霧計算
出自 MBA智库百科(https://wiki.mbalib.com/)
霧計算（Fog Computing）
目錄 |
霧計算是雲計算（Cloud Computing）的延伸概念，主要用於管理來自感測器和邊緣設備的數據，將數據、（數據）處理和應用程式集中在網路邊緣的設備中，而不是全部保存在雲端數據中心。在終端設備和雲端數據中心之間再加一層“霧”，即網路邊緣層，比如再加一個帶有存儲器的小伺服器或路由器，把一些並不需要放到雲端的數據在這一層直接處理和存儲，可以大大減少雲端的計算和存儲壓力，提高效率，提升傳輸速率，減低時延。[1]
在該模式中數據、（數據）處理和應用程式集中在網路邊緣的設備中，而不是幾乎全部保存在雲中，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。霧計算並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電腦組成，滲入工廠、汽車、電器、街燈及人們物質生活中的各類用品。
霧計算原理介紹[1]
霧計算技術採用分散式的計算方式，將計算、通信、控制和存儲資源與服務分佈給用戶或靠近用戶的設備與系統。可以說，霧計算擴大了雲計算的網路計算模式，將網路計算從網路中心擴展到了網路邊緣，從而更加廣泛地應用於各種服務。
霧計算在地理上分佈更為廣泛，而且具有更大範圍的移動性，這讓它適應如今越來越多不需要進行大量運算的智能設備。對一些對時間延遲敏感的應用如實時和流媒體應用中，霧計算也具有更大的優勢。
霧計算並非由性能強大的伺服器組成，而是由性能較弱、更為分散的，處於大型數據中心以外的龐大外圍設備組成，這些外圍設別包括智能終端本身，也包括把智能設備與雲端相連接的網關或路由設備，可以滲入工廠、汽車、電器、街燈及人們物質生活中的各類可計算設備中。
早期“霧計算”所用的設備就是小伺服器或路由器，可以放到小區、工廠、企業、家庭等裡面。現在，通過感測器、大數據和人工智慧的不斷發展進步，“霧計算”可以應用在各種需求場景中。
例如溫度計每秒的讀數是無需上傳到雲里的。霧計算技術要做的是在實時數據的基礎上得到一個平均數，然後每半小時左右將其上傳到雲里。如果溫度出現異常，感測器仍然可以相當智能地迅速做出反應。相比於雲計算的高高在上和遙不可及，霧計算更為貼近地面，就在你我身邊。我們知道，將數據從雲端導入和導出實際上比人們想象的要更為複雜，由於接入設備越來越多，在傳輸數據、獲取信息時，帶寬就顯得不夠用了，這就為霧計算的產生提供了空間。
霧計算的產生與發展[1]
- 2012年，思科提出了霧計算，定義為遷移雲計算中心任務到網路邊緣設備執行的一種高度虛擬化的計算平臺。雲計算架構將計算從用戶側集中到數據中心，讓計算遠離了數據源，也會帶來計算延遲、擁塞、低可靠性和安全攻擊等問題，於是在雲計算發展了大約10年的2015年，修補雲計算架構的“大補丁”，霧計算開始興起了。
霧計算就是本地化的雲計算，是雲計算的補充。雲計算更強調計算的方式，霧計算更強調計算的位置。如果說雲計算是WAN計算，那麼霧計算就是LAN計算。如果說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。
思科提出了“霧計算”是“雲計算”的延伸概念，用於推銷其產品和網路發展戰略，希望不再拘泥於雲計算，研究如何在物聯網設備上存儲和處理它們自身產生的數據。不過從思科講霧計算到現在，真正落地的案例並不多，思科的路由器和交換機技術缺乏對終端設備的定義和控制能力，大部分場景無法把霧計算的能力真正體現出來，空留於理論。
