分布式云是一种公有 云计算 服务，可让您在多个位置运行 公有 云 基础架构，即您的云提供商数据中心、其他云提供商数据中心、第三方数据中心或托管中心和本地数据中心，并从单一控制平台管理所有内容。
通过这种有针对性的、集中管理的公有云服务分布，您的企业可以在最能满足性能、法规遵从性等要求的混合云位置和环境中部署和运行应用程序或个别应用程序组件。 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。
也许最重要的是，分布式云为 边缘计算 提供了理想的基础，可在更靠近数据创建的位置运行服务器和应用程序。
分布式云和边缘计算需求的主要推动力来自于物联网 (IoT)、人工智能 (AI)、电信以及其他需要实时处理大量数据的应用。 但分布式云还帮助公司解决遵守国家或行业特定数据隐私法规的难题，最近，还为因新冠疫情而重新分配的员工和最终用户提供 IT 服务。
您可能听说过分布式计算，也就是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，目的是提高整体应用程序性能或最大程度提高计算效率。
分布式云则更进一步，将公有云提供商的整个计算堆栈分布到客户可能需要的任何地方，可能是客户自己的数据中心或私有云中的本地部署，也可能是一个或多个公有云数据中心的外部部署，此类数据中心不一定属于云提供商。
实际上，分布式云是通过地理位置分散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运行、更新、治理、安全性和可靠性的集中控制。 客户可以作为单个云来访问所有内容，包括集中式云服务以及卫星（无论位于何处），并可从单一控制平台进行全面管理。 正如行业分析机构 Gartner 所说，通过这种方式，分布式云将修复混合云和混合多云环境中的中断。
再赘述一下，边缘计算是指在物理上尽可能靠近创建数据的位置查找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，或者安防摄像头或机器传感器等物联网设备正在收集和生成数据的位置。
通俗地说，边缘计算允许您“将数学带到数据中”，在创建数据的位置运行计算，而不是将数据移动到集中式云数据中心进行处理，然后再传回至需要答案的位置，以提供决策支持或实现流程自动化。 因此，边缘计算对于高速或实时处理大量数据的应用来说越来越重要，在此类应用中，低延迟十分关键。
可以在没有分布式云架构的情况下实施边缘计算。 但是分布式云让边缘应用程序的部署和管理变得更轻松。
想象一下，您经营着多家制造工厂，每个工厂都有自己的边缘服务器，并由不同的云服务提供商托管，处理着数千个传感器生成的数据。 借助分布式云，可以通过一个控制平台、一个仪表板和云中的一组工具来控制和管理一切，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不同而各不相同。
分布式云和边缘计算几乎支持所有方面，从简化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。
- 提升混合云 / 多云的可视性和可管理性： 分布式云 可以帮助任何组织利用一组工具从一个控制台提供可视性和管理能力，从而更好地控制其混合多云基础架构。
- 高效、经济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，组织 无需物理扩建即可扩展到现有基础架构或边缘位置，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。
- 更轻松地满足行业或本地化监管合规性：许多数据隐私法规规定用户的个人信息 (PI) 不能传播到用户所在国家/地区之外。 分布式云基础架构使组织可以更轻松地处理每个用户所在国家/地区的 PI。 在源头处理数据还可以降低满足医疗保健、电信和其他行业数据隐私法规合规性的复杂度。
- 内容交付更快速： 部署在分布式云上的内容交付网络 (CDN) 可以通过从更接近最终用户的位置存储和交付视频内容，来提高流媒体视频内容的性能和用户体验。
- 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于 实时数据分析，无法等待数据传输到中心云数据中心 并返回。 分布式云和边缘计算可提供这些应用所要求的低延迟
IBM Cloud Satellite 可帮助您在本地、边缘计算和公有云环境中，一致地部署和运行来自任何云供应商的应用。 它将一系列核心的 Kubernetes、数据、AI 和安全服务标准化为由 IBM Cloud 集中管理的"即服务"，通过一站式界面实现所有环境的完全可视性。 这样就能够显著提高开发人员的工作效率和开发速度。
要了解更多信息或开始使用分布式云，请注册 IBM Cloud 帐户。