云、雾和霭计算如何一起工作
英文原文：How cloud, fog, and mist computing can work together
在过去 10 年，云计算开始风靡全世界。当一些公司认识到他们使用云可以节省多少成本时，他们开始考虑将云计算应用到其他业务方面，以便进一步降低成本。此外，随着云技术的不断改进，通过云得到的服务种类也越来越多。
随着更多功能迁移到云中，云的局限性和缺陷变得更加明显。用户发现当前的云计算架构不适合某些类型的项目和情形。具体来讲，他们发现正处于高速增长过程中的物联网 (IoT) 并不总是能够很好地与云计算一起使用。让我们来谈谈这种情况。
那么 IoT 与云计算有何关系呢？实际上，二者关系密切，因为 IoT 的许多部分都由云计算提供助力。它可以是通过连接到云端在您的手机上远程控制恒温器的简单情形。或者，您可以使用云存储来存储某个安全摄像头网络录制的视频片段。总而言之，IoT 和云计算通常能够很好地互补。
但是，随着网络的发展，随着更多的智能设备接入网络，许多问题开始出现。其中一个问题通常是所有这些联网设备生成的大量数据。例如，在安全摄像头网络中，系统每秒可能向服务器上传大量视频数据。在这样一个系统中，摄像头本身没有存储组件，因此所有这些视频都必须存储在主服务器上。
云计算通常无法处理的另一个问题是时间延迟。因为数据只能在云中处理，所以记录数据与从该数据中获取结果之间始终存在一定的延迟。这种延迟在时间关键型系统中可能产生问题。设想一辆自动驾驶汽车配备了传感器来检查周围环境。当汽车以 50 千米/小时的速度行驶时，在两秒后获得其环境的分析结果将变得毫无意义，因为汽车那时将位于不同的位置。
除了云计算 – 还有雾计算和霭计算
这些问题的核心在于云计算架构的中心化性质。毕竟，只有网络的中心节点才有能力存储和处理数据。为了解决这个问题，网络设计师们提出了一种架构，在这个架构中，计算能力更均匀地分布在网络上。这些架构将处理能力推送到网络边缘，使其更接近数据源。这些技术被称为雾计算和霭计算。
理解这两种架构以及它们之间的区别的最快方法是，了解日常的气象学意义上的云、雾和霭现象。在现实生活中，一朵云密布着厚重的凝结水，高高挂在空中，离地面很远。另一方面，雾是位于云下方的更薄的凝结水，而霭是地面上漂浮的水滴形成的薄层。
从这一类比可以看出，云计算与实际的云类似，在云计算中，强大的计算能力位于远离人类活动的地方。雾计算发生在云下方的一层中，该层的基础架构将终端设备与中央服务器相连。最后，霭计算发生在地面上，其中的轻计算能力位于每个网络边缘，位于传感器和执行器设备级别上。
（另一个术语是人们经常使用的边缘计算。不幸的是，这个术语似乎对不同的人有不同的含义。有些人使用边缘计算作为霭计算的同义词，而另一些人认为它等同于雾计算。出于本讨论的目的，我将避免使用边缘计算这个术语，以避免产生混淆。）
雾、霭和云计算是互补的
让我们明确一点：云、雾和霭计算是相互补充的。它们应该相互协作，而不是相互对抗。每种计算都有自己的优缺点；因此，通过结合运用它们，我们可以发挥它们的优势，最大限度地减少它们的不足。
尽管如此，您不需要同时使用所有这些方法。例如，假设您在一个偏远的地区构建一个自动化的农场灌溉和监控系统。如果没有互联网连接，您可以放弃云计算，简单地将数据存储在现场的计算机中。
如前面所述，雾计算是将计算能力用于设备传感器与云服务器之间的连接的范例。此能力通常会配备在一个充当网关的设备中，该设备连接所有传感器并管理与云的连接。网关设备可能拥有不错的计算能力和数据存储，所以它可以处理来自多个传感器的数据。
对于需要处理来自多个传感器的数据的项目，以及最小化延迟至关重要的项目，雾计算非常适合。基于这些特征，您可以看到自主驾驶车辆非常适合使用雾计算。
自主驾驶汽车依靠多个传感器来获得它周围环境的全面解读。但是，在云中处理所有这些数据是不可能的，因为汽车需要尽快获得该数据的结果。拥有一个能立即处理该数据的网关设备，是让汽车正常行驶的关键。此外，网关设备必须能够过滤和查找需要发送到云端进行进一步分析的相关数据，从而减少所需的带宽。
当然，雾计算不是完全没有缺点。雾计算的最大问题是，整个系统的正常运行完全依赖于网关设备，这意味着网关可能是单点故障。类似自主驾驶车辆的系统中存在这样的问题可能非常危险，所以采用一种备份或冗余机制很重要。
霭计算旨在将计算能力放在每个网络边缘上，并放在设备的实际传感器上。此计算能力通常以嵌入在设备上的微芯片或微控制器的形式存在。因此，霭计算的处理能力更加有限。
您可能想知道，在传感器上配备计算能力是否是必需的。毕竟，这些传感器的职责只是记录来自环境的数据，对吧？这些传感器通常还有另一项工作，那就是将它们记录的信息传输到网络中的数据存储中。数据传输使用的电池电量比同等的计算进程要多得多。因此，通过在传感器上配备计算能力，数据可以在存储之前先进行处理、预处理和优化。产生的数据将会小得多，在传输过程中消耗的能量也会更少。
尽管使用霭计算没有什么重大缺点，但它要复杂得多。不仅用于霭计算的系统通常是特定于应用的，传感器通常也是异构的，这些使得实现一个解决方案变得更加复杂。此外，霭计算架构中提供的处理能力通常是有限的，这为任何可能的解决方案增加了更多的限制。
雾和霭计算的最后一个方面是安全性。使用雾或霭计算会提高系统上的数据安全性。在这些计算架构中，数据先在本地进行处理，然后才发送给远程服务器。这意味着可以先删除或加密所有敏感数据，减少系统需要处理的安全威胁。
尽管其他架构拥有所有这些优势，但云计算提供了最大量的计算能力。之前，我解释了自主驾驶车辆如何非常适合雾计算，但不要忘记，我们需要分析和使用所有这些数据来提高车辆的性能。因为分析数据需要大量的计算能力，而且不是一个时间敏感操作，还有什么比使用云计算更好的方法呢？
结束语
云、雾和霭计算都有各自的优缺点。随着越来越多的设备连接到互联网，正确使用所有这些范例将是确保我们的系统和应用能够与不断成长的设备网络一起扩展的关键。