在思科的定義中，霧主要是由邊緣網路中的設備構成，這些設備可以是傳統網路設備（早已部署在網路中的路由器、交換機、網關等等），也可以是專門部署的本地伺服器。一般來說，專門部署的設備會有更多資源，而使用有寬裕資源的傳統網路設備則可以大幅度降低成本。這兩種設備的資源能力都遠小於一個數據中心，但是它們龐大的數量可以彌補單一設備資源的不足。霧平臺由數量龐大的霧節點構成。這些霧節點可以各自散佈在不同地理位置，與資源集中的數據中心形成鮮明對比。
- 2015年11月，思科、ARM、戴爾、英特爾、微軟及普林斯頓大學邊緣(Edge)實驗室共同宣佈聯合成立了開放霧聯盟 OpenFog Consortium （開放霧聯盟），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。
- 2017 年 2 月發佈了 OpenFog 參考架構，參考架構基於八項被稱為“支柱”的核心技術原則，代表了系統需要包含的被定義為“OpenFog”的關鍵屬性。這些支柱分別是安全性、可擴展性、開放性、自主性、RAS（可靠性、可用性和可維護性）、敏捷性、層次性和可編程性。
- 2018年8月16日，IEEE以及IEEE標準協會宣佈正式發佈“IEEE 1934”標準——《採用OpenFog參考體繫結構的霧計算：IEEE標準》。該網路架構標準，可作為通用技術框架來支撐IoT、工業物聯網（IIOT）、5G和人工智慧（AI）應用的數據密集型需求。
- 2019年，開放霧聯盟（OpenFog Consortium）與工業互聯網聯盟(IIC)合併。
霧計算的設備[2]
- 物理和 虛擬節點(終端設備)
終端設備充當與現實世界的接觸點，可以是應用伺服器、邊緣路由器、行動電話和智能手錶等終端設備，也可以是感測器。這些設備是數據發生器，可以跨越很大的技術範圍。這意味著它們可能具有不同的存儲和處理能力以及不同的底層軟體和硬體。
- 霧節點
霧節點是拾取生成信息的獨立設備。霧節點分為三類:霧設備、霧伺服器和網關。這些設備存儲必要的數據，而霧伺服器也計算這些數據來決定行動的過程。Fog設備通常鏈接到fog伺服器。霧網關在各種霧設備和伺服器之間重定向信息。這一層很重要，因為它控制著信息的處理速度和流動。設置fog節點需要瞭解各種硬體配置、它們直接控制的設備以及網路連通性。
- 監控服務
監控服務通常包括跟蹤系統性能和資源可用性的應用程式編程介面(API)。監控系統確保所有終端設備和霧節點正常運行，並且通信不會中斷。有時，等待一個節點釋放可能比訪問雲伺服器更昂貴。監視器會處理這種情況。監視器可用於審核當前系統，並根據使用情況預測未來的資源需求。
- 數據處理器
數據處理器是在霧節點上運行的程式。它們過濾、修整，有時甚至重建來自終端設備的錯誤數據。數據處理器負責決定如何處理數據——是應該將數據存儲在本地的fog伺服器上，還是發送到雲中進行長期存儲。來自不同來源的信息被這些處理器均勻化，以便於傳輸和交流。
這是通過向系統中的其他組件公開統一的可編程介面來實現的。 一些處理器足夠智能，如果一個或多個感測器出現故障，可以根據歷史數據填充信息。這可以防止任何類型的應用程式故障。
- 資源管理程式
霧計算由必須以同步方式工作的獨立節點組成。資源管理器向各種節點分配和解除分配資源，並調度節點和雲之間的數據傳輸。它還負責數據備份，確保零數據丟失。
因為霧組件承擔了雲的一些SLA承諾，所以高可用性是必須的。資源管理器與監視器一起確定何時何地需求高。這確保了數據和fog伺服器沒有冗餘。
- 安全工具
