自從第一臺IoT設(shè)備于1990年問世以來，物聯(lián)網(wǎng)已經(jīng)有了長足的發(fā)展，這是一種可以在互聯(lián)網(wǎng)上開啟和關(guān)閉的烤面包機(jī)。27年之后，聯(lián)網(wǎng)設(shè)備已經(jīng)從新奇產(chǎn)品變成了日常生活中必不可少的一部分。

最近的預(yù)估顯示，成年人平均每天花在智能手機(jī)上的時間超過4個小時，只能手機(jī)也是一種裝有物聯(lián)網(wǎng)傳感器數(shù)據(jù)的設(shè)備。目前，81%的成年人擁有智能手機(jī)。想象一下，當(dāng)81%的成年人擁有智能汽車和智能家居時，我們將會收到多少數(shù)據(jù)。

今天，IoT設(shè)備的大部分?jǐn)?shù)據(jù)都在云中處理，這意味著全球所有角落產(chǎn)生的數(shù)據(jù)都被集中發(fā)送到數(shù)據(jù)中心的少數(shù)計算機(jī)上。然而，隨著IoT設(shè)備的數(shù)量預(yù)計將在2020年猛增至200億，通過互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)的體積和速度對云計算方法提出了嚴(yán)峻的挑戰(zhàn)。

越來越多的設(shè)備連接將迫使IoT制造商在2018年將云計算模式從云計算模式轉(zhuǎn)移到一種稱為“霧計算”的新模式。

越來越多的數(shù)據(jù)訪問，云計算問題明顯

物聯(lián)網(wǎng)和人工智能的發(fā)展將帶來價值數(shù)以億計的數(shù)據(jù)。分布廣泛的傳感器、智能終端等每時每刻都在產(chǎn)生大量的數(shù)據(jù)。盡管云計算擁有“無限”的計算和存儲資源池，但云數(shù)據(jù)中心往往是集中化的且距離終端設(shè)備較遠(yuǎn)，當(dāng)面對大量的分布廣泛的終端設(shè)備及所采集的海量數(shù)據(jù)時，云不可避免地遇到了三大難題：

網(wǎng)絡(luò)擁塞，如果大量的物聯(lián)網(wǎng)和人工智能應(yīng)用部署在云中，將會有海量的原始數(shù)據(jù)不間斷地涌入核心網(wǎng)絡(luò)，造成核心網(wǎng)絡(luò)擁塞；

高延遲，終端設(shè)備與云數(shù)據(jù)中心的較遠(yuǎn)距離將導(dǎo)致較高的網(wǎng)絡(luò)延遲，而對實時性要求高的應(yīng)用則難以滿足需求；

可靠性無法保證，對可靠性和安全性要求較高的應(yīng)用，由于從終端到云平臺的距離遠(yuǎn)，通信通路長，因而風(fēng)險大，云中備份的成本也高。

因此，為滿足物聯(lián)網(wǎng)和人工智能等應(yīng)用的需求，作為云計算的延伸擴(kuò)展，霧計算（Fog Computing）的概念應(yīng)運(yùn)而生。霧計算最早由思科提出，它是一種分布式的計算模型，作為云數(shù)據(jù)中心和物聯(lián)網(wǎng)設(shè)備 / 傳感器之間的中間層，它提供計算、網(wǎng)絡(luò)和存儲設(shè)備，讓基于云的服務(wù)可以離物聯(lián)網(wǎng)設(shè)備和傳感器更近。

霧計算主要使用邊緣網(wǎng)絡(luò)中的設(shè)備，可以是傳統(tǒng)網(wǎng)絡(luò)設(shè)備，如網(wǎng)絡(luò)中的路由器、交換機(jī)、網(wǎng)關(guān)等，也可以是專門部署的本地服務(wù)器。這些設(shè)備的資源能力都遠(yuǎn)小于一個數(shù)據(jù)中心，但是它們龐大的數(shù)量可以彌補(bǔ)單一設(shè)備資源的不足。

