系统可以将任务

卸载到云端进行处理，从而保证应用的性能和可用性。

3.分布式部署

云边协同采用分布式部署模式，将边缘节点分散部署在不同的地理位

置，以实现服务的高可用性、低延迟和负载均衡。分布式部署模式提

高了系统的扩展性和弹性，可以满足不同区域和场景下的应用需求。

4.异构资源管理

云边协同架构中，云端和边缘节点具有异构的资源特性。云端拥有强

大的计算能力和存储空间，而边缘节点具有低延迟和实时响应能力。

异构资源管理机制可以根据应用需求和资源特性，将任务合理分配到

合适的执行环境，实现资源的优化利用。

5.负载均衡

负载均衡是云边协同中实现扩展性的重要策略。通过合理分发边缘节

点和云端的负载，可以避免单点故障，保证系统的稳定性和可用性。

负载均衡机制可以基于多种指标（如任务类型、数据流量、资源利用

率）进行负载分配，从而优化系统性能。

6.服务发现与注册

服务发现与注册机制是云边协同中实现扩展性的关键基础设施。服务

发现模块负责发现和维护边缘节点和云端服务的注册信息，以便应用

可以动态发现并连接到所需的资源。服务注册模块负责管理边缘节点

和云端服务的生命周期，确保服务持续可用和一致。

7.数据同步与一致性

在云边协同架构中，数据的一致性至关重要。数据同步机制负责将数

据在云端和边缘节点之间进行同步，确保数据在不同执行环境之间保

持一致。一致性算法保证了数据的可靠性和完整性，避免出现数据冲

突或丢失。

案例

以下是一些云边协同扩展性的成功案例：

*自动驾驶汽车：边缘计算节点可以处理图像处理和实时决策，而云

端可以提供海量数据存储和训练模型，实现自动驾驶汽车的安全性和

效率。

*工业物联网：边缘节点可以收集和分析工业设备的数据，而云端可

以进行高级分析和预测性维护，提高工业生产效率和设备利用率。

*智能城市：边缘节点可以处理视频监控、交通管理和环境监测等实

时数据，而云端可以提供大数据分析和决策支持，打造更加智慧和宜

居的城市。

结论

云边协同的扩展性机制通过水平扩展、垂直扩展、动态资源调配、分

布式部署、异构资源管理、负载均衡、服务发现与注册以及数据同步

与一致性等策略，实现了边缘计算架构的大规模扩展。云边协同扩展

性的实现，满足了大规模边缘应用对性能、可靠性、可用性和成本效

益等方面的要求，推动了边缘计算在各行业领域的广泛应用和创新。

第五部分容器化和虚拟化的影响

关键词关键要点

主题名称：容器化的优势

1.减少资源开销：容器可以轻量级化运行，最小化内存和

CPU占用，从而提高边缘设备的资源利用率。

2.提高可移植性：容器与底层硬件解耦，可以在各种边缘

设备上无绛部署.增强应用程序的可移植性和兼容性C

3.简化部署和管理：容器使应用程序打包和部署变得更加

自动化和高效，减少了边缘计算环境中的运维工作量。

主题名称：虚拟化的影响

容器化和虚拟化的影响

容器化和虚拟化技术对边缘计算的可扩展性具有深远的影响。它们提

供了灵活且高效的解决方案，使边缘计算基础设施能够响应不断变化

的需求。

容器化

容器是一种轻量级的打包单位，它包含运行特定应用程序所需的所有

必要依赖项和文件C容器隔离应用程序，使其能够在基于不同操作系

统和体系结构的不同硬件上运行。

在边缘计算中，容器化带来了以下优势：

*隔离和安全性：容器将应用程序相互隔离，防止它们相互干扰或访

问系统资源。这增强了安全性并降低了应用程序冲突的风险。

*可移植性：容器可以轻松地部署到不同的边缘设备上，无论它们的

硬件或操作系统如何。这使应用程序能够跨广泛的边缘环境轻松缩放。

*资源效率：容器使用比虚拟机更少的资源，因为它们不需要自己的

操作系统或额外的硬件抽象层。这使得边缘设备上的应用程序部署更

加高效。

虚拟化

虚拟化是指创建虚拟化环境，其中多个操作系统和应用程序可以在一

台物理服务器上同时运行。虚拟服务器在虚拟机管理程序

(hypervisor)的控制下隔离运行，该虚拟机管理程序提供了资源分

配、调度和安全性功能。

在边缘计算中，虚拟化提供了以下优势：