由於fog組件直接與原始數據源交互，因此必須在系統中建立安全性，即使是在底層。加密這是必須的，因為所有的通信都是通過無線網路進行的。在某些情況下，最終用戶直接向霧節點請求數據。因此，用戶和訪問管理是霧計算安全工作的一部分。
- 應用程式
應用程式向最終用戶提供實際的服務。他們使用霧計算系統提供的數據來提供優質服務，同時確保成本效益。 值得註意的是，這些組件必須由一個抽象層來管理，這個抽象層公開了一個通用介面和一組通用的通信協議。這通常是通過使用API等web服務來實現的。
霧計算的優點[1]
隨著感測器的發展，物聯網時下正席卷幾乎每個行業，智能終端的數量和採集數據的規模都在幾何級增加，對企業的計算和存儲都帶來非常大的壓力，通過霧計算，大量的實時數據不用全部傳到雲端存儲計算後，再把需要的數據從雲端傳回來，而是可以在網路的邊緣直接處理有用的數據，大大提高了企業效率。
- 降低耗能：雲計算把大量數據放到“雲”里去計算或存儲，“雲”的核心是裝有大量伺服器和存儲器的“數據中心”。由於目前半導體晶元和其他配套硬體還很耗電，全球數據中心的用電功率相當於30個核電站的供電功率，其中90%的耗電量都被浪費，效率很低。谷歌位於全球數據中心的用電功率就達到3億瓦特，這一數字超過了3萬戶美國家庭的用電量。當未來數據傳輸量（指大量無線終端和“雲”之間的傳輸）進一步成指數式增長，雲中心會無法再維持下去。
- 提升效率：隨著物聯網的到來，各行各業包括家庭電器、可穿戴設備、汽車周邊、工業農業、商用設備等等各種需要連網的終端設備數量的增長，將產生極其大量的數據發送和接收，可能造成數據中心和終端之間的I/O(輸入輸出)瓶頸，傳輸速率大大下降，甚至造成很大的延時，一些需要實時響應的設備將無法保證正常運行，比如：無人機、安防報警、監護設備等。
- 用於海量數據分析：大量企業對於海量數據採集需求的解決辦法是減少數據採集的頻率和總量，比如每10分鐘採樣一次，一天下來可能就採集上百次，精準度和效率會大打折扣，一些需要海量、不間斷數據採集的設備就會降低本身的服務價值，而一些需要及時決策的設備在等待全部數據上傳雲端運算決策後再返回設備端會大大降低服務能力。
- 升級更安全。在沒有成熟技術平臺時，大部分設備怎麼計算，出廠時就已經定型了，除非用一個很重的辦法去遠程升級它的整套系統，但這樣升級效率低，也很危險，有可能一換操作系統，市面上上百萬台設備就永遠失聯了。
霧計算的缺點[2]
- 物理位置：因為霧計算依賴於物理位置，它破壞了與雲計算相關的一些“隨時隨地”的好處。
- 潛在的安全問題：在適當的情況下，霧計算可能會遇到安全問題，如互聯網協議(IP)地址欺騙或中間人(MitM)攻擊。
- 啟動成本：霧計算是一種利用邊緣和雲資源的解決方案，這意味著存在相關的硬體成本。
- 模糊的概念：儘管霧計算已經存在好幾年了，但是霧計算的定義仍然有些模糊，不同的供應商對霧計算有不同的定義。
霧計算和邊緣計算區別[1]
霧計算，經常是在IoT背景下被提及到，典型的主要業務是路由器、接入點甚至是與感測器和執行器一起的計算設備。處理能力放在包括 IoT設備的LAN裡面，這個網路內的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里，處理後的數據發送回需要該數據的設備。
霧計算的特點是處理能力強的單個設備接收多個端點來的信息，處理後的信息發回需要的地方，和雲計算相比延遲更短。和邊緣計算相比較的話，霧計算更具備可擴展性。霧計算不需要精確劃分處理能力的有無，根據設備的能力也可以執行某些受限處理，但是更複雜的處理實施的話需要積極的連接。
