在過去 10 年，云計算 開始風靡全世界。當一些公司認識到他們使用云可以節(jié)省多少成本時，他們開始考慮將云計算應用到其他業(yè)務方面，以便進一步降低成本。此外，隨著云技術的不斷改進，通過云得到的服務種類也越來越多。
隨著更多功能遷移到云中，云的局限性和缺陷變得更加明顯。用戶發(fā)現當前的云計算架構不適合某些類型的項目和情形。具體來講，他們發(fā)現正處于高速增長過程中的物聯網 (IoT) 并不總是能夠很好地與云計算一起使用。讓我們來談談這種情況。
那么 IoT 與云計算有何關系呢？實際上，二者關系密切，因為 IoT 的許多部分都由云計算提供助力。它可以是通過連接到云端在您的手機上遠程控制恒溫器的簡單情形?；蛘撸梢允褂迷拼鎯泶鎯δ硞€安全攝像頭網絡錄制的視頻片段?？偠灾?，IoT 和云計算通常能夠很好地互補。
但是，隨著網絡的發(fā)展，隨著更多的智能設備接入網絡，許多問題開始出現。其中一個問題通常是所有這些聯網設備生成的大量數據。例如，在安全攝像頭網絡中，系統(tǒng)每秒可能向服務器上傳大量視頻數據。在這樣一個系統(tǒng)中，攝像頭本身沒有存儲組件，因此所有這些視頻都必須存儲在主服務器上。
云計算通常無法處理的另一個問題是時間延遲。因為數據只能在云中處理，所以記錄數據與從該數據中獲取結果之間始終存在一定的延遲。這種延遲在時間關鍵型系統(tǒng)中可能產生問題。設想一輛自動駕駛汽車配備了傳感器來檢查周圍環(huán)境。當汽車以 50 千米/小時的速度行駛時，在兩秒后獲得其環(huán)境的分析結果將變得毫無意義，因為汽車那時將位于不同的位置。
這些問題的核心在于云計算架構的中心化性質。畢竟，只有網絡的中心節(jié)點才有能力存儲和處理數據。為了解決這個問題，網絡設計師們提出了一種架構，在這個架構中，計算能力更均勻地分布在網絡上。這些架構將處理能力推送到網絡邊緣，使其更接近數據源。這些技術被稱為 霧計算和靄計算。
理解這兩種架構以及它們之間的區(qū)別的最快方法是，了解日常的氣象學意義上的云、霧和靄現象。在現實生活中，一朵云密布著厚重的凝結水，高高掛在空中，離地面很遠。另一方面，霧是位于云下方的更薄的凝結水，而靄是地面上漂浮的水滴形成的薄層。
從這一類比可以看出，云計算與實際的云類似，在云計算中，強大的計算能力位于遠離人類活動的地方。霧計算發(fā)生在云下方的一層中，該層的基礎架構將終端設備與中央服務器相連。最后，靄計算發(fā)生在地面上，其中的輕計算能力位于每個網絡邊緣，位于傳感器和執(zhí)行器設備級別上。
（另一個術語是人們經常使用的邊緣計算。不幸的是，這個術語似乎對不同的人有不同的含義。有些人使用邊緣計算作為靄計算的同義詞，而另一些人認為它等同于霧計算。出于本討論的目的，我將避免使用邊緣計算這個術語，以避免產生混淆。）
讓我們明確一點：云、霧和靄計算是相互補充的。它們應該相互協作，而不是相互對抗。每種計算都有自己的優(yōu)缺點；因此，通過結合運用它們，我們可以發(fā)揮它們的優(yōu)勢，最大限度地減少它們的不足。
盡管如此，您不需要同時使用所有這些方法。例如，假設您在一個偏遠的地區(qū)構建一個自動化的農場灌溉和監(jiān)控系統(tǒng)。如果沒有互聯網連接，您可以放棄云計算，簡單地將數據存儲在現場的計算機中。
如前面所述，霧計算是將計算能力用于設備傳感器與云服務器之間的連接的范例。此能力通常會配備在一個充當網關的設備中，該設備連接所有傳感器并管理與云的連接。網關設備可能擁有不錯的計算能力和數據存儲，所以它可以處理來自多個傳感器的數據。
對于需要處理來自多個傳感器的數據的項目，以及最小化延遲至關重要的項目，霧計算非常適合?；谶@些特征，您可以看到自主駕駛車輛非常適合使用霧計算。
自主駕駛汽車依靠多個傳感器來獲得它周圍環(huán)境的全面解讀。但是，在云中處理所有這些數據是不可能的，因為汽車需要盡快獲得該數據的結果。擁有一個能立即處理該數據的網關設備，是讓汽車正常行駛的關鍵。此外，網關設備必須能夠過濾和查找需要發(fā)送到云端進行進一步分析的相關數據，從而減少所需的帶寬。
當然，霧計算不是完全沒有缺點。霧計算的最大問題是，整個系統(tǒng)的正常運行完全依賴于網關設備，這意味著網關可能是單點故障。類似自主駕駛車輛的系統(tǒng)中存在這樣的問題可能非常危險，所以采用一種備份或冗余機制很重要。
靄計算旨在將計算能力放在每個網絡邊緣上，并放在設備的實際傳感器上。此計算能力通常以嵌入在設備上的微芯片或微控制器的形式存在。因此，靄計算的處理能力更加有限。
您可能想知道，在傳感器上配備計算能力是否是必需的。畢竟，這些傳感器的職責只是記錄來自環(huán)境的數據，對吧？這些傳感器通常還有另一項工作，那就是將它們記錄的信息傳輸到網絡中的數據存儲中。數據傳輸使用的電池電量比同等的計算進程要多得多。因此，通過在傳感器上配備計算能力，數據可以在存儲之前先進行處理、預處理和優(yōu)化。產生的數據將會小得多，在傳輸過程中消耗的能量也會更少。
盡管使用靄計算沒有什么重大缺點，但它要復雜得多。不僅用于靄計算的系統(tǒng)通常是特定于應用的，傳感器通常也是異構的，這些使得實現一個解決方案變得更加復雜。此外，靄計算架構中提供的處理能力通常是有限的，這為任何可能的解決方案增加了更多的限制。
霧和靄計算的最后一個方面是安全性。使用霧或靄計算會提高系統(tǒng)上的數據安全性。在這些計算架構中，數據先在本地進行處理，然后才發(fā)送給遠程服務器。這意味著可以先刪除或加密所有敏感數據，減少系統(tǒng)需要處理的安全威脅。
盡管其他架構擁有所有這些優(yōu)勢，但云計算提供了最大量的計算能力。之前，我解釋了自主駕駛車輛如何非常適合霧計算，但不要忘記，我們需要分析和使用所有這些數據來提高車輛的性能。因為分析數據需要大量的計算能力，而且不是一個時間敏感操作，還有什么比使用云計算更好的方法呢？
云、霧和靄計算都有各自的優(yōu)缺點。隨著越來越多的設備連接到互聯網，正確使用所有這些范例將是確保我們的系統(tǒng)和應用能夠與不斷成長的設備網絡一起擴展的關鍵。
轉自：https://developer.ibm.com/cn/blog/2018/cloud-fog-mist-edge-computing-iot/
