大話：邊緣計算、霧計算、雲計算

雲計算

一種利用互聯網實現隨時隨地、按需、便捷地使用共享計算設施、存儲設備、應用程序等資源的計算模式。
雲計算系統由雲平臺、雲存儲、雲終端、雲安全四個基本部分組成，雲平臺從用戶的角度可分爲公有云、私有云、混合雲等。
經過從提供服務的層次可分爲：基礎設施即服務（Iaas）、平臺即服務（Paas）和軟件即服務（Saas）
經過將應用部署到雲端後，能夠沒必要再關注那些使人頭疼的硬件和軟件問題，它們會由雲服務商去解決。使用的是共享的硬件，這意味着像使用一個工具同樣去利用雲服務（就像插上插座，你就能使用電同樣簡單）。只須要按照你的須要來支付相應的費用，而關於軟件的更新，資源的按需擴展都能自動完成。
雲計算，像在每一個不一樣地區開設不一樣的自來水公司，沒有地域限制，優秀的雲軟件服務商，向世界每一個角落提供軟件服務——就像天空上的雲同樣，不論你身處何方，只要你擡頭，就能看見！

雲計算已經走過了它輝煌的10年，雲計算架構也日臻完善，愈來愈多的產品也登上了雲！
可是現階段而言依然會存在計算延遲、擁塞、低可靠性、安全攻擊等問題，雲計算須要新的幫手，基於此邊緣計算、霧計算等概念也陸續的被提出以彌補雲計算存在的短板問題！
霧計算 VS 雲計算

霧計算的概念最初是由美國紐約哥倫比亞大學的斯特爾佛教授(Prof. Stolfo)起的，當時的意圖是利用「霧」來阻擋黑客入侵。
沒成想美國思科公司把這個名詞嫁接了過去並獲得了發揚光大，也就是咱們如今所討論的「霧計算」！
霧計算可理解爲本地化的雲計算
如今正在流行的「雲計算」，是把大量數據放到「雲」裏去計算或存儲，解決諸如電腦或手機存儲量不夠，或者是運算速度不夠快的問題

參自Cisco：霧計算原始定義圖示
在終端和數據中心之間再加一層，叫網絡邊緣層。如再加一個帶有存儲器的小服務器或路由器，把一些並不須要放到「雲」的數據在這一層直接處理和存儲，以減小「雲」的壓力，提升了效率，也提高了傳輸速率，減低了時延，這個工做原理其實就能夠理解爲：霧計算
霧計算的原理與雲計算同樣，都是把數據上傳到遠程中心進行分析、存儲和處理。
可是霧計算相比於雲計而言算要把全部數據集中運輸到同一個中心，霧計算的模式是設置衆多分散的中心節點，即所謂「霧節點」來處理，這樣可以讓運算處理速度更快，更高效得出運算結果。
假如說雲計算是把全部東西都送往天上的雲彩中，霧計算就是把數據送到身邊的霧氣裏，這種邏輯被稱相關學者稱之爲「分散式雲計算」。
和雲計算相比，霧計算顯得更接地氣了一些！
雲計算重點放在研究計算的方式，霧計算更強調計算的位置。
霧計算相較雲計算更貼近地面！
更具體些說，它們在網絡拓撲中的位置不一樣！
霧計算和雲計算實際上又存在有不少類似之處：
如都基於虛擬化技術，從共享資源池中，爲多用戶提供資源服務等。
相對於雲計算來講，霧計算離產生數據的地方更近，「霧比雲更貼近地面」的說法不是沒有道理的！
若是說CDN是彌補TCP/IP本地化緩存問題，那麼霧計算就是彌補雲計算本地化計算問題！
霧計算 VS 雲計算 有如下幾個明顯的特色：
更輕壓：
計算資源有限相比較雲平臺的構成單位——數據中心，霧節點更加輕！霧計算可以過濾，如聚合用戶消息（如不停發送的傳感器消息），只將必要消息發送給雲，減少核心網絡壓力
更低層：
霧節點在網絡拓撲中位置更低，擁有更小的網絡延遲（總延遲=網絡延遲 計算延遲），反應性更強
更可靠：
霧節點擁有普遍的地域分佈，爲了服務不一樣區域用戶，相同的服務會被部署在各個區域的霧節點上，使得高可靠性成爲霧計算的內在屬性，一旦某一區域的服務異常，用戶請求能夠快速轉向其餘臨近區域，獲取相關的服務。此外，因爲使用霧計算後，相較雲計算減小了發送到雲端和從雲端發送的數據量，和雲計算相比延遲更短，安全風險也獲得了進一步的下降！
更低延：
除了物聯網的應用外，網上游戲、視頻傳輸、AR等也都須要極低的時延，這點霧計算也是有所發揮的
更靈便：
霧計算支持很高的移動性，手機和其餘移動設備能夠互相之間直接通訊，信號沒必要到雲端甚至基站去繞一圈！此外，霧計算也支持實時互動、多樣化的軟硬件設備以及雲端在線分析等
更節能：
霧計算節點因爲地理位置分散，不會集中產生大量熱量，所以不須要額外的冷卻系統，從而減小耗電，霧計算更省電！
邊緣計算 VS 雲計算

邊緣計算：是指利用靠近數據源的邊緣地帶來完成的運算程序。
邊緣計算的運算既能夠在大型運算設備內完成
也能夠在中小型運算設備、本地端網絡內完成
用於邊緣運算的設備能夠是智能手機這樣的移動設備、PC、智能家居等家用終端
也能夠是ATM機、攝像頭等終端
邊緣計算，讓計算在身邊發生！

