分布式架构：雾计算和边缘计算如何融入云

2019 年 9 月 19 日

随着物联网设备数量的持续增加（预计到 2025 年将达到 750 亿台），对数据的要求也在不断提高。思科公司预计，到 2019 年底，物联网每年将产生超过 500 泽字节的数据。为了创建一个物联网设备和应用无缝连接其最终用户的环境，我们需要充足的计算和存储资源来执行高级分析和进行云环境支持的机器学习。

然而，云服务器往往距离物联网终端太远，无法快速有效地实现敏感数据与数十亿“设备”的远距离传输。 在很多现实的场景中，例如外科医生使用机器人来进行手术，或者在5G支持下会很快实现的依赖“智能”交通信号灯的无人驾驶汽车，仅靠传统云计算是不够的，因为这些场景无法接受高延迟。

这就是边缘计算和雾计算的用武之地。

什么是边缘计算？

要了解雾计算，我们首先要了解什么是边缘计算。边缘计算（通常简称为“边缘”）支持在更接近数据源的地方进行数据处理，能够显著减少网络延迟。通过物理方式让处理数据的地点更接近数据源（如物联网设备），从而减少数据传输的距离，提高设备和应用的速度和性能。不过，边缘计算在实时分析和机器学习等方面存在局限性。

什么是雾计算？

雾计算（又称雾网络或“雾化”）是思科公司于 2014 年提出的概念，是指云计算延伸的分散式计算架构。以最合理、最高效的方式在云和数据源之间分布数据的存储和计算工作。雾计算被视为一种补充策略，保证提供云的计算、网络和存储功能的同时有效实施边缘计算。据估计，2019 年至 2026 年，雾计算市场产生的收入将增长 55%。

雾计算与边缘计算

边缘计算和雾计算通常可以交换使用。边缘计算是一个更普遍的术语，通常作为一种统一的策略，包含雾计算背后的概念。但细分来看，雾计算旨在配合边缘策略，并作为一个额外的架构层，提供边缘本身无法实现的增强处理能力。

没有边缘计算就没有雾，没有雾就没有边缘计算。

雾计算和边缘计算有很多相似之处，比如都能使处理过程更接近数据源。不过，两者的主要区别在于处理地点不同。

通过雾计算，智能被下推到网络架构的局域网级别。在物联网网关或雾节点中处理数据。

通过边缘计算，智能被直接下推到可编程自动化控制器等设备。

因此，相较于边缘计算，在雾中可以进行更高级的处理、分析和机器学习。

雾计算与云计算

虽然雾计算具备云计算的许多优势，但云计算也有局限性，如集中化和远离数据源，从而增加延迟并限制带宽。将大量数据一路传输到云端并返回并非总是可行的，特别是在无需在云规模进行处理和存储的情况下。

雾计算非常适合边缘的更高级但短期的分析，从而释放云资源开展更大规模数据集相关的任务。

值得注意的是，雾计算和边缘计算并非要取代集中式云计算，而是要在协调一致的 IT 战略中共存。

虽然雾计算具备云计算的许多优势，但云计算也有局限性，如集中化和远离数据源，从而增加延迟并限制带宽。将大量数据一路传输到云端并返回并非总是可行的，特别是在无需在云规模进行处理和存储的情况下。

雾计算非常适合边缘的更高级但短期的分析，从而释放云资源开展更大规模数据集相关的任务。

值得注意的是，雾计算和边缘计算并非要取代集中式云计算，而是要在协调一致的 IT 战略中共存。

为什么叫雾计算？

雾作为天气术语，是指接近地球表面的云。雾计算让人联想到实际的雾，因为它靠近网络和端点的边缘，提供类似云的功能，但又不是云。

雾计算如何工作？

雾节点从云端分布式地下降到边缘。然后，数据从终端传输到网关，再传输回原始源加以处理。

主机托管补充边缘计算和雾计算

数字化转型对每个企业的意义不同。应对转型挑战迫使企业调整新的架构策略。例如，高度集中的架构往往会出现问题，因为对如何连接网络服务提供商和最终用户的控制下降，最终导致 IT 战略效率低下。但与此同时，仅依赖小型“近缘”数据中心可能会增加成本，限制容量和处理工作负载，并约束带宽。

核心多租户数据中心提供了更好的分布式架构的组件。以分层方式考虑 IT 基础设施可能会有所帮助。第一层由企业核心组成，包括知识产权、高密度计算和机器学习。接着，可以继续添加云计算服务、分布式多站点托管和 5G 聚合等层作为边缘交付平台的一部分。

通过多层分布式架构，企业将获得对增加容量、网络、计算、存储的控制权，缩短工作负载与最终用户之间的距离，提高性能并改善数据交换。