隨著智慧城市、智慧家庭等物聯網應用的普及，萬物智能互聯產生的數據量愈加龐大，對計算資源及能力提出更高的需求，而云計算在一段時間內充分滿足了終端設備的資源期待，但隨著智能設備數量日益猛增，內存、CPU等計算資源的內功逐漸顯不足，造成目前市場上智能硬件設備不夠智能化，此時，霧計算應運而生。

海量數據 仍冬眠不休

據IDC數據統計，2015年全球智能可穿戴出貨量達7810萬，虛擬現實產業(yè)達15.4億，智能服務機器人市場規(guī)模達80億美元，預計，2020年我國智能硬件產品和服務的總體市場規(guī)模可達10000億?？梢?，IoT在呈爆炸式增長，萬物萬聯時代即將到來，據Garetner預測，到2020年全球物聯網連接設備將達260億。

隨著智能互聯硬件設備的愈日劇增，數據量愈加龐大，眾所周知，物聯網的真正價值來源于數據，但是，據相關數據顯示，99%的設備產生的數據未被采集和存儲，因此需要布置越來越來的傳感器到智能設備中，這是龐大數據來源的基礎。最為關鍵的是，在智能終端、網關或本地服務器，由于采集的數據流要先傳輸至云端，由云端的大數據中心平臺進行批量分析，再將結果傳輸至智能終端，中間時間過到延遲，導致無法基于運算結果做實時的決策，可以說，數據的能量尚未“覺醒”，數據價值還遠遠未被有效利用。

針對由于計算資源不足導致的數據能量“冬眠”，僅靠提升寬帶傳輸能力是不夠的，必須能靈活部署計算資源，減少中間傳輸環(huán)節(jié)，能根據用戶需求，實時做決策，但目前這是單靠云計算的傳統能力是無法實現的。

云計算的困惑 霧來解?

不可置否，近十多年來，云計算平臺為云用戶提供數據中心的計算資源，一直發(fā)揮著其優(yōu)越性，比如擁有***的資源池、大量用戶共享資源帶來的廉價資源、隨時隨地用任何網絡設備訪問、快速重新部署、彈性的資源租用等。但是，隨著智能硬件設備的快速普及，云計算的不足也是顯而易見的。

眾所周知，智能硬件設備的位置一般都比較分散，在互聯網的多層結構中，云計算數據中心位于核心網絡，而核心網絡距離終端用戶一般比較遠，用戶消息需要幾經周折才能到達，導致了較高的延遲，對實時性要求高的應用難以部署至中心云端。另外，由于大量的物聯網設備應用部署在中心網絡云端，將帶來網絡擁塞，遇到安全、生命相關的物聯網應用，一旦中間某一環(huán)節(jié)應用失效，將帶來重大的安全隱患，因此，云計算已經漸漸不能滿足物聯網發(fā)展多樣化的需求，霧計算正是這個時候應運而生。

霧計算的概念是思科兩年前提出的，在思科的定義中，霧主要使用邊緣網絡中的設備，這些設備可以說是傳統網絡設備如部署在網絡中的路由器、交換機、網關等，也可以是專門部署的本地服務器。但是，霧計算一直以來只是概念化，并未真正的落地，機智云公司CEO黃灼表示，霧計算與邊緣計算是相通的，即是把云端的能力部分釋放到網絡的邊緣、設備端或網關，推到設備端稱為邊緣計算，推到網關或路由器就叫霧計算，從而減輕云數據中心的網絡及計算負載。

與云計算相比，霧計算是更貼近最終用戶的數據通信處理解決方案，但霧計算僅是云計算的延伸，并不是替代，霧計算將數據、數據處理和應用程序集中在網絡邊緣中的設備中直接處理和存儲，然后把剩余的有價值的數據傳輸向云服務器進行存儲或者下一步處理，幫助云計算***效率的發(fā)揮其自身的價值，簡單的說，就是把云計算的概念即運算效率高、快速更新與部署的優(yōu)越性轉移到設備端或網關，把思科的理念用到企業(yè)當中，解決目前處理海量數據時計算資料不足的問題。

霧計算具有很重要的商業(yè)價值，據了解，云計算全球數據中心用電功率相當于30個核電站，數據中心的電子消耗已經成為重要成本，而霧計算節(jié)點位置比較分散，不會集中產生大量熱量，從而減少耗電，降低成本。另外，霧計算低延時互動，提升用戶體驗，而且去中心化地理分布，滿足萬物互聯硬需，有效助力移動業(yè)務布局，實理移動數據分析，關鍵是可以有效保護商業(yè)數據隱私。

云管端推助霧計算落地

如果說核心高速云計算是處于大型數據中心，霧計算就是廣泛的地域分布，滿足移動性要求的業(yè)務部署，黃灼表示，未來的數據中心一定是云霧結合的數據中心，企業(yè)級計算的未來仍然在云中，但真正的計算變革卻在霧里。

霧計算要具體如何真正落地?如何動態(tài)、大規(guī)模地部署運算和存儲能力，云端和設備端如何高效協同、無縫對接，復雜的運算如何在云和霧之間合理的分解和整合。針對問題，黃灼認為，通過對云管端三者都有控制力的技術平臺才能實現霧和云結合的真正落地，把物聯網、大數據及機器學習整合起來是目前面臨的***障礙。通過“云+霧”計算架構，機器學習可以把數據采集和處理邏輯動態(tài)分配到設備和網關端，讓海量的終端設備參與到機器學習的運算中，大大的增加了可采集的數據量和運算資源，可以高效的實現復雜的機器學習算法。

云和霧共同形成一個彼此受益的計算模型，這一新的計算模型無疑能更好的適應物聯網的應用，而且具有重要的商業(yè)價值，在智能硬件、智能電網、車聯網及智能家庭等領域的應用場景不勝枚舉。比如，在智能交通燈監(jiān)控系統中，對于需要人為監(jiān)控的畫面，霧節(jié)點將視頻流直接轉發(fā)給中心機房，而其他監(jiān)控視頻對實時性要求不高的話，可以直接在霧節(jié)點處理，壓縮后再傳向中心機房，這樣從霧節(jié)點到機房的網絡寬帶就得到緩解，當然，在靈活處理云和霧之間的數據流傳輸及處理，得益于云管端這樣的一個技術架構平臺。