甚么是云排序？
云排序，不须要邻近地区终端产品进行大批排序，而要透过互联网去允诺巨大的伺服器软件产业来帮排序和分析和处置统计数据。
举个常用的应用领域情景：两个 mpeg4代码文档格式的音频要音频文档成 H.264，您能在他们的笔记本电脑上顺利完成。随着音频宽度的不断增加，对于邻近地区笔记本电脑演算要求愈来愈高，从一开始的10两分钟，到须要1个半小时就能顺利完成，这些都是邻近地区的INS13ZD愈来愈不如导致的。
那如果须要与此同时音频文档100 个音频，何况在他们的笔记本电脑上等候1个音频文档顺利完成后再去操作方式下两个吗？或是是搬来100台笔记本电脑来操作方式？或许这是非常不恰当情形的。
这时须要加进云排序了，把邻近地区的音频上传至用户端，迈入 100 个各项任务与此同时音频文档，音频文档顺利完成后再透过文档出访 URL 去无数个浏览或初始化，这个比你邻近地区音频文档要快多了。
云排序能处置小到音频音频文档，大到小型影片的特技图形，比如说要图形影片里中子星的镜头，须要一格一格的去图形，几百台图形机一起工作十几个半小时就能顺利完成1两分钟的影片特技。
在愈来愈多的统计数据处置市场需求上，云排序正充分发挥着中坚力量的促进作用。
我们平时点的送餐，工具栏的预览，送餐相关人员的派单；B2C网购，退款，退款，递送情形的预览；从你关上网购 App 的一瞬间，GET允诺共张显示，POST允诺投递门牌号的预览，回到订货状况之类都无时不刻的加进了大批统计数据的预览，云排序起著了关键性的促进作用。
谈谈今后
云排序其实已经是现在，而不是今后，说到今后，就不得不提一下边缘计算。
随着边缘排序的兴起，在太多情景中须要排序巨大的统计数据并且得到即时反馈。这些情景开始暴露出云排序的不足，主要有以下几点：
大统计数据的传输问题：据估计，到 2020 年，每人每天平均将产生 1.5GB 的统计数据。随着愈来愈多的设备连接到互联网并生成统计数据，以中心伺服器为节点的云排序可能会遇到带宽瓶颈。
统计数据处置的即时性：据统计，无人驾驶汽车每秒产生约 1GB 统计数据，波音 787 每秒产生的统计数据超过 5GB；2020 年我国统计数据储存量达到约 39ZB，其中约 30% 的统计数据来自于物联网设备的接入。海量统计数据的即时处置可能会使云计INS13ZD不从心。
隐私及能耗的问题：云排序将身体可穿戴、医疗、工业制造等设备采集的隐私统计数据传输到统计数据中心的路径比较长，容易导致统计数据丢失或是信息泄露等风险；统计数据中心的高负载导致的高能耗也是统计数据中心管理规划的核心问题。
讲了一大堆云排序的缺点，那是不是意味着在今后，边缘排序更胜云排序一筹呢？
其实不然！云排序是人和排序设备的互动，而边缘排序则属于设备与设备之间的互动，最后再间接服务于人。边缘排序能处置大批的即时统计数据，而云排序最后能出访这些即时统计数据的历史或是处置结果并做汇总分析。
由此来看，云排序和边缘排序是一种共生和互补的关系，并不会出现谁取代谁的问题，而要谁在哪些排序上更有优势，谁在哪些情景上更合适。
推荐阅读：
