High&NewTech：帶你解讀雲計算、霧計算(Fog Computing)、邊緣計算(Edge Computing)的前世今生（一）

雲計算

      Cloud computing is a style of computing in which dynamically scalable and often virtualized resources are provided as a service over the Internet.

      雲計算 （Cloud Computing）是基于網際網路的相關服務的增加、使用和互動模式，通常涉及通過網際網路來提供動态易擴充且經常是虛拟化的資源。雲是網絡、網際網路的一種比喻說法。過去在圖中往往用雲來表示電信網，後來也用來表示網際網路和底層基礎設施的抽象。是以，雲計算甚至可以讓你體驗每秒10萬億次的運算能力，擁有這麼強大的計算能力可以模拟核爆炸、預測氣候變化和市場發展趨勢。

雲計算是一種利用網際網路實作随時随地、按需、便捷地使用共享計算設施、儲存設備、應用程式等資源的計算模式。如今越來越多的應用正在遷移到“雲”上，如我們生活中接觸的各種“雲盤”存儲等等。

CC核心技術

      雲計算（Cloud Computing）是分布式計算（Distributed Computing）、并行計算（Parallel Computing）、效用計算（Utility Computing）、 網絡存儲（Network Storage Technologies）、虛拟化（Virtualization）、負載均衡（Load Balance）、熱備份備援（High Available）等傳統計算機和網絡技術發展融合的産物。

CC分類

      雲計算系統由雲平台、雲存儲、雲終端、雲安全四個基本部分組成。

雲平台從使用者的角度可分為公有雲、私有雲、混合雲等。

通過從提供服務的層次可分為基礎設施即服務（Iaas）、平台即服務（Paas）和軟體即服務（Saas）

霧計算(Fog Computing)

      霧計算更強調在裝置的網關裡處理資料，資料被霧計算收集到裝置的網關，進而處理、存儲，并将處理後的資料發揮需要資料的裝置中。而邊緣計算更強調“邊緣”，也就是更靠近資料生成的裝置端，霧計算則介于雲計算和邊緣計算之間。

      霧計算（Fog Computing），在該模式中資料、（資料）處理和應用程式集中在網絡邊緣的裝置中，而不是幾乎全部儲存在雲中，是雲計算（Cloud Computing）的延伸概念，由思科（Cisco）提出的。這個因“雲”而“霧”的命名源自“霧是更貼近地面的雲”這一名句。

      霧計算和雲計算一樣，十分形象。雲在天空飄浮，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。霧計算并非由性能強大的伺服器組成，而是由性能較弱、更為分散的各類功能計算機組成，滲入工廠、汽車、電器、街燈及人們物質生活中的各類用品。

     霧計算的概念在2011年被人提出，在2012年被作了詳細定義。正如雲計算一樣，霧計算也定義得十分形象。雲是高高的天上，十分抽象，而霧則接近地面，與你我同在。霧計算沒有強力的計算能力，隻有一些弱的，零散的計算裝置。

與CC比較

      與雲計算相比，霧計算所采用的架構更呈分布式，更接近網絡邊緣。霧計算将資料、資料處理和應用程式集中在網絡邊緣的裝置中，而不像雲計算那樣将它們幾乎全部儲存在雲中。資料的存儲及處理更依賴本地裝置，而非伺服器。是以，雲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，符合網際網路的“去中心化”特征。

      霧計算不像雲計算那樣，要求使用者連上遠端的大型資料中心才能存取服務。除了架構上的差異，雲計算所能提供的應用，霧計算基本上都能提供，隻是霧計算所采用的計算平台效能可能不如大型資料中心。

 邊緣計算(Edge Computing)

       邊緣計算是指在靠近物或資料源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平台，就近提供最近端服務。其應用程式在邊緣側發起，産生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隐私保護等方面的基本需求。邊緣計算處于實體實體和工業連接配接之間，或處于實體實體的頂端。而雲端計算，仍然可以通路邊緣計算的曆史資料。

      邊緣計算，是一種分散式運算的架構。在這種架構下，将應用程式、資料資料與服務的運算，由網絡中心節點，移往網絡邏輯上的邊緣節點來處理。或者說，邊緣運算将原本完全由中心節點處理大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節點去處理。邊緣節點更接近于使用者終端裝置，可以加快資料的處理與傳送速度，減少延遲。

