在过去的几十年中，从内部部署软件到云计算已经发生了巨大转变。通过在云端存储数据和执行计算过程，我们已经能够在手机、个人计算机或物联网设备上完成更多工作，但无需增加相应的额外内存或计算能力。然而，在物联网逐渐普及的背景下，我们即将看到事情将开始向另一个方向发展。
这种变化有很多原因，包括在某些应用中需要极低的延迟，例如自动驾驶汽车。将计算能力转移到更靠近网络边缘能降低成本并提高安全性。
专注于微软物联网战略的Matt Vasey表示：
“雾计算和边缘计算的理想用例，包括在要求超低延迟且至关重要的边缘部署计算智能，在地理上分散且连接不规则的区域中运行，或产生TB级的数据而无法快速实时地在本地和云之间传输。”
什么是雾计算与边缘计算
先简单说说二者的基本概念。
1. 雾计算(Fog Computing)
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(Cloud Computing)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。
2. 边缘计算(Edge Computing)
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。
雾计算与边缘计算有许多相似之处
术语“雾计算”(Fog Computing)和“边缘计算”(Edge Computing)似乎或多或少可互换，并且它们确实有几个关键的相似性。
雾计算和边缘计算系统都将数据处理转移到数据生成源头; 二者都试图减少发送到云端的数据量，以降低延迟; 通过以上策略，二者都可以改善远程关键型应用程序中的系统响应时间，提高系统安全性，因为减少了通过公共互联网发送数据的需求，并降低了成本。
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。
雾计算和边缘计算都涉及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。
雾计算与边缘计算的使用方式不同
我们可以看到，这两种技术非常相似。雾计算过程发生在局域网(LAN)级网络架构上，使用与工业网关和嵌入式计算机系统交互的集中式系统。而边缘计算处理的大部分数据来源于所在的物联网设备本身。
为了区分它们，让我们考虑智能城市的用例。
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。
关于是否在五秒钟或十秒内将交通信号灯变为绿色的决定变得更加复杂。也许有一辆公共汽车在交叉路口的一侧迟到了，也许开始下雨了，为了鼓励居民更积极地旅行，该市决定在下雨时优先考虑行人和骑自行车的人。附近是否有人行横道或自行车道?有人用吗?在下雨吗?等等问题。
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。
那么，哪种方式“更好”呢?
根据Million Insights最近的一份报告，到2025年，全球边缘计算市场规模预计将达到约32.4亿美元。随着物联网的不断发展和生产的更海量的数据，处理接近生成点的数据将变得势在必行。
边缘计算和雾计算将在物联网的未来都将发挥重要作用。是使用边缘计算还是雾计算，其实并不太重要，这将取决于具体应用和特定用例。像许多物联网应用的考虑因素一样，例如选择哪种类型的连接，答案不是非黑即白。雾计算或边缘计算哪种“更好”，将取决于具体物联网应用及其要求和期望的结果。
相关阅读：
热门专题
