霧計算”是一種面向物聯網(IoT)的分布式計算基礎設施，可將計算能力和數據分析應用擴展至網絡“邊緣”，它使客戶能夠在本地分析和管理數據，從而通過聯接獲得即時的見解。

“霧計算”是什么?

最初“霧計算”這個名字還是由美國紐約哥倫比亞大學的斯特爾佛教授(Prof. Stolfo)起的，不過他當時的目的是利用“霧”來阻擋黑客入侵。顯然，這與我們現在所講的“霧計算”有著巨大的差距。

[[219551]]

我們現在所熟知的“霧計算”這個概念是由思科首創，到了2015年11月，ARM、戴爾、英特爾、微軟等幾大科技公司以及普林斯頓大學加入了這個概念陣營，并成立了非盈利性組織OpenFog Consortium (開放霧聯盟)，旨在推廣和加快開放霧計算的普及，促進物聯網發展。

根據思科對于“霧計算”的定義，“霧計算”是一種面向物聯網(IoT)的分布式計算基礎設施，可將計算能力和數據分析應用擴展至網絡“邊緣”，它使客戶能夠在本地分析和管理數據，從而通過聯接獲得即時的見解。

根據定義，我們了解到，“霧計算”時一種對“云計算”概念的延伸，而它主要使用的是邊緣網絡中的設備，這些設備可以是傳統網絡設備(早已部署在網絡中的路由器、交換機、網關等等)，也可以是專門部署的本地服務器。

對于“云計算”與“霧計算”的本質區別，有一句話形容的非常貼切：云在天空飄浮，高高在上，遙不可及，刻意抽象;而霧卻現實可及，貼近地面，就在你我身邊。

“霧計算”的優勢

說到“霧計算”的優勢，那就不得不先提一下“云計算”的缺陷。集中式的“云計算”允許人們高效、廉價地分享昂貴服務器資源，減輕企業用戶的負擔。但是，這也意味著每一個人都在共享一個數據中心，要想進行更高效的運用，企業就需要建設超大型數據中心，而這就要求企業購買造價高昂的服務器。此外，“云計算”對服務器的高要求也給服務提供商造成了很大的壓力。而且，隨著依賴云計算的智能設備越來越多的出現，從云端到移動設備的數據傳輸也變得越來越擁擠，從而引發了一個新問題。

這時，分布式的“霧計算”的出現就彌補了集中式計算在這方面問題的不足。因為“霧計算”在地理上分布更為廣泛，而且具有更大范圍的移動性，這些能夠讓它適應如今越來越多不需要進行大量運算的智能設備，在數據傳輸速度上遠勝“云計算”。

而具體來講，“霧計算”主要有以下幾個優勢：

• 極低時延。這對于目前正在蓬勃發展中的物聯網有著十分重要的意義，除此之外，網上游戲、視頻傳輸、增強現實等也都需要極低的時延。
• 遼闊的地理分布。這正好與集中在某個地點的云計算(數據中心)形成強烈的對比。例如，如果需把信息和視頻發送到高速移動的汽車時，可以沿著高速公路一路上設置無線接入點。此外，一旦某一區域的服務發生異常，用戶也可快速的轉移到另一個鄰近區域。
• 帶有大量網絡節點的大規模傳感器網絡，用來監控環境。智能電網本身就是一種帶有計算和存儲資源的大規模分布式網絡，可以作為“霧計算”很好的應用例子。
• 支持高移動性。對于霧計算來說，手機和其他移動設備可以互相之間直接通信，信號不必到云端甚至基站去繞一圈，因此可以支持很高的移動性。

“霧計算”并不是炒作

在“霧計算”這個概念出來的時候，許多人都說這是一種炒作，但事實并不是如此。“霧計算”只是對“云計算”的一種延伸，并不是對“云計算”的一個取代。

在功能上面，“霧計算”相當于一個可以頻繁使用的“數據庫”，而“云計算”就是一個用于長期存儲文件的“文件室”。在搜尋信息方面，不管是速度，還是利用率，數據庫明顯比文件室具有更大的優勢。而在數據豐富方面，“霧計算”也可以從“云計算”平臺進行獲取，相信在數據分享終端減少之后，“云計算”平臺的數據傳輸速度相比于之前應該快樂許多。基于此，“云”與“霧”可以說是一種相輔相成的關系。

此外，云計算的使用需要大量帶寬，而無線網絡帶寬有限。相比之下“霧計算”所需的帶寬量就少得多了，它在原則上可使傳輸的數據“旁路”，即從互聯網邊上繞過去，使這些數據盡可能本地化。最有價值的數據仍然可以通過“云計算”平臺來傳輸，但是大部分的數據流量可以從這些網絡中分流出去，從而大大減輕了云網絡的流量負擔。另外，對本地數據的使用也可節省大量成本。

霧計算的概念在2011年被人提出，并非是些性能強大的服務器，而是由性能較弱、更為分散的各種功能計算機組成，滲入電器、工廠、汽車、街燈及人們生活中的各種物品。霧計算是介于云計算和個人計算之間的，是半虛擬化的服務計算架構模型，強調數量，不管單個計算節點能力多么弱都要發揮作用。

霧計算有幾個明顯特征:低延時、位置感知、廣泛的地理分布、適應移動性的應用，支持更多的邊緣節點。這些特征使得移動業務部署更加方便，滿足更廣泛的節點接入。

與云計算相比，霧計算所采用的架構更呈分布式，更接近網絡邊緣。霧計算將數據、數據處理和應用程序集中在網絡邊緣的設備中，而不像云計算那樣將它們幾乎全部保存在云中。數據的存儲及處理更依賴本地設備，而非服務器。所以，云計算是新一代的集中式計算，而霧計算是新一代的分布式計算，符合互聯網的"去中心化"特征。

