Question

边缘计算与雾计算

Answer 1

随着物联网的快速发展以及大数据2.0时代的来临，预计不久的将来将有500亿台物联网设备连接到互联网，有50％的物联网网络将面临网络带宽的限制，40％的数据需要在网络边缘分析、处理与储存。

过去，数据在前端采集通过网络传输在云端计算，计算结果等一系列数据返回前端进行相应操作。然而，我们现在面临的是巨大的物联网设备的接入，每天产生的数据量给网络带来了巨大的传输压力，近TB级别的操作转移到云中进行实时数据交互是非常不现实的。

对于一辆自主驾驶的汽车来说，它需要更低的网络延迟，这也要求将计算能力转移到更近的边缘，以提高其工作的安全性。基于此背景，雾计算和边缘计算得到了广泛的重视。

先来看看边缘计算和雾计算的概念。

雾计算

这个概念由思科在2011首创，是相对于云计算而言的。它并非是些性能强大的服务器，而是由性能较弱、更为分散的各种功能计算机组成，渗入电器、工厂、汽车、街灯及人们生活中的各种物品。

简单点说，它拓展了云计算的概念，相对于云计算它离产生数据的地方更近，数据、数据相关的处理和应用程序都集中于网络边缘的设备中，而不是几乎全部保存在云端。这里因“云”而“雾”的命名源自“雾是更贴近地面的云”这句话。

边缘计算

它进一步推进了雾计算中“局域网处理能力”的理念，但实际上边缘计算的概念提出比雾计算还要早。边缘计算的起源可以追溯到上个世纪90年代，当时Akamai公司推出了内容传送网络(CDN)，该网络在接近终端用户设立了传输节点，这些节点能够存储缓存的静态内容，如图像和视频等。

边缘计算的处理能力更靠近数据源，其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的边缘末端。

某些应用程序可能会收集大量数据，这些数据被发送到中央云服务的成本很高。但是它们收集的数据中可能只有少量是有用的。如果在网络边缘进行某些处理并且仅将相关信息发送到云，则可以有效降低成本。

例如安全摄像头，将24小时视频发送到中央服务器将是非常昂贵的，其中23个小时可能只是一个空荡荡的走廊。如果使用边缘计算，您可以选择仅发送实际发生某事的那一小时。

那么两者究竟有什么区别？

简单点来说，雾计算和边缘计算都涉及到处理更接近原点的数据。关键的区别在于处理发生的确切位置。

为了区分边缘计算和雾计算，让我们考虑以智能城市为例。

想象一下配备了智能交通管理基础设施的智能城市，交通信号灯上连接了一个传感器，可以检测到交叉路口每侧有多少车辆在等待，并优先为最大等待数量的车道转动绿灯。这是一个相当简单的计算，可以使用边缘计算在交通灯本身中执行。这减少了需要通过网络发送的数据量，从而降低了运营和存储成本。

现在，想象一下这些交通信号灯是连接对象网络的一部分，包括更多交通信号灯，行人过路处，污染监视器，公交车GPS跟踪器等等。

是否在五秒钟或十秒内将交通信号灯变为绿色，这样一个决定就会变得更加复杂。也许此时有一辆公共汽车在交叉路口的一侧迟到了，也许该市决定在下雨时优先考虑行人和骑自行车的人，也许附近设有人行横道或自行车道，等等，都会影响最终的判断。

在这种更复杂的情况下，计算的判断逻辑也会更复杂一些，此时我们可以在本地部署一个微型数据中心，以便分析来自多个边缘节点的数据。这些微型数据中心就像局域网内的本地迷你云一样，被认为是雾计算。

由此看来，物联网需要真正的边缘计算/雾计算来应对日益增大的数据处理需求。未来边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。