文献：Fog Computing and the Internet of Things: A Review
随着物联网（IoT）应用的快速增长，经典的集中式云计算范式面临着高延迟、低容量和网络故障等挑战。
雾在物联网设备本地提供物联网数据处理和存储，而不是将其发送到云。与云相比，雾提供的服务响应更快，质量更高。
一、引言
物联网中雾计算的目的是提高效率、性能并减少传输到云端进行处理、分析和存储的数据量。因此，传感器收集的数据将被发送到网络边缘设备进行处理和临时存储，而不是发送到云中，从而减少网络流量和延迟。
雾计算中每个雾节点承载本地计算、网络和存储功能。
二、物联网的挑战
云与物联网的集成（CoT）简化了物联网数据和处理流程，并为复杂的数据处理和部署提供了快速、低成本的安装和集成。
集中式云方法不适用于操作时间敏感或互联网连接较差的物联网应用。
三、雾计算
1. 雾计算的定义
雾计算是一种地理分布的计算架构，具有一个资源池，该资源池由网络边缘的一个或多个普遍连接的异构设备（包括边缘设备）组成，并且不完全由云服务无缝支持，以协同提供弹性计算、存储和通信，在孤立的环境中，与邻近的大量客户进行通信。
一个系统级的水平架构，它将计算、存储、控制和网络的资源和服务分布在从云到物的连续体中的任何地方。
2. 雾计算的特点
雾计算充当云和终端设备之间的中介，使处理、存储和网络服务更接近终端设备本身，这些设备称为雾节点，它们可以通过网络连接部署在任何地方。
任何具有计算、存储和网络连接的设备都可以是雾节点。
位置感知和低延迟：雾计算支持位置感知，其中雾节点可以部署在不同的位置。此外，由于雾距终端设备较近，因此在处理终端设备的数据时，它提供了较低的延迟。
地理分布：与集中式云相比，雾提供的服务和应用是分布式的，可以部署在任何地方。
可扩展性：有监控周围环境的大规模传感器网络。雾提供了分布式计算和存储资源，可以与此类大型终端设备一起工作。
支持移动性：雾应用程序的一个重要方面是能够直接连接到移动设备，从而启用移动性方法，例如需要分布式目录系统的定位器ID分离协议（LISP）。
实时交互：雾计算应用程序提供雾节点之间的实时交互，而不是云中使用的批处理。
异质性：雾节点或终端设备由不同的制造商设计，因此具有不同的形式，需要根据其平台进行部署。雾能够在不同的平台上工作。
互操作性：Fog组件可以与不同的域和不同的服务提供商进行互操作和工作。
支持在线分析和与云的交互：雾位于云和终端设备之间，在终端设备附近的数据吸收和处理中发挥重要作用。
3. 雾计算的好处
更高的业务灵活性：使用正确的工具，可以快速开发和部署雾计算应用程序。此外，这些应用程序可以根据客户需求对机器进行编程。
低延迟：雾能够支持实时服务。
地理和大规模分布：雾计算可以为大型和广泛分布的应用程序提供分布式计算和存储资源。
降低运营成本：通过本地处理所选数据，而不是将其发送到云端进行分析，从而节省网络带宽。
灵活性和异构性：雾计算允许多个服务之间的不同物理环境和基础设施的协作。
可扩展性：雾计算与终端设备的接近性使得能够扩展连接的设备和服务的数量。
4. 雾计算的架构
雾计算是一种将数据中心的一些操作带到网络边缘的方法。雾以分布式方式在终端设备和经典云计算数据中心之间提供有限的计算、存储和网络服务。
雾计算的主要目标是为时间敏感的物联网应用提供低且可预测的延迟。
雾计算的体系结构由物理层和虚拟化层、监控层、预处理层、临时存储层、安全层和传输层组成。
物理和虚拟化层涉及不同类型的节点，这些节点根据其类型和服务需求进行管理和维护。
在监控层，监控资源利用率、传感器和雾节点以及网络元件的可用性，还监测雾节点的能耗。监控基础设施上部署的所有应用程序和服务的性能和状态。
预处理层执行数据管理任务。对收集的数据进行分析，并在该层进行数据过滤和修剪，以提取有意义的信息。
临时存储层，存储预处理的数据。当数据传输到云时，它们不再需要存储在本地，可以从临时存储介质中删除。
在安全层，数据的加密/解密发挥作用。此外，可以对数据应用完整性措施，以防止数据被篡改。
在传输层，预处理的数据被上传到云，以允许云提取并创建更多有用的服务。
将物联网连接到云的网关设备在将数据发送到云之前处理数据。这种类型的网关称为智能网关。从传感器网络和物联网设备收集的数据通过智能网关传输到云。
四、物联网雾计算
| 项目 | 云计算 | 雾计算 |
|---|---|---|
| 延迟 | 高 | 低 |