*资源整合：虚拟化允许在单个物理设备上运行多个虚拟机，从而提

高资源利用率并降低成本。

*隔离和安全性：虚拟机相互隔离，防止它们相互干扰或访问底层硬

件。这增加了安全性并提高了可靠性。

*灵活性和可扩展性：虚拟机可以根据需要动态创建和销毁，从而使

边缘计算部署能够快速适应需求变化。

容器化与虚拟化对比

虽然容器化和虚拟化都提供了边缘计算的可扩展性优势，但它们在特

定方面有所不同：

I特征I容器化I虚拟化I

资源开销I低I中I

性能I高I中I

隔离|应用内I系统级|

可移植性I高I中I

启动时间I快I慢I

选择容器化还是虚拟化

在边缘计算部署中选择容器化还是虚拟化取决于特定要求。容器化最

适合需要隔离、轻量级和可移植性的应用程序。虚拟化适用于资源整

合、安全性和灵活性的要求较高的情况。

结论

容器化和虚拟化技术是边缘计算可扩展性的关键推动因素。它们提供

了高效、灵活和可扩展的解决方案，使企业能够满足边缘计算不断变

化的需求。通过了解这些技术的优势和差异，企业可以最佳地选择适

合其特定应用程序和需求的技术。

第六部分边缘计算平台的可扩展性

关键词关键要点

弹性扩展

1.水平扩展：通过增加近缘计算节点数量来提升整体处理

能力。

2.垂直扩展：根据需求增加单个节点的处理能力，满足高

性能应用需求。

3.自动伸缩：基于负载或资源利用率自动调整计算资源，

优化资源分配。

分布式部署

1.地理分散：将边缘计算节点部署在靠近数据源和消费者

的区域，降低延迟和提高性能。

2.区域冗余：在不同区域部署多个边缘计算中心，提供故

障转移和高可用性保障。

3.低延迟连接：采用高带宽、低延迟网络，确保边缘计算

节点之间的快速数据交换。

边缘计算平台的可扩展性

边缘计算平台的可扩展性是评估其处理不断增长的数据和连接设备

的能力的关键指标c可扩展性对于边缘计算平台至关重要，因为它使

企业能够灵活地适应不断变化的需求和技术进步。

水平扩展VS垂直扩展

边缘计算平台的可扩展性通常通过两种方法实现：水平扩展和垂直扩

展。

*水平扩展：通过向集群添加更多边缘节点来增加处理能力。这种方

法相对容易且成本效益高，因为它允许逐步扩展能力。

*垂直扩展：通过升级现有边缘节点的计算、内存或存储资源来增加

处理能力。这种方法更昂贵，但可以提供更快的性能提升。

影响可扩展性的因素

影响边缘计算平台可扩展性的因素包括：

*应用程序要求：不同应用程序对处理能力、内存和存储的需求不同。

*连接设备数量：连接到边缘节点的设备数量会影响平台所需的处理

能力。

*数据吞吐量：平台需要能够处理来自连接设备的大量数据。

*延迟要求：某些应用程序需要低延迟，这可能需要更强大的边缘节

点。

*可用资源：边缘节点通常部署在资源受限的环境中，例如远程位置

或工业设施。

可扩展性策略

为了实现可扩展性，边缘计算平台可以采用以下策略：

*微服务架构：将应用程序分解为较小的、独立的服务，可以独立扩

展。

*容器化：使用容器技术隔离和打包服务，允许轻松部署和扩展。

*分布式数据库：使用分布在多个节点上的数据库，以提高可扩展性

和容错性。

*负载均衡：通过将请求分布到多个边缘节点来优化性能和可用性。

*自动缩放：响应不断变化的工作负载自动调整边缘节点的数量和资

源。

可扩展性的好处

边缘计算平台的可扩展性提供了许多好处，包括：

*灵活性和适应性：能够根据需求快速扩展或缩小平台。

*成本效益：水平扩展可以以较低的成本提高处理能力。

*性能优化：垂直扩展可以提供所需的性能提升，以满足要求苛刻的

应用程序。

*可靠性增强：通过在多个边缘节点上部署应用程序，可以提高可用

性和容错性。

*创新加速：可扩展的平台为新应用程序和技术创新提供了基础。

最佳实践

为了确保边缘计算平台的可扩展性，应遵循以下最佳实践：

*容量规划：根据应用程序要求和预期工作负载对容量需求进行细致

的规划。

*监控和分析：持续监控平台的性能，以识别瓶颈并预测增长趋势。

*优化资源利用：实施负载均衡和自动缩放技术，以优化资源利用并

防止过度配置。

