边缘计算会代替云计算吗(边缘计算和云计算区别)

边缘计算会颠覆云计算吗雾计算被认为是云计算的延伸，而不是云计算的替代品。雾计算和云计算有很多相似之处。例如，它们都是基于虚拟化技术，从共享资源池向多个用户提供资源。与雾计算相比，小鸟云计算提供全面的行业解决方案和优秀的云计算技术，帮助用户快速创建稳定、安全的云计算环境。此外，云计算强大的计算能力和弹性扩展优势，可以有效降低用户的开发、运维难度和整体IT成本，让用户更加专注于核心业务创新，为自身实现更多价值。
雾计算具有以下优点：
节省核心网带宽：雾作为云端和终端之间的中间层，已经在用户与终端之间的通信路径上。终点站。数据中心。雾可以过滤和聚合用户消息（例如不断发送的传感器消息）并仅将必要的消息发送到云端，从而减轻中心网络的压力。
高可靠性：为了服务不同地区的用户，每个地区的Fog节点上都会部署相同的服务。这也使得高可靠性成为雾计算的固有属性：一旦某个区域的服务出现异常，可以将用户请求快速重定向到附近的其他区域。
了解一般信息：由于雾计算服务分布在不同的区域，因此雾计算服务可以了解一般的区域信息，例如该区域的带宽是否紧张。基于这些知识，视频服务可以及时决定是否降低本地区域的视频质量，从而避免未来的卡顿；对于地图应用来说，可以缓存本地地图，以提高用户体验。
节能：数据中心的电力消耗已成为一项重要成本，其中冷却系统占有不可回避的比例。由于雾计算节点在地理上分散，不会集中产生大量热量，也不需要额外的冷却系统，从而降低了能耗。

云计算未来将是怎样的发展趋势？

2020年后云计算五大发展趋势：

1.边缘计算

云边缘是由强大的服务器和快速存储点组成的本地化数据中心或服务。云提供商正在将应用程序和许多其他活跃作业的负载转移到云边缘状态。这可实现快速处理、低延迟和超快数据传输。

边缘充当云的缓存平台，处理要求苛刻的端点任务并按顺序将数据传输回云。边缘计算从云提供商的基础设施中释放了大量的计算能力，并且带宽使用量急剧下降。

2.云自动化

从2020年及以后开始，我们将越来越依赖人工智能和机器学习(AI/ML)来推动云自动化决策。与人类操作员相比，人工智能/机器学习可以快速、大规模地自动化日常、可重复的任务。

具体的用例可能是广泛的日志分析。AI/ML例程收集大量日志信息、寻找趋势并分析结果。这可用于预测服务器组件故障或应用程序崩溃的原因。容量规划从云自动化中受益匪浅，因为可以根据预计的基础设施需求做出准确的预测。

3.行业优化的云

世界各地的组织正在快速迁移到云。这正在推动特定行业云服务产品的发展趋势。这通常适用于目标严格的行业，例如医疗保健、金融和法律。

一些云服务提供商拥有特定行业的消费性云平台，这些平台已经符合美国相关法规。外包公司只需选择合适的提供商即可使用行业标准的服务。

4.混合云战略

2020年出现的另一个主要趋势是所有CIO都希望拥有一个乌托邦式的工作空间并成为技术中立的云消费者。理想情况下，公司应将其核心业务服务分散到多个云提供商，以显着降低停机或长时间停机的风险。

5.容器化

2020年容器的普及对于云来说尤为重要。自2013年Docker和2014年Kubernetes发布以来，容器的使用量呈爆炸式增长。许多云提供商现在都有自己的容器应用程序引擎，并作为可消费的云服务出售。系统管理员不再需要担心构建虚拟机和底层基础设施。

边缘计算和云计算有什么关系和区别？云计算的主要概念是“去中心化”。未来的终端将拥有高性能的CPU，GPU和存储空间预计会是冗余的。所有终端都将连接到云端。每面镜子和手机都将基于云。在入口他们将（不必要地）将数据传输到云端的计算中心进行处理，而无需自己计算和处理。接入端只是输入和输出。这个想法很棒，但在很长一段时间内仍然是一个遥远的目标。
这个层面最实用、实用的解决方案是边缘计算（前后端混合计算）；去中心化分布式计算和雾计算。所有终端均为分布式计算节点；区块链可以。并行权限。这种设计思想目前也被运用在云桌面的开发中。