以智能交通燈為例。智能交通燈需要對車流量信息進行采集、并與一些傳感器不斷交互，進行計算并實時做出判斷，改變信號燈變換周期和時序，從而實現自動指揮交通。如果將信息傳到云計算中心計算后再回傳，顯然不及時且可能出錯，而霧計算則可為智能交通燈提供就近的實時計算。相關數據聚合之后再發送到云計算中心做進一步的全景和長期的數據分析。

對于“霧計算”也有質疑的聲音。

有些人認為霧計算是一種炒作，甚至還有人調侃地提出了“霾計算”。但是不可否認霧計算在產業界和學術界都受到了重視。

Business Insider的優質搜索服務“BI智能”預測，在2020年，企業和政府將有58億個物聯網設備會使用霧計算。思科已經發布了多款與霧計算相關路由器、存儲等物聯網和網絡產品，投資混合數據中心和霧計算;推出基于霧計算的物聯網應用管理模塊、萬物互聯軟件及服務套件，實現數據的實時獲取和處理。安謀國際、思科、戴爾、英特爾、微軟及普林斯頓大學邊緣實驗室共同成立霧計算聯盟，該聯盟探索建立霧計算框架和架構，研究分散式運算、網絡和存儲及物聯網等相關技術，加速霧計算應用。

在云計算架構中，集中式服務器負責整個應用程序或設備所需的計算。然而，與物聯網生態系統遵循同樣的原則變得越來越麻煩。物聯網的生態系統可以分解為四個組成部分：數據、東西、人和過程。在數據層面，我們意識到，盡管龐大的數據量正在從連接的設備產生，大部分數據是暫時性的，即數據的價值產生后幾分鐘內就消失了。因此，處理這些數據，從數據中提取的價值，數據的生產和存儲的各種分析需求是完全不同的學科。

處理數據并從中提取智能信號需要計算推送到本地節點設備。為了進行這個過程，這些設備配備了最低限度的計算能力和數據存儲設施。在計算之后，只有豐富而簡明的可重用數據被傳回云端。如果我們要在物聯網生態系統繼續利用云計算，縮放的同時保持它的可行，那么解決方案和基礎設施將成為一個緊迫的瓶頸。此外，隨著云計算架構到位，從設備傳輸如此龐大的數據量到云端，然后處理和提取數據的所有設備所需要龐大的存儲和計算資源將使網絡癱瘓。

云計算顯然不是物聯網生態系統的一個可行的選擇，隨著霧計算到位，計算能力被推向極端的邏輯結束，從而使設備自我決定維持在一定程度上的智能水平。由于只有豐富和簡明的數據發送到服務器，因此集中的服務器上的存儲和計算負載可以減少到很小，可以更快地實現結果，且通信速度也很快。

霧(邊緣)計算模型將原有的云計算中心的部分或全部計算任務遷移到數據源的附近執行，根據大數據的3V特點，即數據量(Volume)、時效性(Velocity)、多樣性(Variety)，通過對比云計算模型為代表的集中式大數據處理和霧(邊緣)計算為代表的邊緣式大數據處理，可以看出霧計算的優勢。邊緣式大數據處理時代，數據類型更加復雜多樣，數據處理的實時性要求更高，數據量也超過ZB級，邊緣計算可以提高數據傳輸性能，保證處理實時性，降低云計算中心的負載。

霧計算的應用前景廣泛

以一個制造業案例為例，假設大型公司在印度建立了工廠生產清潔劑。想象整個流程中一個這樣的機器——攪拌機(垂直或水平攪拌機)，它吸收不同的原料，并將它們進行攪拌，在制造過程中生產出合成混合物。攪拌機的運轉原理是以預設的轉速定時旋轉，攪拌機筒吸收到不同的原材料，其運轉會耗費一定量的能源。

如果我們利用物聯網生態系統，讓這個設備成為“智能攪拌機”會怎樣?攪拌機安裝的大量傳感器為各種參數捕捉數據，然后數據傳回服務器(云)進行后續分析。如何提供功率消耗的效率?這就是與霧計算的聯系。以前考慮的物聯網架構是利用云存儲和分析數據做出決定，但是為了讓資產/機器成為“智能設備”，我們需要霧計算架構，也就是增加本地實時計算數據流的能力，并向歷史信號學習幫助機器做出決策來改善結果。這將是一個利用機器學習優化機器功耗，搭建霧計算網絡的場景。

基于這些自主學習規則，通過增加和降低設置來保持在最佳能耗模式，機器可以調整操作參數。當數據傳輸到云端，云端用新數據組更新機器學習模型，那么數據規則和(自主)學習就可以更新了。一旦更新，它會被推回邊緣，邊緣節點利用更新模型來更新規則，進一步改善結果。

如今我們可以看到在運算設備上更現實也更個人化的霧計算，例如筆記本、智能手機、智能手表和平板電腦。最普遍的例子是Windows 10的重啟管理器。在自動下載更新后，系統學習用戶使用模式可以計算出最合適的重啟系統和安裝更新的時間。在產業應用方面，利用邊緣計算架構，將計算推向邊緣節點(網絡的邏輯極端)，這賦予了機器感知實時數據的能力，可以立即采取措施減少商業損失。

在之前的商業用例中，改善能耗只是可能改善的結果之一。邊緣計算還可以用于進行各種即時的優化處理，例如緩解資產故障或提高產出質量;學習一個規則使機器會自動做出決策來更改操作設置來避免故障或改善結果質量。簡而言之，通過推動計算邊緣化，我們也將智能推到邊緣，因此讓設備或資產能夠做出自主決策來改善結果，并成為智能設備。未來霧計算將與云計算相輔相成、有機結合，為萬物互聯時代的信息處理提供更完美的軟硬件支撐平臺。