云计算与雾计算边缘计算

---

一、现在常说的边缘计算与云计算有什么不同？

边缘计算和云计算是两种不同的计算模式，它们在数据处理和存储的位置上有明显的区别。

云计算是一种基于互联网的计算模式，将计算资源（包括处理能力、存储和网络带宽）集中在大型云服务提供商的数据中心。用户可以通过互联网连接到云服务提供商的服务器来获取计算资源，并在这些服务器上进行数据处理、存储和应用使用。云计算为大规模数据处理和应用部署提供了高可扩展性、灵活性和成本效益。

边缘计算是一种将计算资源更加靠近数据源的计算模型。在边缘计算中，计算和数据处理任务发生在更靠近数据源的边缘设备（例如边缘服务器、智能手机、物联网设备）上，而不是传统的集中式云数据中心。边缘计算的目的是减少网络上的传输延迟和数据带宽要求，提高响应速度，并在网络连接不稳定或有限的环境中实现更可靠的数据处理。

边缘计算与云计算的区别包括：

数据处理的位置：云计算将数据处理集中在远程云服务器上，而边缘计算则将数据处理转移到更靠近的边缘设备上。数据源。

延迟和带宽要求：边缘计算通过将数据处理放在边缘设备上，降低数据在网络上的传输延迟和带宽要求，从而提高响应速度和效率。

数据隐私和安全：在云计算中，数据需要通过网络发送到云服务器进行处理，可能存在数据隐私和安全的风险。在边缘计算中，数据处理发生在边缘设备上，减少了网络上的数据传输并提供了更好的数据隐私和安全性。

网络连接要求：云计算依赖于稳定的网络连接和高带宽，而边缘计算可以在网络连接不稳定或有限的环境中运行，因为数据处理发生在本地设备上。

云计算和边缘计算并不是相互排斥的概念，它们可以一起使用。在某些场景下，可以将部分计算和数据处理任务放在边缘设备上，而其他部分任务可以云服务器来处理，以实现更优化的计算架构。

---

二、什么是云计算，雾计算，霾计算，边缘计算和认知计算云计算是一种基于互联网的模型，用于添加、使用和部署相关服务，通常涉及通过互联网提供动态可扩展且通常是虚拟化的资源。云是网络和互联网的隐喻。云计算服务是指通过我们使用的网络服务将数据存储在互联网上的服务器上，使用浏览器浏览这些服务的网页并通过上述接口进行各种计算和工作。
云计算包括以下服务级别：基础设施即服务(IaaS)、即服务(PaaS)和即服务(SaaS)。

---

三、边缘计算与雾计算随着物联网的快速发展和大数据2.0时代的到来，预计不久的将来将有500亿个物联网设备接入互联网，50%的物联网网络将面临带宽限制，40%的物联网网络将面临带宽限制。数据需要在网络边缘进行分析、处理和存储。
以往，数据是通过网络传输在前端采集并在云端计算，一系列的数据以及计算结果返回到前端进行相应的操作。然而，我们现在面临的是海量物联网设备的接入。每天产生的数据量给网络带来巨大的传输压力。将近TB级的操作搬到云端进行实时数据交互是非常不现实的。
对于自动驾驶汽车来说，需要更低的网络延迟，这也需要将计算能力移近边缘，以提高其工作的安全性。基于这样的背景，雾计算和边缘计算受到了广泛关注。
我们先看一下边缘计算和雾计算的概念。
雾计算
这个概念是思科在2011年提出的，与云计算相关。它不是一台性能强大的服务器，而是由各种功能较弱、较分散的计算机组成的。它已经渗透到家用电器、工厂、汽车、路灯以及人们生活中的各种物体中。
简单来说，它拓宽了云计算的概念，与云计算相比，它更接近数据产生的地方，数据相关的处理和应用都集中在网络边缘的设备中，而不是将几乎所有内容保存在云端。这里因“云”而得名“雾”，源于“雾是最接近地面的云”这一说法。
边缘计算
进一步推进了雾计算中“本地网络处理能力”的概念，但实际上边缘计算的概念是在雾计算之前提出的。边缘计算的起源可以追溯到20世纪90年代，当时Akamai推出了内容分发网络(CDN)，该网络在靠近最终用户的地方建立了分发节点，可以存储缓存的静态内容（例如图像和视频）。
边缘计算的处理能力更接近数据源头，应用在边缘启动，对网络服务产生更快的响应，满足行业对实时业务、应用智能、安全和隐私保护等。基本需求。边缘计算位于物理实体和工业连接之间，或者位于物理实体的边缘。
某些应用程序可能会收集大量数据，将这些数据发送到中央云服务的成本很高。但收集到数据中只有一小部分是有用的。如果一些处理是在网络边缘完成，并且仅将相关信息发送到云端，那么实际上可以降低成本。
例如，对于安全摄像头来说，将24小时的视频发送到中央服务器将非常昂贵，其中23小时可能只是一条空走廊。如果您使用边缘计算，您可以选择仅发送实际发生的时间。
那么两者有什么区别呢？
简单来说，雾计算和边缘计算都涉及到更接近源头的数据处理。关键的区别在于处理的具体位置。
为了区分边缘计算和雾计算，我们以智慧城市为例。
想象一个配备智能交通管理基础设施的智慧城市，传感器连接到交通灯，检测路口两侧等待的车辆数量，并优先考虑等待数量最多的车道时间。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执行。这减少了需要通过网络发送的数据量，从而降低了存储和运营成本。
现在，想象一下这些交通信号灯是互联对象网络的一部分，包括多个交通信号灯、人行横道、污染监控器、GPS公交车跟踪器等。
决定是否在五秒或十秒内将交通灯变绿变得更加复杂。也许此时十字路口的一侧有一辆迟到的公共汽车，也许城市决定在下雨时优先考虑行人和骑自行车的人，也许附近有人行横道或自行车道等。等等，一切都会影响最终的判断。
在这种更加复杂的情况下，计算判断的逻辑也会更加复杂。现在，我们可以在本地部署一个微型数据中心来分析多个边缘节点的数据。这些微型数据中心就像本地网络中的本地迷你云，被视为雾计算。
从这个角度来看，物联网需要真正的边缘计算/雾计算来应对不断增长的数据处理需求。未来，边缘计算市场将突破万亿，成为与云计算齐名的新兴市场。