边缘计算的弊端是什么？
1、地区差异：网络设备较少，适用于转换器
边缘计算为本地数据处理和存储提供了更多机会，但一些地理区域可能不利于边缘实现。在经济或技术资源较少的地区，网络上的活动边缘设备和本地服务器可能较少。在许多相同的领域，您可能缺乏合格的IT专业人员来启动和管理本地边缘网络设备。
网络容量有限的历史可能是一个恶性循环。想要在网络基础设施最少的地区迁移或构建复杂网络模型的IT专家越来越少。因此，从历史上看，他们一直贫穷、没有受过教育、无人居住，或者使用外围设备处理数据。农村地区的能力可能会进一步下降。因此，边缘计算的增长是增加结构性不平等的另一种方式。尤其是因为它与改变生活的人工智能和物联网设备的可访问性有关。
2、脆弱性预防和监测方面的困难
边缘计算可以最大限度地减少数据中心需要保护的数据量，从而提供安全优势，但它也关注边缘网络中每个本地点的安全。并非所有边缘设备都具有相同的内置身份验证和安全功能，因此一些数据很容易被损坏。
边缘设备通常更难在企业级准确定位，因此很难监控使用企业数据的本地化设备并确保它们符合企业网络安全策略。致力于实施零网络安全信任方法的组织在身份验证和网络可见性有限的设备中，可能会影响整体网络安全。
3、具有潜在能量的数据丢失
未使用的数据通常在处理后丢弃在分支设备上，并且不会发送到云数据中心进行存储。但是，如果Edge设备错误地评估了数据集的可用性，该怎么办？如果这些数据对未来有用呢？
在云数据中心挖掘所有现有数据令人失望，但通过集中存储，数据总是可以在需要时使用。边缘计算节省了存储空间和财务资源，但关键数据可能会被边缘设备意外误解和丢失。
4、成本和储存要求
无论是投资大型企业云还是分布式边缘设备来满足计算需求，网络技术都是一项巨大的投资。在数据中心的带宽级别，投资于更强大的边缘网络可以降低成本，但启动和维护边缘设备需要大量成本。这些设备可能需要更多的硬件和软件来满足最佳性能和本地存储要求，如果分散在多个本地地理位置，成本可能会迅速增长。
