近幾年，物聯(lián)網(wǎng)的迅速增長演變，霧計算也得到了廣泛的關(guān)注和應用，霧計算或稱邊緣計算已經(jīng)開始從"創(chuàng)新觸發(fā)"階段演變到"期望膨脹的頂峰"階段。霧(邊緣)計算是一種計算數(shù)據(jù)的體系結(jié)構(gòu)，應用程序和服務被從集中云推到網(wǎng)絡的邏輯終端，即邊緣。

當然霧計算還是需要再有效資源下合理利用才可以進行否則無法連接到網(wǎng)絡中去，這就相當于，沒有網(wǎng)絡的前提下，霧計算那是沒辦法用的。如筆記本電腦、智能手機、平板電腦、家用電器、制造工業(yè)機器、傳感器等。邊緣計算架構(gòu)還有許多其他名稱，如網(wǎng)格計算、對等計算、網(wǎng)格計算等。這些都需要再有網(wǎng)絡的前提下進行。

霧計算是去中心化的云計算

在云計算架構(gòu)中，集中式服務器主要負責在整個運用程序和設備所需的計算。當然，如果與物聯(lián)網(wǎng)生態(tài)系統(tǒng)遵循相同的原則性就會變得越來越麻煩。物聯(lián)網(wǎng)的生態(tài)系統(tǒng)則由四個部分組成，即：數(shù)據(jù)、東西、人和過程。那么要是從數(shù)據(jù)層面上看，這就可以意識到，盡管龐大的數(shù)量與連接的設備產(chǎn)生的話，此時大部分的數(shù)據(jù)是暫時性的。綜上所述，處理這些數(shù)據(jù)，必須得從數(shù)據(jù)中提取的價值，數(shù)據(jù)的生產(chǎn)和存儲的各種分析需求是完全不同的學科。

當霧計算即邊緣在原有的云計算中心的部分或全部計算任務遷移到數(shù)據(jù)源的附近執(zhí)行，根據(jù)大數(shù)據(jù)的3V特點，即數(shù)據(jù)量、時效性、多樣性對比與計算模型代表的集中式大數(shù)據(jù)處理和霧計算方式為代表邊緣時大數(shù)據(jù)處理，這時候就可以看出霧計算的優(yōu)勢。

霧計算可以有效減少負載提升效率

怎么看呢？首先我們需要多個設備聚集在一起，連接到單個計算節(jié)點上，形成一個較小的網(wǎng)絡節(jié)點。這在某些情況下，單個設備是分配給單個計算節(jié)點而不是群集。假設你的手機有一個健身應用程序，跟蹤你每天燃燒的卡路里數(shù)量，并與你的目標和歷史表現(xiàn)相比，每天通過你所走的步數(shù)向你報告燃燒的卡路里量。你的手機配備各種傳感器如計步器、加速度計等。這些傳感器可以捕獲手機的每一個顆粒的運動的數(shù)據(jù);即在微秒級別捕獲電話的X和Y坐標。通過捕獲模式來研究X和Y坐標序列就可以研究你一天中走了多少步。假設你的手機在你的口袋里，當你行走時，在X坐標軸向前移動時Y坐標上有輕微的變化。手機傳感器傳來的坐標數(shù)據(jù)能夠形成一個模式來檢測一個完整的步行周期。使用這些模式，我們可以計算用戶走過的步數(shù)。

霧計算的應用前景廣泛

基于自主學習規(guī)則，霧計算是可以通過增加和降低設備來維持在最佳耗能模式上，機器也可以調(diào)整操作參數(shù)，當這些所有數(shù)據(jù)傳輸?shù)皆贫?，云端就會做出反應用新?shù)據(jù)組更新機器學習模型，那么數(shù)據(jù)規(guī)則和(自主)學習就可以更新了。一旦更新，它會被推回邊緣，邊緣節(jié)點利用更新模型來更新規(guī)則，進一步改善結(jié)果。這就相當于可以Windows10的重啟管理器一樣。在我們電腦下載一個軟件需要更新時間，基于霧計算的前提下就會自動更新，系統(tǒng)便會學習用戶使用模式自主計算出最合適的重啟系統(tǒng)和安裝更新時間。在霧計算邊緣性計算下，應用于產(chǎn)業(yè)，會利用與邊緣計算架構(gòu)的前提下，將計算推向邊緣節(jié)點即網(wǎng)絡的邏輯極端，這就賦予了機器感知實時數(shù)據(jù)的能力，邊緣計算還可以用于進行各種即時的優(yōu)化處理，例如緩解資產(chǎn)故障或提高產(chǎn)出質(zhì)量;學習一個規(guī)則使機器會自動做出決策來更改操作設置來避免故障或改善結(jié)果質(zhì)量。簡而言之，通過推動計算邊緣化，我們也將智能推到邊緣，因此讓設備或資產(chǎn)能夠做出自主決策來改善結(jié)果，并成為智能設備。

未來霧計算將與云計算相輔相成、有機結(jié)合，為萬物互聯(lián)時代的信息處理提供更完美的軟硬件支撐平臺

更多資訊請關(guān)注工業(yè)以太網(wǎng)頻道