1. 霧計算和邊緣計算有何區別

霧計算和邊緣計算都是早些年被提出的概念，但是為什么最近這幾年開始大力的發展呢？

先前，物聯網行業的發展沒有現在這么的迅速，物聯網的設備沒有這么的多。

在過去，數據在前端進行采集通過網絡傳輸的云端進行計算，將計算結果等一系列數據返回前端進行相應的操作。

但是現在所面臨的是巨大的物聯網設備的接入，每天產生的數據量已經給網絡帶來了巨大的傳輸壓力，動輒TB級的運算傳輸到云端進行數據的實時交互是非常不現實的。

就拿自動駕駛汽車來說，它需要更低的網絡延遲，這也使得必須要將計算能力轉移到更靠近邊緣來提高其工作的安全性。

基于此，霧計算和邊緣計算二者被大家廣泛的重視。

2. 霧計算與邊緣計算

（1） 霧計算（Fog Computing）

這個概念由思科在2011首創，是相對于云計算而言的。

它并非是些性能強大的服務器，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生數據的地方更近，數據、數據相關的處理和應用程序都集中于網絡邊緣的設備中，而不是幾乎全部保存在云端。

（2） 邊緣計算（Edge Computing）

它進一步推進了霧計算中“局域網處理能力”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，當時Akamai公司推出了內容傳送網絡（CDN），該網絡在接近終端用戶設立了傳輸節點，這些節點能夠存儲緩存的靜態內容，如圖像和視頻等。

邊緣計算的處理能力更靠近數據源，其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、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連接之間，或處于物理實體的邊緣末端。

邊緣計算整個體系中包含了四個關鍵部分：智能設備（資產）、工業智能網關：www.top-iot.com/ 、智能系統、智能服務，它是聯接物理世界和虛擬世界的一道“橋梁”。

3. 霧計算與邊緣計算的異同點

霧計算和邊緣計算系統都將數據處理轉移到數據生成源頭;

二者都試圖減少發送到云端的數據量，以降低延遲;通過以上策略;

二者都可以改善遠程關鍵型應用程序中的系統響應時間，提高系統安全性，因為減少了通過公共互聯網發送數據的需求，并降低了成本。

某些應用程序可能會收集大量數據，這些數據被發送到中央云服務的成本很高。

但是它們收集的數據中可能只有少量是有用的。

如果在網絡邊緣進行某些處理并且僅將相關信息發送到云，則可以有效降低成本。

例如安全攝像頭，將24小時視頻發送到中央服務器代價將是非常昂貴的，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，通過工業智能網關進行相應的邊緣計算，只將重要的數據進行發送，您可以選擇僅發送實際發生某事的那一小時，代價將會降低很多。

以吸塵器為例說明，集中化的霧節點（或者IoT網關）繼續從家中的傳感器收集信息，檢測到垃圾的話就啟動吸塵器。

而邊緣計算的解決方案里傳感器各自判斷有沒有垃圾，來發送啟動吸塵器的信號。

霧計算和邊緣計算都涉及處理更接近原點的數據。關鍵的區別在于處理發生的確切位置。

4. 霧計算與邊緣計算的使用方式不同

我們可以看到，這兩種技術非常相似。

霧計算過程發生在局域網（LAN）級網絡架構上，使用與智能網關 和嵌入式計算機系統交互的集中式系統。

而邊緣計算處理的大部分數據來源于所在的物聯網設備本身。

根據Million Insights最近的一份報告，到2025年，全球邊緣計算市場規模預計將達到約32.4億美元。

隨著物聯網的不斷發展和生產的更海量的數據，處理接近生成點的數據將變得勢在必行。

雖然這霧計算和邊緣計算兩者有些相似，但是數據的收集，處理，通信的方法確實是不同的。

都有各自的長處，霧計算和邊緣計算都將在未來的物聯網行業中發揮著十分重要的作用。

好了，今天的分享就到這了。

責任編輯：ct