今天来重新认识雾计算

来源：边缘计算社区/edgewnet

物联网智库转载

导读
雾计算（Fog Computing）是云计算（Cloud Computing）的延伸概念，主要用于管理来自传感器和边缘设备的数据，将数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是全部保存在云端数据中心。

雾计算是什么？

雾计算（Fog Computing）是云计算（Cloud Computing）的延伸概念，主要用于管理来自传感器和边缘设备的数据，将数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是全部保存在云端数据中心。在终端设备和云端数据中心之间再加一层“雾”，即网络边缘层，比如再加一个带有存储器的小服务器或路由器，把一些并不需要放到云端的数据在这一层直接处理和存储，可以大大减少云端的计算和存储压力，提高效率，提升传输速率，减低时延。

雾计算技术采用分布式的计算方式，将计算、通信、控制和存储资源与服务分布给用户或靠近用户的设备与系统。可以说，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。雾计算在地理上分布更为广泛，而且具有更大范围的移动性，这让它适应如今越来越多不需要进行大量运算的智能设备。对一些对时间延迟敏感的应用如实时和流媒体应用中，雾计算也具有更大的优势。

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，处于大型数据中心以外的庞大外围设备组成，这些外围设别包括智能终端本身，也包括把智能设备与云端相连接的网关或路由设备，可以渗入工厂、汽车、电器、街灯及人们物质生活中的各类可计算设备中。

早期“雾计算”所用的设备就是小服务器或路由器，可以放到小区、工厂、企业、家庭等里面。现在，通过传感器、大数据和人工智能的不断发展进步，“雾计算”可以应用在各种需求场景中。例如温度计每秒的读数是无需上传到云里的。雾计算技术要做的是在实时数据的基础上得到一个平均数，然后每半小时左右将其上传到云里。如果温度出现异常，传感器仍然可以相当智能地迅速做出反应。相比于云计算的高高在上和遥不可及，雾计算更为贴近地面，就在你我身边。我们知道，将数据从云端导入和导出实际上比人们想象的要更为复杂，由于接入设备越来越多，在传输数据、获取信息时，带宽就显得不够用了，这就为雾计算的产生提供了空间。

雾计算大事记

2012年，思科提出了雾计算，定义为迁移云计算中心任务到网络边缘设备执行的一种高度虚拟化的计算平台。云计算架构将计算从用户侧集中到数据中心，让计算远离了数据源，也会带来计算延迟、拥塞、低可靠性和安全攻击等问题，于是在云计算发展了大约10年的2015年，修补云计算架构的“大补丁”，雾计算开始兴起了。

雾计算就是本地化的云计算，是云计算的补充。云计算更强调计算的方式，雾计算更强调计算的位置。如果说云计算是WAN计算，那么雾计算就是LAN计算。如果说CDN是弥补TCP/IP本地化缓存问题，那么雾计算就是弥补云计算本地化计算问题。

图思科公司

思科提出了“雾计算”是“云计算”的延伸概念，用于推销其产品和网络发展战略，希望不再拘泥于云计算，研究如何在物联网设备上存储和处理它们自身产生的数据。不过从思科讲雾计算到现在，真正落地的案例并不多，思科的路由器和交换机技术缺乏对终端设备的定义和控制能力，大部分场景无法把雾计算的能力真正体现出来，空留于理论。

图雾计算的原始定义

上图是思科对雾计算的原始定义所作的图示。在思科的定义中，雾主要是由边缘网络中的设备构成，这些设备可以是传统网络设备（早已部署在网络中的路由器、交换机、网关等等），也可以是专门部署的本地服务器。一般来说，专门部署的设备会有更多资源，而使用有宽裕资源的传统网络设备则可以大幅度降低成本。这两种设备的资源能力都远小于一个数据中心，但是它们庞大的数量可以弥补单一设备资源的不足。雾平台由数量庞大的雾节点构成。这些雾节点可以各自散布在不同地理位置，与资源集中的数据中心形成鲜明对比。

2015年11月，思科、ARM、戴尔、英特尔、微软及普林斯顿大学边缘(Edge)实验室共同宣布联合成立了开放雾联盟 OpenFog Consortium （开放雾联盟），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。

图 OpenFog架构的8支柱模型

2017 年 2 月发布了 OpenFog 参考架构，参考架构基于八项被称为“支柱”的核心技术原则，代表了系统需要包含的被定义为“OpenFog”的关键属性。这些支柱分别是安全性、可扩展性、开放性、自主性、RAS（可靠性、可用性和可维护性）、敏捷性、层次性和可编程性。2018年8月16日，IEEE以及IEEE标准协会宣布正式发布“IEEE 1934”标准——《采用OpenFog参考体系结构的雾计算：IEEE标准》。该网络架构标准，可作为通用技术框架来支撑IoT、工业物联网（IIOT）、5G和人工智能（AI）应用的数据密集型需求。

雾计算优势

随着传感器的发展，物联网时下正席卷几乎每个行业，智能终端的数量和采集数据的规模都在几何级增加，对企业的计算和存储都带来非常大的压力，通过雾计算，大量的实时数据不用全部传到云端存储计算后，再把需要的数据从云端传回来，而是可以在网络的边缘直接处理有用的数据，大大提高了企业效率。

雾计算可降低耗能。云计算把大量数据放到“云”里去计算或存储，“云”的核心是装有大量服务器和存储器的“数据中心”。由于目前半导体芯片和其他配套硬件还很耗电，全球数据中心的用电功率相当于30个核电站的供电功率，其中90%的耗电量都被浪费，效率很低。谷歌位于全球数据中心的用电功率就达到3亿瓦特，这一数字超过了3万户美国家庭的用电量。当未来数据传输量（指大量无线终端和“云”之间的传输）进一步成指数式增长，云中心会无法再维持下去。

雾计算可提升效率。随着物联网的到来，各行各业包括家庭电器、可穿戴设备、汽车周边、工业农业、商用设备等等各种需要连网的终端设备数量的增长，将产生极其大量的数据发送和接收，可能造成数据中心和终端之间的I/O(输入输出)瓶颈，传输速率大大下降，甚至造成很大的延时，一些需要实时响应的设备将无法保证正常运行，比如：无人机、安防报警、监护设备等。

雾计算可用于海量数据分析。大量企业对于海量数据采集需求的解决办法是减少数据采集的频率和总量，比如每10分钟采样一次，一天下来可能就采集上百次，精准度和效率会大打折扣，一些需要海量、不间断数据采集的设备就会降低本身的服务价值，而一些需要及时决策的设备在等待全部数据上传云端运算决策后再返回设备端会大大降低服务能力。

雾计算可使升级更安全。在没有成熟技术平台时，大部分设备怎么计算，出厂时就已经定型了，除非用一个很重的办法去远程升级它的整套系统，但这样升级效率低，也很危险，有可能一换操作系统，市面上上百万台设备就永远失联了。

雾计算和边缘计算区别

雾计算，经常是在IoT背景下被提及到，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。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。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。实际上雾计算和边缘计算感觉很相似，但是在数据的收集，处理，通信的方法层面还是存在些许的不同的，也各有利弊！

通过一个例子来了解一下，边缘计算和雾计算。

以智能吸尘器为例，雾计算方案是集中化的雾节点（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。边缘计算的解决方案里是看传感器自己判断有没有垃圾，来发送启动吸尘器的信号。

雾计算以及边缘计算的出现，不是用来代替云计算，更多的是对云计算“bug类”问题的修修补补，本质上是作为云计算的延伸拓展而诞生的产品和理念！

物联网智库“2019-2020中国物联网产业全景图谱”

往期热文（点击文章标题即可直接阅读）：