| 硬件 | 可扩展存储 | 计算能力有限 |
| 服务器节点 | 在互联网内的位置 | 在本地网络边缘 |
| 客户端和服务器之间的距离 | 多跳 | 单跳 |
| 工作环境 | 带空调系统的仓库大小建筑 | 室外（如街道、花园）或室内（例如，餐馆） |
| 安全措施 | 定义 | 难以定义 |
| 对数据的攻击 | 概率低 | 概率高 |
| 部署 | 集中式 | 分布式 |
| 位置感知 | 否 | 是 |
雾计算使云更接近网络边缘，为终端设备和经典云服务器之间的计算、存储和网络资源提供了高度虚拟化的模型，这将解决物联网设备的实时问题，并提供安全高效的物联网应用。
雾计算支持大规模传感器网络，解决了物联网设备数量不断增长的问题，被认为是具有低延迟要求的应用的最佳选择。
物联网挑战以及雾计算解决：
延迟限制：雾执行所有计算操作，如管理和分析数据以及接近终端用户的其他时间敏感操作，这是满足某些物联网应用程序延迟限制的理想解决方案。
网络带宽限制：雾计算实现了从云到物联网设备的分层数据处理。这允许根据应用需求、可用网络和计算资源来执行数据处理。这反过来减少了上传到云端所需的数据量，从而节省了网络带宽。
资源受限设备：雾计算可以用于在资源受限的设备无法上传到云时代表这些设备执行需要大量资源的操作。因此，这可以降低设备的复杂性、生命周期成本和功耗。
不间断服务：雾计算可以独立运行，以确保连续服务，即使它与云有不规则的网络连接。
物联网安全挑战：资源受限的设备具有有限的安全功能；因此，雾计算充当这些设备的代理，以更新这些设备的软件和安全凭据。雾还可用于监控附近设备的安全状态。
五、雾与物联网的应用
互联汽车：使用雾而不是云，可以减少碰撞和其他事故，因为它不会受到集中云方法的延迟影响，从而可以开始真正地挽救生命。
智能交通灯：雾计算感知行人和骑车人的存在，并测量附近车辆的距离和速度。
智能家居：雾计算提供了一个统一的接口来集成所有不同的独立设备，提供了弹性资源，以实现存储、实时处理和低延迟。
无线传感器和致动器网络：致动器可以被认为是雾节点，其提供不同的动作来控制具有传感器的终端设备。
医疗保健和活动跟踪：雾计算提供医疗保健中至关重要的实时处理和事件响应，还解决了有关网络连接和流量的问题。
物联网和网络-物理系统CPS：雾计算是以嵌入式系统的概念设计的。
增强现实AR：雾计算通过使用雾服务器和云服务器来实现实时应用。
六、雾与物联网的挑战
可扩展性：应对物联网设备和应用程序快速增长，雾服务器应该能够以足够的资源支持所有这些设备。
复杂性：在不同的软件和硬件配置以及个人需求的情况下，具有高安全要求的应用需要特定的硬件和协议才能运行。
动态性：雾节点将需要拓扑结构和分配资源的自动和智能重新配置。
异构性：异构物联网设备的管理和协调以及适当资源的选择。
延迟：在雾计算平台上，有许多因素导致应用程序或服务性能的高延迟。
安全性：雾环境本身是脆弱的，安全性不如云计算。
资源管理：雾端设备通常是配备了额外存储和计算能力的网络设备，该设备很难与传统服务器的资源容量相匹配。
能耗：雾环境涉及大量雾端设备，计算是分布式的，能效低。
七、雾与物联网的开放问题
- 雾与云之间的通信
雾计算是云的扩展，它是部署在不同位置的雾服务器的中央控制器。
从云到雾的数据传输和更新面临与雾节点处理过程中创建的通信会话相关的问题。选择雾和云之间的适当通信以确保雾节点的高性能和低延迟。 - 雾服务器之间的通信
雾服务器之间的通信和协作是维护它们之间的服务提供和内容交付所必需的。雾服务器需要能够通过互联网使用有线或无线连接相互连接。 - 雾计算部署
雾计算将额外的计算和存储资源放置在系统的边缘，以使用本地资源快速处理本地服务请求。 - 并行计算算法
优化算法通常会耗费时间和资源，需要并行方法来加速优化过程。 - 安全性
雾具有移动性、异质性和大规模地理分布的特征，雾是网络攻击者的攻击目标，因为雾包含来自云和物联网设备的大量敏感数据。 - 最终用户隐私
雾节点离最终用户更近，这允许他们收集更敏感的数据；雾节点分布在大区域，维护集中控制非常困难。
不安全的雾节点可能是攻击者进入网络并窃取雾对象之间交换的用户数据的入口。
八、结论
物联网设备本质上是动态的，存储和处理能力有限。然而，传统的集中式云存在许多问题，例如高延迟和网络故障。为了解决这些问题，雾计算已被开发为云的扩展，但更接近物联网设备，其中所有数据处理都将在雾节点上执行，从而减少延迟，尤其是对于时间敏感的应用程序。