雾计算

什么是雾计算？

雾计算是一种去中心化计算基础设施，它将云计算能力扩展到企业网络的边缘。它使数据、应用程序和其他服务能够更靠近最终用户、设备和传感器托管。雾计算的主要目标是通过减少需要传输到云端进行处理或存储的数据量来提高效率。

雾计算背后的核心思想是将云的能力带到网络边缘，即数据被创建并需要对其进行操作的地方。通过使硬件更靠近数据源，数据能够被更快地处理和分析，从而减少延迟并实现实时响应。雾计算通常与物联网技术相关联，物联网技术涉及众多设备和传感器，应用于机器人技术、自动驾驶和制造业等行业。

雾计算充当云和设备之间的中间层，通过使系统更加自主并对近乎实时的变化做出反应，帮助融合数字世界和物理世界。

雾计算如何工作？

雾计算通过将边缘设备（如传感器、网关和路由器）连接到云端来工作。这些设备中的每一个都通过局域网连接，允许它们彼此通信和交换数据。

雾计算允许边缘设备存储和处理本地数据，从而减少数据到达云端所需的时间。例如，当传感器检测到其环境中的异常时，它可以快速向附近的其他边缘设备以及云端系统发送警报。

雾计算中有 2 个主要组件

• 数据源 - 这些是创建或收集数据的边缘设备。一些示例包括摄像头、灯和传感器等。
• 雾节点 - 雾节点是位于数据源和云之间的硬件。雾节点可以包括充当云或其他边缘设备之间网关设备的交换机或路由器等。雾节点也可以是硬件，在边缘进行数据的实际处理和分析，并在数据源设备和云之间传输信息。

这是实施雾计算所涉及过程的典型概述

• 确定是否需要雾计算 - 不应无缘无故地实施像雾计算这样复杂的东西。如果您的物联网网络面临与延迟、带宽限制或安全问题相关的问题，那么雾计算可能是有意义的
• 确定硬件要求 - 基于第一阶段，您可以确定实现目标所需的硬件。这将涉及计算您在处理能力、存储和网络容量方面需要多少以及哪种类型的硬件。
• 安装雾节点硬件 - 获得硬件后，您需要将硬件安装在有意义的位置。这将是成本与哪个物理位置最理想之间的权衡。
• 实施安全措施 - 根据您的雾计算网络正在处理的数据类型，您需要在软件和硬件级别实施不同级别的安全性。
• 监控雾计算系统 - 一旦您的雾设备运行起来，您就需要不断监控它们，以确保它们按预期工作。您必须制定流程，以便在可能的情况下远程高效地修复问题，并在必要时派遣工作人员修理或更换物理设备。

最终结果应该是您的企业拥有一个安全、可靠的雾计算系统，并提供带来正投资回报率的功能。

雾计算用例

制造业

工业物联网应用，如工厂中发现的应用，通常涉及众多传感器和设备，用于监控过程和环境条件。使用雾计算，来自这些设备的数据可以在本地和实时处理，从而更快地响应变化，进行预测性维护，并提高运营效率。

自动驾驶汽车

自动驾驶汽车会生成大量需要实时处理的数据。自动驾驶汽车需要立即处理传感器数据并做出决策以安全导航。雾计算在网络边缘（更靠近数据生成位置）实现了必要的低延迟处理和决策，从而缩短了响应时间，并提高了这些车辆的整体安全性和性能。理论上，自动驾驶汽车都可以充当雾节点并将位置数据传递给彼此，以提高安全性。

医疗保健

在医疗保健行业，实时患者监控和远程医疗是关键应用。雾计算允许本地处理来自可穿戴设备和健康监测器的患者数据，从而更快地分析和响应任何健康问题。它还支持敏感患者数据的安全传输，从而减轻隐私问题。

智慧城市

雾计算可以在智慧城市应用中发挥至关重要的作用，在智慧城市应用中，大规模物联网部署很常见。交通管理、环境监控和公共安全等功能受益于本地化的实时数据处理。例如，可以在边缘处理交通数据以实时调整交通信号灯 timing，从而改善交通流量并减少拥堵。

雾计算的优势

减少延迟

通过在网络边缘（更靠近数据源的位置）处理数据，雾计算大大缩短了分析和响应数据所需的时间。这种较低的延迟对于时间敏感型应用（如自动驾驶汽车、工业自动化和实时分析）至关重要，在这些应用中，通常需要立即采取行动。

网络效率

雾计算通过在本地处理数据并将必要信息发送到云端来优化网络资源的使用。这减轻了网络基础设施的负担，最大限度地减少了带宽使用，并有助于防止网络拥塞。

安全和数据隐私

通过将更多数据处理移至边缘，更少的数据存储在集中式云端，而单次泄露可能会暴露您的所有数据。雾计算还可以通过仅在边缘使用数据而不将其发送回云端来为用户提供更好的数据隐私。

系统弹性

如果实施得当，雾计算可以消除单点故障和瓶颈。如果一个节点出现故障，数据可以发送到其他节点进行处理和路由数据。

可扩展性

雾网络的架构和设计允许在完成初始设置后轻松添加新节点。这意味着，随着流量或物联网设备数量随时间推移而增加，网络可以向上扩展。

雾计算的挑战

网络安全和数据治理

虽然雾计算可以在许多方面（如上述描述的方面）帮助提高安全性，但如果操作不当，它也可能暴露潜在的安全漏洞。主要威胁是边缘设备可能在物理上受到损害。另一个需要考虑的挑战是数据治理和合规性。这意味着需要控制哪些员工可以访问某些类型的数据，并遵守可能因硬件部署位置而异的法规。

系统复杂性

与集中式云计算相比，运行分布式雾网络具有一些固有的复杂性，需要在监控方面加以考虑。这些问题可以通过使用自动化和管理大部分复杂性的软件来缓解。

实施和维护成本

雾计算的一个明显挑战是购买基础设施的初始成本。这还将包括设计系统本身所需的员工的工资。一旦实施，您还需要有维护人员来修理和更换硬件，并随着时间的推移对其进行升级。

雾计算与边缘计算

虽然雾计算和边缘计算都是在数据源端实现数据处理的技术，但它们是两种不同的方法。边缘计算通常使用本地存储和处理能力来快速做出决策，而无需依赖与云端或互联网的直接连接。雾计算本质上更分散，并利用连接到网络的多个设备来分担处理负载。与边缘计算相比，这允许更灵活的方法和更大的可扩展性。雾计算还减少了对中央服务器或基于云的服务的依赖。

这两种技术可以结合使用，为分布式处理创建强大的解决方案。通过使用边缘计算快速处理本地任务，并使用雾计算将负载分散到多个设备，可以创建既可靠又高效的应用程序。

雾计算与云计算

雾计算和云计算之间存在一些差异。首先，雾计算侧重于在网络边缘提供数据处理和存储功能，而云计算主要侧重于提供高级服务，如分析、人工智能或机器学习。

因此，雾计算可用于网络访问受限的低资源环境，而云计算需要更高的带宽和资源来运行更复杂的任务。此外，雾计算适用于实时数据处理，而云计算可用于批处理或大规模应用程序。最后，雾计算和云计算通常结合使用，以在需要实时和批处理能力的应用中相互补充。