邊緣計算和雲計算互相協同，它們是彼此優化補充的存在。
雲計算是一個統籌者，它負責長週期數據的大數據分析，可以在週期性維護、業務決策等領域運行。而邊緣計算着眼於實時、短週期數據的分析，更好地支撐本地業務及時處理執行。邊緣計算更靠近設備端，也爲雲端數據採集作出貢獻，支撐雲端應用的大數據分析，雲計算也經過大數據分析輸出業務規則下發到邊緣處，以便執行和優化處理。實際上這二者都是處理大數據的計算運行方式。但不一樣的是，這一次，數據不用再傳到遙遠的雲端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，也更加高效並且安全。
典型場景1:賦能CDN內容分發業務
傳統 CDN 藉助緩存數據，提升近地節點數據傳輸的性能，可是實際上對動態的計算服務，就只能回源到數據中心，這個成本自己實際上是很高的。邊緣計算和傳統的中心化思惟不一樣，其主要計算節點以及應用分佈式部署在靠近終端的數據中心，這使得不管是在服務的響應性能、仍是可靠性方面都是高於傳統中心化的雲計算。邊緣計算保障大量的計算須要在離終端很近的區域完成計算，完成苛刻的低延時服務響應。
此外經過邊緣計算，同時緩解了傳統數據「安全」層面的問題，畢竟數據傳輸的距離越遠、路徑越長、時間越久，數據的被竊取風險和丟失風險也就越高。
典型場景2:萬物互聯的物聯網時代須要邊緣計算助力
隨着網絡邊緣側設備的迅速增長，設備產生的數據存量達到澤字節的級別，從網絡邊緣設備傳輸傳輸海量數據到雲數據中心導致網絡傳輸寬帶的負載量急劇增長形成較長的網絡延遲，單純的雲計算已經不足以匹配如此龐大規模數據量的即時計算。
關於不少疑惑邊緣計算可否取代雲計算的問題：
邊緣計算不能也不會取代雲計算，兩者是互補關係！
此外，現階段客觀來看，邊緣計算距離落地仍是須要一段時間，相關的解決方案也須要進一步完善。
邊緣計算和雲計算又有何區別呢？
實際上這二者都是處理大數據的計算運行方式。
但不一樣的是，這一次，數據不用再傳到遙遠的雲端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，也更加高效並且安全。
邊緣計算服務的構建，從技術領域是一種很大的創新！
現在AWS、微軟、英特爾等國外大型企業已經着手佈局邊緣計算，能夠預見的是邊緣計算之於雲服務企業重要性可見一斑！
若是說雲計算是集中式大數據處理，那麼邊緣計算能夠理解爲邊緣式大數據處理！
因爲邊緣計算(Edge computing )指的是接近於事物，數據和行動源頭處的計算
因此咱們也能夠把這種類型的數據處理使用更通用的術語來表示：鄰近計算或者接近計算
邊緣計算具有的幾點特質：
1.分佈式和低延時計算
2.對終端設備的數據進行篩選，沒必要每條原始數據都傳送到雲，充分利用設備的空閒資源，在邊緣節點處過濾和分析，節能省時
3.減緩數據爆炸，網絡流量的壓力，在進行雲端傳輸時經過邊緣節點進行一部分簡單數據處理，進而可以設備響應時間，減小從設備到雲端的數據流量
4.智能化（Edge intelligence）
對於將來而言物聯網也好、AR或則VR場景也好以及大數據和人工智能行業，實際上都有着極強的對近場計算的需求，邊緣計算保障大量的計算須要在離終端很近的區域完成計算，完成苛刻的低延時服務響應！
能夠預見的是，在將來邊緣計算的發展並不邊緣！
霧計算 VS 邊緣計算

邊緣計算概念出現時間上較早於霧計算，指代雲和設備的邊界
霧計算而言由於和雲相比位置上更接近設備，因此表示爲霧。

關於兩者的區別實際上有不少的解讀，角度不一樣觀點天然也會有所區別。
分享其中一種從物聯網層面的解讀：
霧計算，常常是在IoT背景下被說起到，典型的主要業務是路由器、接入點甚至是與傳感器和執行器一塊兒的計算設備。
處理能力放在包括 IoT設備的LAN裏面，這個網絡內的IoT網關，或者說是霧節點用於數據收集，處理，存儲。多種來源的信息收集到網關裏，處理後的數據發送回須要該數據的設備。
霧計算的特色是處理能力強的單個設備接收多個端點來的信息，處理後的信息發回須要的地方，和雲計算相比延遲更短。
和邊緣計算相比較的話，霧計算更具有可擴展性。
霧計算不須要精確劃分處理能力的有無，根據設備的能力也能夠執行某些受限處理，可是更復雜的處理實施的話須要積極的鏈接。
邊緣計算，進一步推動了霧計算的「LAN內的處理能力」的理念，處理能力更靠近數據源。不是在中央服務器裏整理後實施處理，而是在網絡內的各設備實施處理。
這樣，經過把傳感器鏈接到可編程自動控制器(PAC)上，使處理和通訊的把握成爲可能。
和霧計算相比的優勢，根據它的性質單一的故障點比較少。各自的設備獨立動做，能夠判斷什麼數據保存在本地，什麼數據發到雲端。
實際上霧計算和邊緣計算感受很類似，可是在數據的收集，處理，通訊的方法層面仍是存在些許的不一樣的，也各有利弊！
霧計算以及邊緣計算、海計算而言等等概念、產品的出現，不是用來代替雲計算，更多的是對雲計算短板的彌補，不管是雲計算、海計算或者是邊緣計算、霧計算，其餘產品概念也好，目的只有一個：更好的服務於咱們的生活！