在物聯(lián)網(wǎng)中，霧可以過濾、聚合用戶消息，匿名處理用戶數(shù)據(jù)以保證隱秘性，初步處理數(shù)據(jù)以便實時決策，提供臨時存儲以提升用戶體驗，而云則可以負(fù)責(zé)大運(yùn)算量或長期存儲任務(wù)，與霧計算優(yōu)勢互補(bǔ)。通過霧計算，可以將一些并不需要放到云上的數(shù)據(jù)在網(wǎng)絡(luò)邊緣層直接進(jìn)行處理和存儲，提高數(shù)據(jù)分析處理的效率，降低時延，減少網(wǎng)絡(luò)傳輸壓力，提升安全性。霧計算以其廣泛的地理分布、帶有大量網(wǎng)絡(luò)節(jié)點的大規(guī)模傳感器網(wǎng)絡(luò)、支持高移動性和實時互動以及多樣化的軟硬件設(shè)備和云在線分析等特點，迅速被物聯(lián)網(wǎng)和人工智能應(yīng)用領(lǐng)域的企業(yè)所接受并獲得廣泛應(yīng)用，例如，M2M、人機(jī)協(xié)同、智能電網(wǎng)、智能交通、智能家居、智能醫(yī)療、無人駕駛等應(yīng)用。

與邊緣計算（Edge Computing）不同的是，霧計算可以將基于云的服務(wù) ， 如 IaaS、 PaaS、 SaaS，拓展到網(wǎng)絡(luò)邊緣，而邊緣計算更多地專注于終端設(shè)備端。霧計算可以進(jìn)行邊緣計算，但除了邊緣網(wǎng)絡(luò)，霧計算也可以拓展到核心網(wǎng)絡(luò)，也就是邊緣和核心網(wǎng)絡(luò)的組件都可以作為霧計算的基礎(chǔ)設(shè)施。

“云”和“霧”典型案例和應(yīng)用場景

融合云平臺和霧計算，一方面可通過云降低傳統(tǒng) IT采購、管理和運(yùn)維的開支，將 IaaS、 PaaS、 SaaS作為云服務(wù)輸出；另一方面，通過霧計算可保證邊緣端數(shù)據(jù)的實時搜集、提取和分析速度，提高網(wǎng)絡(luò)資源部署使用和管理效率，有助于提高人機(jī)協(xié)同效率，為企業(yè)業(yè)務(wù)創(chuàng)新、服務(wù)品質(zhì)提升提供技術(shù)支持。以下是四個行業(yè)“云”和“霧”的典型案例和應(yīng)用場景。

工業(yè)

GE基于 Pivotal Cloud Foundry打造了 Predix 物聯(lián)網(wǎng) PaaS平臺，結(jié)合戴爾智能仿真技術(shù)，實現(xiàn)了“數(shù)據(jù)雙胞胎”。基于云計算，GE 實現(xiàn)了飛機(jī)發(fā)動機(jī)生產(chǎn)過程中的調(diào)優(yōu)，同時，基于霧計算，GE 實現(xiàn)了飛機(jī)飛行過程中的“自愈”。

GE Predix 作為物聯(lián)網(wǎng) PaaS 平臺，還助力制造企業(yè)將大數(shù)據(jù)、物聯(lián)網(wǎng)和人工智能轉(zhuǎn)化為智能制造能力，實現(xiàn)數(shù)據(jù)創(chuàng)新。GE Predix 平臺，融合云計算和霧計算以及“數(shù)字雙胞胎”，幫助制造企業(yè)實現(xiàn)“虛擬 - 現(xiàn)實”的設(shè)計生產(chǎn)融合，并為其提供云計算服務(wù)。

農(nóng)業(yè)

Chitale Dairy是一家乳制品廠。基于戴爾科技虛擬化技術(shù)，Chitale Dairy實現(xiàn)了 ERP云部署。他們基于霧計算，通過為奶牛裝上傳感器，進(jìn)行近實時數(shù)據(jù)采集分析、處理，實現(xiàn)精細(xì)化運(yùn)營，保證乳制品生產(chǎn)全流程的監(jiān)控、管理、優(yōu)化。同時，Chitale Dairy 通過基于云的乳業(yè)生命周期管理平臺，實現(xiàn)了乳制品生產(chǎn)流程自動化管理，通過物聯(lián)網(wǎng)和大數(shù)據(jù)分析，對每頭奶牛從食料、喂養(yǎng)、健康、牛奶質(zhì)量和產(chǎn)量進(jìn)行全流程監(jiān)控分析，實現(xiàn)精細(xì)化和自動化乳業(yè)生產(chǎn)。

