云计算、雾计算以及边缘计算
简要介绍各种计算的定义以及区别。
1.云计算（Cloud Computing)
云计算 是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种抽象说法。
- 云计算系统由云平台、云存储、云终端、云安全四个基本部分组成；
- 云平台从用户的角度可以分成公有云、私有云、混合云；
- 特点
- 超大规模：云赋予用户前所未有的计算能力；
- 虚拟化
- 高可靠性
- 通用性
- 高可扩展性
- 按需服务：按需购买，就像用水电气一样；
- 极其廉价
- 存在潜在的安全隐患：用户的隐私、数据提供商的数据隐私等等
- 缺点
- 隐私安全隐患
- 网络延迟
- 作为云计算的补充：雾计算和边缘计算被人们提出以弥补云计算存在的问题
2.雾计算（Fog Computing）
顾明思议，相较于云计算的云这一个远离地面的概念，雾计算中的雾正如同生活中的雾，就在人们身边产生，很恰当的解释了雾计算贴近用户的特点。
雾计算最初由哥伦比亚大学Prof. Stolfo提出用于阻挡黑客入侵，之后由美国思科公司将该名词发扬光大，形成了今天我们讨论的***雾计算***；
- 雾计算可以看成是将云计算本地化，即更靠近用户层面。云计算是将大量的数据发送到云端利用云的强大的计算能力和存储能力来为用户服务，以此来解决单一用户设备存储容量以及运算速度不足的问题；现在我们将终端设备和数据中心之间添加一层，称为网络边缘层。如下图所示：
网络边缘层由一些带有存储器的小服务器或路由器等组成，将一些不需要放到云的数据放到这一层直接处理，从而可以减轻“云”的压力，提高效率，减少时延，这一工作原理就可以理解为：雾计算。
- 另外，雾计算也可以理解为分布式的云计算，都是对上传的数据进行分析、存储和处理；因为是分布式的，即“雾”层由众多雾节点组成，这样能够让运算处理速度更快，更高效；
- 云计算强调的是研究计算的方式，雾计算强调计算的位置；
- 特点
- 低时延
- 高可靠性
- 位置感知
- 更节能
3.边缘计算
边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。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，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
- 用于边缘计算的设备可以是智能手机这样的移动设备、PC、智能家居等家用终端，也可以是ATM、摄像头等终端。边缘计算的宗旨可以为：让计算时刻在身边发生。
- 特点
- 分布式，低时延
- 对终端设备的数据进行筛选，充分利用设备的空闲资源，在边缘节点处过滤与分析，节能省时；
- 在海量数据产生的今天，边缘计算能够显著减少从设备到云端的数据流量
- 智能化：对于以后的物联网、AR、VR等场景以及大数据和人工智能行业，实际上都有着很强的对近场计算的需求，边缘计算保障大量的计算需要在离终端很近的区域完成计算，完成苛刻的低时延服务响应。
4.云计算VS雾计算
- 云计算有更强的计算能力和存储能力；
- 云端时刻接入海量数据，存在较高时延，相较于云计算，雾计算分布式的特点让他拥有更低的时延，降低了云端的通信负载；
- 雾节点拥有位置感知等能力，可以广泛应用于LBS（Location Based Services）服务中，车联网环境中用于降低通信时延；
- 雾计算与云计算互为补充，雾计算能够过滤，如聚合用户消息（如不停发送的传感器消息），只将必要的消息发给云，减少了核心网络的压力
5.雾计算VS边缘计算
之前一直以为雾计算和边缘计算是一回事儿，看了一些资料，发现还是有一丢丢区别。
边缘计算概念出现时间比雾计算更早，指代云和设备的边界，因为雾计算相较于云计算而言更接近设备端，所以称之为“雾”。
从物联网层面看二者的区别：
- 雾计算：经常是在IOT背景下被提及，典型的主要业务是路由器、接入点甚至是与传感器和执行器一起的计算设备。
- 处理能力放在包括 IOT设备的LAN里面，这个网络内的IOT网关，或者说是雾节点用于数据收集，处理，存储。多种来源的信息收集到网关里，处理后的数据发送回需要该数据的设备。
- 雾计算的特点是处理能力较强的单个设备（雾节点）接收来自多个端点的数据信息，将数据信息处理后发回源端点，和云计算相比延迟更低；
- 雾计算不需要精确划分处理能力的有无，根据设备的能力也可以执行某些受限处理，但是更复杂的处理实施的话需要积极的连接。
- 边缘计算：进一步推进了雾计算的“LAN内的处理能力”的理念，处理能力更靠近数据源。不是在中央服务器里整理后实施处理，而是在网络内的各设备实施处理。
- 与雾计算相比，边缘计算的性质使然，单一的故障点更少。各自的设备独立动作，可以判断什么数据保存在本地，什么数据发送到核心网络。
- 总结：边缘计算是比雾计算更本地化的一种方式，应用场景也不尽相同。
- 举例来说，在化工厂中，需要有传感器时刻检测化学原料的浓度等，如果采集到的这些信息还需要传输到雾节点甚至是云端，那么由此产生的网络时延可能造成事故，所以由化工厂的传感器组成的边缘网络节点自我运算，判断是否需要人工干预或报警处理，此时便是边缘计算；
- 在车辆网环境中，车辆需要实时请求位置服务，由于车辆本身不具有位置自服务的功能，所以只能通过雾网络向云端请求数据，所以此时就是雾计算应用场景。
6.总结
不管用的是云计算、雾计算、边缘计算还是其他方式，都是为了使我们的生活更加便捷。
