雾计算
出自 MBA智库百科(https://wiki.mbalib.com/)
雾计算（Fog Computing）
目录 |
雾计算是云计算（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。[1]
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。
雾计算原理介绍[1]
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。
雾计算的产生与发展[1]
- 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。
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。
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。
- 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。
- 2019年，开放雾联盟（OpenFog Consortium）与工业互联网联盟(IIC)合并。
雾计算的设备[2]
- 物理和 虚拟节点(终端设备)
终端设备充当与现实世界的接触点，可以是应用服务器、边缘路由器、移动电话和智能手表等终端设备，也可以是传感器。这些设备是数据发生器，可以跨越很大的技术范围。这意味着它们可能具有不同的存储和处理能力以及不同的底层软件和硬件。
- 雾节点
雾节点是拾取生成信息的独立设备。雾节点分为三类:雾设备、雾服务器和网关。这些设备存储必要的数据，而雾服务器也计算这些数据来决定行动的过程。Fog设备通常链接到fog服务器。雾网关在各种雾设备和服务器之间重定向信息。这一层很重要，因为它控制着信息的处理速度和流动。设置fog节点需要了解各种硬件配置、它们直接控制的设备以及网络连通性。
- 监控服务
监控服务通常包括跟踪系统性能和资源可用性的应用程序编程接口(API)。监控系统确保所有终端设备和雾节点正常运行，并且通信不会中断。有时，等待一个节点释放可能比访问云服务器更昂贵。监视器会处理这种情况。监视器可用于审核当前系统，并根据使用情况预测未来的资源需求。
- 数据处理器
数据处理器是在雾节点上运行的程序。它们过滤、修整，有时甚至重建来自终端设备的错误数据。数据处理器负责决定如何处理数据——是应该将数据存储在本地的fog服务器上，还是发送到云中进行长期存储。来自不同来源的信息被这些处理器均匀化，以便于传输和交流。
这是通过向系统中的其他组件公开统一的可编程接口来实现的。 一些处理器足够智能，如果一个或多个传感器出现故障，可以根据历史数据填充信息。这可以防止任何类型的应用程序故障。
- 资源管理程序
雾计算由必须以同步方式工作的独立节点组成。资源管理器向各种节点分配和解除分配资源，并调度节点和云之间的数据传输。它还负责数据备份，确保零数据丢失。
因为雾组件承担了云的一些SLA承诺，所以高可用性是必须的。资源管理器与监视器一起确定何时何地需求高。这确保了数据和fog服务器没有冗余。
- 安全工具
由于fog组件直接与原始数据源交互，因此必须在系统中建立安全性，即使是在底层。加密这是必须的，因为所有的通信都是通过无线网络进行的。在某些情况下，最终用户直接向雾节点请求数据。因此，用户和访问管理是雾计算安全工作的一部分。
- 应用程序
应用程序向最终用户提供实际的服务。他们使用雾计算系统提供的数据来提供优质服务，同时确保成本效益。 值得注意的是，这些组件必须由一个抽象层来管理，这个抽象层公开了一个通用接口和一组通用的通信协议。这通常是通过使用API等web服务来实现的。
雾计算的优点[1]
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。
- 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。
- 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。
- 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。
- 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。
雾计算的缺点[2]
- 物理位置：因为雾计算依赖于物理位置，它破坏了与云计算相关的一些“随时随地”的好处。
- 潜在的安全问题：在适当的情况下，雾计算可能会遇到安全问题，如互联网协议(IP)地址欺骗或中间人(MitM)攻击。
- 启动成本：雾计算是一种利用边缘和云资源的解决方案，这意味着存在相关的硬件成本。
- 模糊的概念：尽管雾计算已经存在好几年了，但是雾计算的定义仍然有些模糊，不同的供应商对雾计算有不同的定义。
雾计算和边缘计算区别[1]
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！
雾计算和物联网[2]
因为云计算对于许多物联网来说不可行(物联网)应用，经常使用雾计算。它的分布式方法解决了物联网和工业物联网(IIoT)的需求，以及智能传感器和物联网设备生成，将其发送到云中进行处理和分析既昂贵又耗时。雾计算减少了所需的带宽，并减少了传感器和云之间的来回通信，这可能会对物联网性能产生负面影响。
雾计算和5G[2]
雾计算是一种计算架构，其中一系列节点实时接收来自物联网设备的数据。这些节点对它们接收的数据进行实时处理，响应时间为毫秒级。节点定期向云发送分析摘要信息。然后，基于云的应用程序分析从各个节点收到的数据，目的是提供可操作的洞察力。
这种架构需要的不仅仅是计算能力。它需要物联网设备和节点之间的高速连接。请记住，我们的目标是能够在几毫秒内处理数据。当然，连接选项因用例而异。例如，工厂车间的物联网传感器可能会使用有线连接。然而，移动资源(如自动驾驶汽车)或孤立资源(如位于田地中央的风力涡轮机)将需要替代形式的连接。5G是一个特别有吸引力的选择，因为它提供了近实时分析数据所需的高速连接。
雾计算的使用案例[2]
虽然云计算已经变得无处不在，但雾计算刚刚开始解决困扰人们的各种延迟问题物联网设备。
智能家居是最常见的雾计算用例之一。智能家居包括一个由技术控制的通风和加热系统，如Nest Learning恒温器、智能照明、可编程窗帘和洒水装置、智能对讲系统(用于与室内和门口的人通信)以及智能报警系统。雾计算可以用来创建个性化的报警系统。它还可以用来自动化某些事件，比如根据时间和温度打开洒水器。
智能城市渴望从垃圾收集到交通管理的每一个方面都实现自动化。雾计算尤其适用于交通管制。传感器设置在交通信号和路障处，用于检测行人、骑自行车的人和车辆。速度计可以测量他们行驶的速度以及发生碰撞的可能性。这些传感器使用无线和蜂窝技术来整理这些数据。根据这些传感器处理的信息，交通信号会自动变红或长时间保持绿色。
雾计算最普遍的例子可能是视频监控，因为连续的视频流很大，在网络间传输很麻烦。所涉及数据的性质会导致延迟问题和网络挑战。存储媒体内容的成本也往往很高。视频监控用于商场和其他大型公共场所，也已经在许多社区的街道上实施。雾节点可以检测人群模式中的异常，如果他们注意到镜头中的暴力行为，会自动向当局发出警报。
医疗保健行业是管理最严格的行业之一，医院和医疗保健提供商必须遵守HIPAA等法规。这个部门一直在寻求创新和实时处理紧急情况，如生命体征下降。一种方法是使用可穿戴设备、血糖监测仪和其他健康应用程序的数据来寻找身体痛苦的迹象。这些数据不应该面临任何延迟问题，因为在中风等关键情况下，即使几秒钟的延迟也会产生巨大的影响。
使用雾计算的其他行业包括零售、石油和天然气、政府和军事以及酒店。Siri和Alexa等个人助理可以跨设备使用，并兼容大多数设备，如智能手表。这种灵活性和存在意味着我们可以依靠雾计算成为各种行业垂直市场的重要组成部分。任何提供实时解决方案的企业都需要将雾计算整合到其现有的云基础设施。
