物联网百科 雾计算

sds · 2020年07月24日 · 最后由 sds 回复于 2020年07月24日 · 66 次阅读
本帖已被设为精华帖!

雾计算

雾计算(Fog Computing),在该模式中数据、(数据)处理和应用程序集中在网络边缘的设备中,而不是几乎全部保存在云中,是云计算(Cloud Computing)的延伸概念,由思科(Cisco)提出的。这个因 “云” 而 “雾” 的命名源自 “雾是更贴近地面的云” 这一名句。

雾计算和云计算一样,十分形象。云在天空飘浮,高高在上,遥不可及,刻意抽象;而雾却现实可及,贴近地面,就在你我身边。雾计算并非由性能强大的服务器组成,而是由性能较弱、更为分散的各类功能计算机组成,渗入工厂、汽车、电器、街灯及人们物质生活中的各类用品。

概念

雾计算的概念在 2011 年被人提出,在 2012 年被作了详细定义。正如云计算一样,雾计算也定义得十分形象。云是高高的天上,十分抽象,而雾则接近地面,与你我同在。雾计算没有强力的计算能力,只有一些弱的,零散的计算设备。

提出

雾计算,这个名字由美国纽约哥伦比亚大学的斯特尔佛教授起的,他当时的目的是利用 “雾” 来阻挡黑客入侵。后来思科首次正式提出,赋予雾计算新含义。雾计算是一种面向物联网的分布式计算基础设施,可将计算能力和数据分析应用扩展至网络 “边缘”,它使客户能够在本地分析和管理数据,从而通过联接获得即时的见解。

特点

雾计算是一种对云计算概念的延伸,它主要使用的是边缘网络中的设备,数据传递具有极低时延。雾计算具有辽阔的地理分布,带有大量网络节点的大规模传感器网络。雾计算移动性好,手机和其他移动设备可以互相之间直接通信,信号不必到云端甚至基站去绕一圈,支持很高的移动性。

雾计算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,雾计算是介于云计算和个人计算之间的,是半虚拟化的服务计算架构模型,强调数量,不管单个计算节点能力多么弱都要发挥作用。与云计算相比,雾计算所采用的架构更呈分布式,更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中,而不像云计算那样将它们几乎全部保存在云中,数据的存储及处理更依赖本地设备,而非服务器。雾计算是新一代分布式计算,符合互联网的 “去中心化” 特征。自从思科提出了雾计算,已经有 ARM、戴尔、英特尔、微软等几大科技公司以及普林斯顿大学加入了这个概念阵营,并成立了非盈利性组织开放雾联盟,旨在推广和加快开放雾计算的普及,促进物联网发展。雾计算是以个人云,私有云,企业云等小型云为主。

雾计算和云计算完全不同。云计算是以 IT 运营商服务,社会公有云为主的。雾计算以量制胜,强调数量,不管单个计算节点能力多么弱都要发挥作用。云计算则强调整体计算能力,一般由一堆集中的高性能计算设备完成计算。雾计算扩大了云计算的网络计算模式,将网络计算从网络中心扩展到了网络边缘,从而更加广泛地应用于各种服务。雾计算有几个明显特征:低延时和位置感知,更为广泛的地理分布,适应移动性的应用,支持更多的边缘节点。这些特征使得移动业务部署更加方便,满足更广泛的节点接入。

应用

国家在大力发展物联网,物联网发展的最终结果就是将所有的电子设备,移动终端,家用电器等等一切都互联起来,这些设备不仅数量巨大,而且分布广泛,只有雾计算才能满足,现实的需求对雾计算提出了要求,也为雾计算提供了发展机会。有了雾计算才使得很多业务可以部署。比如:车联网。车联网的应用和部署要求有丰富的连接方式和相互作用。车到车,车到接入点(无线网络,3G,LTE,智能交通灯,导航卫星网络等),接入点到接入点。雾计算能够为车联网的服务菜单中的信息娱乐,安全,交通保障等服务。智能交通灯特别需要对移动性和位置信息的计算,计算量不大,反对时延要求高,显然只有雾计算最适合。试想如果城市中的所有交通灯都需要有数据中心云计算来统一计算而指挥所有交通灯,这样不仅不及时也容易出错。智能交通灯本意是根据车流量来自动指挥车辆通行,避免无车遇红灯时,也要停车等到绿灯再走,那么实时计算非常重要,所以每个交通灯自己都有计算能力,从而自行完成智能指挥,这就是雾计算的威力。

与云计算的区别

与云计算相比,雾计算所采用的架构更呈分布式,更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中,而不像云计算那样将它们几乎全部保存在云中。数据的存储及处理更依赖本地设备,而非服务器。所以,云计算是新一代的集中式计算,而雾计算是新一代的分布式计算,符合互联网的 “去中心化” 特征。 雾计算不像云计算那样,要求使用者连上远端的大型数据中心才能存取服务。除了架构上的差异,云计算所能提供的应用,雾计算基本上都能提供,只是雾计算所采用的计算平台效能可能不如大型数据中心。

云计算承载着业界的厚望。业界曾普遍认为,未来计算功能将完全放在云端。然而,将数据从云端导入、导出实际上比人们想象的要更为复杂和困难。由于接入设备(尤其是移动设备)越来越多,在传输数据、获取信息时,带宽就显得捉襟见肘。随着物联网和移动互联网的高速发展,人们越来越依赖云计算,联网设备越来越多,设备越来越智能,移动应用成为人们在网络上处理事务的主要方式,数据量和数据节点数不断增加,不仅会占用大量网络带宽,而且会加重数据中心的负担,数据传输和信息获取的情况将越来越糟。

因此,搭配分布式的雾计算,通过智能路由器等设备和技术手段,在不同设备之间组成数据传输带,可以有效减少网络流量,数据中心的计算负荷也相应减轻。雾计算可以作为介于 M2M(机器与机器对话)网络与云计算之间的计算处理,以应对 M2M 网络产生的大量数据——运用处理程序对这些数据进行预处理,以提升其使用价值。 [3]

雾计算不仅可以解决联网设备自动化的问题,更关键的是,它对数据传输量的要求更小。雾计算这一 “促进云数据中心内部运作的技术” 有利于提高本地存储与计算能力,消除数据存储及数据传输的瓶颈,非常值得期待。

来源:百度百科

sds 将本帖设为了精华贴 07月24日 15:53

雾计算与边缘计算区别比较

  首先说说「雾计算」,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强的单个设备接收多个端点来的信息,处理后的信息发回需要的地方。和云计算相比延迟更短。

  和边缘计算相比较的话,雾计算更具备可扩展性。具有集中处理的设备,设想的网络是从多个端点发送数据的大的网络。

  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。

  以吸尘器为例说明,集中化的雾节点(或者 IoT 网关)继续从家中的传感器收集信息,检测到垃圾的话就启动吸尘器。

  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。

  这样,通过把传感器连接到可编程自动控制器(PAC)上,使处理和通信的把握成为可能。

  和雾计算相比的优点,根据它的性质单一的故障点比较少。各自的设备独立动作,可以判断什么数据保存在本地,什么数据发到云端。

  以吸尘器为例说明,边缘计算的解决方案里传感器各自判断有没有垃圾,来发送启动吸尘器的信号。

  虽然这 2 个解决方案带来的东西有点相似,但是数据的收集,处理,通信的方法确实是不同的。都有各自的长处和短处,在各种情况下也会出现适合或不适合。IoT 在我们的生活中越来越广泛,将来接触的机会也会更多,只记录数据的传感器已经是明日黄花了。

需要 登录 后方可回复, 如果你还没有账号请点击这里 注册