邊緣計算，進一步推進了霧計算的“LAN內的處理能力”的理念，處理能力更靠近數據源。不是在中央伺服器里整理後實施處理，而是在網路內的各設備實施處理。這樣，通過把感測器連接到可編程自動控制器(PAC)上，使處理和通信的把握成為可能。和霧計算相比的優點，根據它的性質單一的故障點比較少。各自的設備獨立動作，可以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覺很相似，但是在數據的收集，處理，通信的方法層面還是存在些許的不同的，也各有利弊！
霧計算和物聯網[2]
因為雲計算對於許多物聯網來說不可行(物聯網)應用，經常使用霧計算。它的分散式方法解決了物聯網和工業物聯網(IIoT)的需求，以及智能感測器和物聯網設備生成，將其發送到雲中進行處理和分析既昂貴又耗時。霧計算減少了所需的帶寬，並減少了感測器和雲之間的來回通信，這可能會對物聯網性能產生負面影響。
霧計算和5G[2]
霧計算是一種計算架構，其中一系列節點實時接收來自物聯網設備的數據。這些節點對它們接收的數據進行實時處理，響應時間為毫秒級。節點定期向雲發送分析摘要信息。然後，基於雲的應用程式分析從各個節點收到的數據，目的是提供可操作的洞察力。
這種架構需要的不僅僅是計算能力。它需要物聯網設備和節點之間的高速連接。請記住，我們的目標是能夠在幾毫秒內處理數據。當然，連接選項因用例而異。例如，工廠車間的物聯網感測器可能會使用有線連接。然而，移動資源(如自動駕駛汽車)或孤立資源(如位於田地中央的風力渦輪機)將需要替代形式的連接。5G是一個特別有吸引力的選擇，因為它提供了近實時分析數據所需的高速連接。
霧計算的使用案例[2]
雖然雲計算已經變得無處不在，但霧計算剛剛開始解決困擾人們的各種延遲問題物聯網設備。
智能家居是最常見的霧計算用例之一。智能家居包括一個由技術控制的通風和加熱系統，如Nest Learning恆溫器、智能照明、可編程窗帘和灑水裝置、智能對講系統(用於與室內和門口的人通信)以及智能報警系統。霧計算可以用來創建個性化的報警系統。它還可以用來自動化某些事件，比如根據時間和溫度打開灑水器。
智能城市渴望從垃圾收集到交通管理的每一個方面都實現自動化。霧計算尤其適用於交通管制。感測器設置在交通信號和路障處，用於檢測行人、騎自行車的人和車輛。速度計可以測量他們行駛的速度以及發生碰撞的可能性。這些感測器使用無線和蜂窩技術來整理這些數據。根據這些感測器處理的信息，交通信號會自動變紅或長時間保持綠色。
霧計算最普遍的例子可能是視頻監控，因為連續的視頻流很大，在網路間傳輸很麻煩。所涉及數據的性質會導致延遲問題和網路挑戰。存儲媒體內容的成本也往往很高。視頻監控用於商場和其他大型公共場所，也已經在許多社區的街道上實施。霧節點可以檢測人群模式中的異常，如果他們註意到鏡頭中的暴力行為，會自動向當局發出警報。
醫療保健行業是管理最嚴格的行業之一，醫院和醫療保健提供商必須遵守HIPAA等法規。這個部門一直在尋求創新和實時處理緊急情況，如生命體徵下降。一種方法是使用可穿戴設備、血糖監測儀和其他健康應用程式的數據來尋找身體痛苦的跡象。這些數據不應該面臨任何延遲問題，因為在中風等關鍵情況下，即使幾秒鐘的延遲也會產生巨大的影響。
使用霧計算的其他行業包括零售、石油和天然氣、政府和軍事以及酒店。Siri和Alexa等個人助理可以跨設備使用，並兼容大多數設備，如智能手錶。這種靈活性和存在意味著我們可以依靠霧計算成為各種行業垂直市場的重要組成部分。任何提供實時解決方案的企業都需要將霧計算整合到其現有的雲基礎設施。