      雲計算就像是天上的雲，看得見摸不着，像章魚的大腦，邊緣計算就類似于八爪魚的那些小爪子，一個爪子就是一個小型的機房，靠近具體的實物。邊緣計算更靠近裝置端，更靠近使用者。

邊緣計算有着諸多先天優勢

(1)、實時更快：更實時、更快速的資料處理能力。由于減少了中間傳輸的過程，資料處理的速度也更快。邊緣計算分布式以及靠近裝置端的特性注定它實時處理的優勢，是以它能夠更好的支撐本地業務實時處理與執行。

(2)、成本更低：邊緣計算處理的資料是「小資料」，從資料計算、存儲上都具有成本優勢。

(3)、低寬帶省流量：更低的網絡帶寬需求。随着聯網裝置的增多，網絡傳輸壓力會越來越大，而邊緣計算的過程中，與雲端伺服器的資料交換并不多，是以也不需要占用太多網絡帶寬；邊緣計算減緩資料爆炸和網絡流量的壓力，用過邊緣節點進行資料處理，減少從裝置到雲端的資料流量。

(4)、高效：提升應用程式的效率。結合上面的三個優勢來看，當資料處理更快、網絡傳輸壓力更小、成本也更低的時候，應用程式的效率也會大大提升。家門口的事情就不麻煩遠在天邊的雲計算了，邊緣計算直接對終端裝置的資料進行過濾和分析，節能省時效率還高。

(5)、護隐私：邊緣計算讓資料隐私保護變得更具操作性，這在今年 5 月歐盟通過史上最嚴格的資料保護法律之後意義重大。由于資料的收集和計算都是基于本地，資料也不再被傳輸到雲端，是以重要的敏感資訊可以不經過網絡傳輸，能夠有效避免傳輸過程中的洩漏。

(6)、節能省算力：AI+邊緣計算組合的邊緣計算不止于計算，智能化特點明顯，另外雲計算+邊緣計算組合出擊，成本隻有單獨使用雲計算的39%。

EC的百家華山論劍

阿裡巴巴：在2018年雲栖大會·深圳峰會上，阿裡雲又搞事情，推出首個IoT邊緣計算産品---Link Edge。

與IOT

      全球智能手機的快速發展，推動了移動終端和“邊緣計算”的發展。而萬物互聯、萬物感覺的智能社會，則是跟物聯網發展相伴而生，邊緣計算系統也是以應聲而出。

     對物聯網而言，邊緣計算技術取得突破，意味着許多控制将通過本地裝置實作而無需交由雲端，處理過程将在本地邊緣計算層完成。這無疑将大大提升處理效率，減輕雲端的負荷。由于更加靠近使用者，還可為使用者提供更快的響應，将需求在邊緣端解決。

    根據Gartner的技術成熟曲線理論來說，在2015年IoT從概念上而言，已經到達頂峰位置。是以，物聯網的大規模應用也開始加速。是以未來5-10年内IoT會進入一個應用爆發期，邊緣計算也随之被預期将得到更多的應用。

與自動駕駛

      随着資料量的繼續增加以及資料處理多樣化的要求，基于雲端的大資料處理面臨諸多挑戰。

      以當下火熱的自動駕駛汽車為例，從産品形态上看，自動駕駛汽車更像是一個「移動資料中心」。由于配備了非常多的傳感器，汽車随時随地都在感覺周圍環境，進而源源不斷地産生資料。汽車需要将這些資料實時處理，形成汽車行駛過程的指令。比如當汽車感覺到右側有車流彙入時，就需要實時計算出車速、車距（包括與右側、左側、前、後），進而下達指令，或是減速，或是并道，這一系列複雜的計算過程必須實時而且還需要低延時。此時，如果資料在雲端伺服器處理，那麼資料傳輸過程中的任何的延時都可能導緻一場車禍的發生。

與其他裝置

     類似這樣的資料處理需求正在變得越來越多，比如普通人類個體每天産生的資料量也以驚人的速度增長。預計到 2020 年，普通人每天平均産生 1.5GB 的資料，這些資料可能來自于智能手表、手環收集的運動資料，也可能來自智能手機收集的交通資料以及你浏覽網頁、社交媒體等産生的 Cookie 資料等等。新的資料需求也催生了新的技術/商業模式，這便是最近一兩年來「邊緣計算（Edge computing ）」所産生的大背景。