*选择正确的供应商：选择提供灵活且可扩展平台的边缘计算供应商。

*持续改进：定期审查可扩展性策略和实施，并根据需要进行调整。

通过遵循这些最佳实践，企业可以确保其边缘计算平台具有满足不断

增长的需求和技术进步的可扩展性。

第七部分资源调度和管理策略

关键词关键要点

资源调度和管理策略

主题名称：容器技术1.容器技术通过将应用程序与底层基础设施解耦，实现「

资源的灵活分配和弹性伸缩。

2.容器编排工具，如Kubemetes,提供了容器编排、服务发

现和健康检查的自动化功能，简化了资源调度和管理。

3.容器技术支持多租户环境，允许在同一物理主机上运行

多个隔离的应用程序，从而提高资源利用率和降低成本。

主题名称：边缘云服务

资源调度和管理策略

随着边缘计算的迅速发展，为满足不断增长的计算需求，资源调度和

管理策略变得至关重要。在边缘环境中，资源通常稀缺，因此优化资

源利用率以最大限度地提高性能和降低成本至关重要。以下是在边缘

计算中常用的几种资源调度和管理策略：

1.动态资源分配

动态资源分配是一种根据工作负载需求动态分配资源的策略。边缘节

点可以监控工作负我的模式和要求，并根据需要分配资源。这种方法

可以确保资源得到优化利用，避免资源浪费或不足。

2.任务放置

任务放置策略确定将任务分配到哪个边缘节点。这些策略考虑因素包

括边缘节点的计算能力、网络延迟和位置。目标是将任务放置在最合

适的边缘节点，以最大限度地减少延迟和提高效率。

3.资源共享

资源共享策略允许多个任务共享边缘节点上的资源。这可以通过虚拟

化或容器化技术实现。资源共享可以提高资源利用率并降低成本，但

需要仔细管理以避免资源冲突和性能下降。

4.负载平衡

负载平衡策略将工作负载分布在多个边缘节点上，以优化资源利用率

和防止单点故障。这些策略可以基于负载预测和实际负载监控，以确

保边缘环境中的工作负载分布均衡。

5.云卸载

云卸载策略将计算任务从资源受限的边缘节点卸载到云平台。这可以

释放边缘节点的资源，并允许处理大量复杂任务。云卸载需要优化网

络连接并管理任务的迁移，以确保性能和响应时间。

6.预测和自适应调度

预测和自适应调度策略使用机器学习和历史数据来预测工作负载模

式和需求。这种方法可以优化资源分配并适应动态变化的边缘环境。

自适应调度可以根据实际工作负载动态调整调度决策，以提高效率和

性能。

7.边缘协作

边缘协作策略使边缘节点能够共享资源和协作处理任务。这可以扩展

单个边缘节点的计算能力并提高总体效率。边缘协作需要安全且可靠

的通信机制以及高效的任务分配协议。

8.弹性资源管理

弹性资源管理策略可在边缘环境中自动扩展和缩减资源以满足不断

变化的需求。这些策略使用自动缩放机制，根据工作负载需求动态增

加或减少边缘节点数量或资源容量。

选择合适的资源调度和管理策略对于边缘计算的成功至关重要。不同

的应用程序和用例可能需要不同的策略组合。通过仔细评估工作负载

需求和边缘环境约束，可以优化资源利用率、提高性能并降低边缘计

算的成本。

第八部分可扩展性衡量指标

关键词关键要点

主题名称：性能可扩展性

1.边缘设备具备灵活扩展的计算能力，能够满足各种叱务

场景的需求。

2.云边协同处理机制，将非关键业务卸载到云端处理，避

免边缘设备负载过高。

3.优化数据分发策略，表据不同业务需求将数据分发到合

适的边缘设备，提升整体性能。

主题名称：资源可扩展性

可扩展性衡量指标

可扩展性是边缘计算系统的一项关键属性，它衡量系统应对增加的工

作负载和用户数量的能力。以下是一些常见的可扩展性衡量指标：

1.水平可扩展性

*每秒事务/消息数(TPS/MPS)：衡量系统每秒处理的事务或消息的

数量。

*用户并发数(CCU)：衡量系统同时处理的并发用户数量。

*吞吐量：衡量系统在特定时间内处理的数据量。

2.垂直可扩展性

*计算能力：衡量系统处理工作负载所需的处理能力，通常以每秒浮

点运算次数(FLOPS)表示。

*内存容量：衡量系统处理数据所需的最大内存量。

*存储容量：衡量系统存储数据的最大容量。

3.