在過去的幾十年中，從內(nèi)部部署軟件到云計算已經(jīng)發(fā)生了巨大轉(zhuǎn)變。通過在云端存儲數(shù)據(jù)和執(zhí)行計算過程，我們已經(jīng)能夠在手機、個人計算機或物聯(lián)網(wǎng)設(shè)備上完成更多工作，但無需增加相應(yīng)的額外內(nèi)存或計算能力。然而，在物聯(lián)網(wǎng)逐漸普及的背景下，我們即將看到事情將開始向另一個方向發(fā)展。

這種變化有很多原因，包括在某些應(yīng)用中需要極低的延遲，例如自動駕駛汽車。將計算能力轉(zhuǎn)移到更靠近網(wǎng)絡(luò)邊緣能降低成本并提高安全性。

[[260586]]

專注于微軟物聯(lián)網(wǎng)戰(zhàn)略的Matt Vasey表示：

什么是霧計算與邊緣計算

先簡單說說二者的基本概念。

1. 霧計算(Fog Computing)

這個概念由思科在2011首創(chuàng)，是相對于云計算而言的。它并非是些性能強大的服務(wù)器，而是由性能較弱、更為分散的各種功能計算機組成，滲入電器、工廠、汽車、街燈及人們生活中的各種物品。

簡單點說，它拓展了云計算(Cloud Computing)的概念，相對于云計算它離產(chǎn)生數(shù)據(jù)的地方更近，數(shù)據(jù)、數(shù)據(jù)相關(guān)的處理和應(yīng)用程序都集中于網(wǎng)絡(luò)邊緣的設(shè)備中，而不是幾乎全部保存在云端。這里因“云”而“霧”的命名源自“霧是更貼近地面的云”這句話。

2. 邊緣計算(Edge Computing)

它進一步推進了霧計算中“局域網(wǎng)處理能力”的理念，但實際上邊緣計算的概念提出比霧計算還要早。邊緣計算的起源可以追溯到上個世紀90年代，當(dāng)時Akamai公司推出了內(nèi)容傳送網(wǎng)絡(luò)(CDN)，該網(wǎng)絡(luò)在接近終端用戶設(shè)立了傳輸節(jié)點，這些節(jié)點能夠存儲緩存的靜態(tài)內(nèi)容，如圖像和視頻等。

邊緣計算的處理能力更靠近數(shù)據(jù)源，其應(yīng)用程序在邊緣側(cè)發(fā)起，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足行業(yè)在實時業(yè)務(wù)、應(yīng)用智能、安全與隱私保護等方面的基本需求。邊緣計算處于物理實體和工業(yè)連接之間，或處于物理實體的邊緣末端。

霧計算與邊緣計算有許多相似之處

[[260587]]

術(shù)語“霧計算”(Fog Computing)和“邊緣計算”(Edge Computing)似乎或多或少可互換，并且它們確實有幾個關(guān)鍵的相似性。

• 霧計算和邊緣計算系統(tǒng)都將數(shù)據(jù)處理轉(zhuǎn)移到數(shù)據(jù)生成源頭;
• 二者都試圖減少發(fā)送到云端的數(shù)據(jù)量，以降低延遲;
• 通過以上策略，二者都可以改善遠程關(guān)鍵型應(yīng)用程序中的系統(tǒng)響應(yīng)時間，提高系統(tǒng)安全性，因為減少了通過公共互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)的需求，并降低了成本。

某些應(yīng)用程序可能會收集大量數(shù)據(jù)，這些數(shù)據(jù)被發(fā)送到中央云服務(wù)的成本很高。但是它們收集的數(shù)據(jù)中可能只有少量是有用的。如果在網(wǎng)絡(luò)邊緣進行某些處理并且僅將相關(guān)信息發(fā)送到云，則可以有效降低成本。

例如安全攝像頭，將24小時視頻發(fā)送到中央服務(wù)器將是非常昂貴的，其中23個小時可能只是一個空蕩蕩的走廊。如果使用邊緣計算，您可以選擇僅發(fā)送實際發(fā)生某事的那一小時。

霧計算和邊緣計算都涉及處理更接近原點的數(shù)據(jù)。關(guān)鍵的區(qū)別在于處理發(fā)生的確切位置。

霧計算與邊緣計算的使用方式不同

我們可以看到，這兩種技術(shù)非常相似。霧計算過程發(fā)生在局域網(wǎng)(LAN)級網(wǎng)絡(luò)架構(gòu)上，使用與工業(yè)網(wǎng)關(guān)和嵌入式計算機系統(tǒng)交互的集中式系統(tǒng)。而邊緣計算處理的大部分數(shù)據(jù)來源于所在的物聯(lián)網(wǎng)設(shè)備本身。

為了區(qū)分它們，讓我們考慮智能城市的用例。

[[260588]]

想象一下配備了智能交通管理基礎(chǔ)設(shè)施的智能城市，交通信號燈上連接了一個傳感器，可以檢測到交叉路口每側(cè)有多少車輛在等待，并優(yōu)先為***等待數(shù)量的車道轉(zhuǎn)動綠燈。這是一個相當(dāng)簡單的計算，可以使用邊緣計算在交通燈本身中執(zhí)行。這減少了需要通過網(wǎng)絡(luò)發(fā)送的數(shù)據(jù)量，從而降低了運營和存儲成本。

現(xiàn)在，想象一下這些交通信號燈是連接對象網(wǎng)絡(luò)的一部分，包括更多交通信號燈，行人過路處，污染監(jiān)視器，公交車GPS跟蹤器等等。

關(guān)于是否在五秒鐘或十秒內(nèi)將交通信號燈變?yōu)榫G色的決定變得更加復(fù)雜。也許有一輛公共汽車在交叉路口的一側(cè)遲到了，也許開始下雨了，為了鼓勵居民更積極地旅行，該市決定在下雨時優(yōu)先考慮行人和騎自行車的人。附近是否有人行橫道或自行車道?有人用嗎?在下雨嗎?等等問題。

在這種更復(fù)雜的情況下，計算的判斷邏輯也會更復(fù)雜一些，此時我們可以在本地部署一個微型數(shù)據(jù)中心，以便分析來自多個邊緣節(jié)點的數(shù)據(jù)。這些微型數(shù)據(jù)中心就像局域網(wǎng)內(nèi)的本地迷你云一樣，被認為是霧計算。

那么，哪種方式“更好”呢?

根據(jù)Million Insights最近的一份報告，到2025年，全球邊緣計算市場規(guī)模預(yù)計將達到約32.4億美元。隨著物聯(lián)網(wǎng)的不斷發(fā)展和生產(chǎn)的更海量的數(shù)據(jù)，處理接近生成點的數(shù)據(jù)將變得勢在必行。

[[260589]]

邊緣計算和霧計算將在物聯(lián)網(wǎng)的未來都將發(fā)揮重要作用。是使用邊緣計算還是霧計算，其實并不太重要，這將取決于具體應(yīng)用和特定用例。像許多物聯(lián)網(wǎng)應(yīng)用的考慮因素一樣，例如選擇哪種類型的連接，答案不是非黑即白。霧計算或邊緣計算哪種“更好”，將取決于具體物聯(lián)網(wǎng)應(yīng)用及其要求和期望的結(jié)果。