將云的整體業(yè)務(wù)管理和霧端的優(yōu)化農(nóng)場間協(xié)作以及奶源監(jiān)控管理緊密連接起來，在提高乳制品生命周期管理效率的同時，提升了協(xié)同和協(xié)作效率，加速企業(yè)業(yè)務(wù)創(chuàng)新的速度。

服務(wù)業(yè)

TopGolf 是一家高爾夫俱樂部。通過采用戴爾科技的虛擬化和超融合技術(shù)，形成了高爾夫數(shù)字化高端服務(wù)輸出能力。他們通過向數(shù)字化轉(zhuǎn)型，打破了傳統(tǒng)高爾夫的業(yè)務(wù)模式。通過物聯(lián)網(wǎng)，將 RFID 芯片嵌入高爾夫球里，實現(xiàn)對每次擊球、每個隊員和賽事進(jìn)行實時監(jiān)控，并基于霧計算，實時跟蹤和分析每個擊球動作和球的路徑，實現(xiàn)實時積分。

TopGolf 的業(yè)務(wù)模式融合了云計算和霧計算，實現(xiàn)了跨數(shù)據(jù)中心、云和邊緣應(yīng)用的實時數(shù)據(jù)監(jiān)控、交互和管理，滿足賽事實時監(jiān)控、場上場下互動、賽前球員積分分析、社交媒體、會員個性化數(shù)據(jù)管理等大數(shù)據(jù)分析的需求。

交通業(yè)

在智能交通中，可通過傳感器搜集信息，進(jìn)行實時數(shù)據(jù)分析和交通部署，以提高公共安全。通過霧計算，智能交通控制系統(tǒng)中的一個霧節(jié)點可以共享收集到的交通信息，以緩解高峰時段的交通擁堵、定位交通事故，并可以通過遠(yuǎn)程控制緩解交通擁堵區(qū)域的交通狀況。同時，在每個用戶的電話和公共交通中，基于霧計算的應(yīng)用程序允許用戶在沒有持續(xù)網(wǎng)絡(luò)連接的情況下，共享并通過附近的用戶下載內(nèi)容。

此外，自動化車輛的安全系統(tǒng)、道路上的監(jiān)控系統(tǒng)以及公共交通的票務(wù)系統(tǒng)，都可以從傳感器和視頻數(shù)據(jù)中收集大量信息。聚合后的數(shù)據(jù)將傳輸?shù)皆粕希鶕?jù)用戶的需求進(jìn)行數(shù)據(jù)提取和分析，再基于霧計算實現(xiàn)邊緣數(shù)據(jù)實時分析，從而為用戶快速提供精準(zhǔn)信息，以保障公共交通的暢通和安全。

未來霧計算將扮演重大角色

從商業(yè)運(yùn)營模式到工作生活方式，智能物聯(lián)網(wǎng)技術(shù)正深刻改變著人類社會。要讓物聯(lián)網(wǎng)擁有無處不在的智能，就必須充分利用網(wǎng)絡(luò)環(huán)境中分散存在的計算、存儲、通信和控制等能力，通過資源共享機(jī)制和協(xié)同服務(wù)架構(gòu)來有效提升生產(chǎn)效率或用戶體驗。

當(dāng)前，霧計算技術(shù)的研究和標(biāo)準(zhǔn)化工作剛剛起步。我們面臨的主要技術(shù)挑戰(zhàn)和研究熱點為：如何在霧計算節(jié)點之間建立信任關(guān)系，如何在它們之間推動資源充分共享，如何在云—霧—邊緣等多層次之間實現(xiàn)高效通信和緊密協(xié)作，如何在異構(gòu)節(jié)點之間完成復(fù)雜任務(wù)的公平按需分配等。

可以預(yù)見，隨著霧計算技術(shù)的不斷發(fā)展成熟和普及應(yīng)用，智能物聯(lián)網(wǎng)將越來越便捷、越來越真實地借鑒和映射人類社會的組織架構(gòu)和決策機(jī)制，從而能用更自然和更熟悉的方式為每個人提供觸手可及、無處不在的智能服務(wù)。