边缘计算与雾计算：10个关键比较

边缘计算使计算机更接近数据源，而云计算则可以通过互联网提供先进技术，只需支付固定的经常性费用。

边缘计算和雾计算都可以被定义为使计算过程更接近数据生成和收集的地方的技术平台。本文详细解释了这两个概念并列出了它们之间的异同。

边缘计算与雾计算

边缘计算和雾计算都可以被定义为使计算过程更接近数据生成和收集的地方的技术平台。本文详细解释了这两个概念并列出了它们之间的异同。

云计算、雾计算、边缘计算

顾名思义，边缘计算恰好发生在应用网络的“边缘” 。就拓扑而言，这意味着“边缘计算机”位于连接到网络的端点（例如控制器和传感器）旁边甚至顶部。然后，数据被部分或全部处理并发送到云端进行进一步处理或存储。

然而，边缘计算可能导致大量数据直接传输到云端。

这会影响系统容量、效率和安全性。雾计算通过在边缘和云之间插入处理层来解决这个问题。这样，“雾计算机”就会接收在边缘收集的数据，并在数据到达云端之前对其进行处理。

雾计算还区分相关数据和不相关数据。相关数据被发送到云端存储，不相关数据要么被删除，要么被传输到相应的本地平台。因此，边缘计算和雾计算协同工作，最大限度地减少延迟并最大限度地提高与云支持的企业系统相关的效率。

IT 人员通常认为边缘计算和雾计算这两个术语是可以互换的。这是因为这两个过程都使处理和智能更接近数据源。

边缘计算与雾计算：10个关键比较

边缘计算的定义

边缘计算使处理和存储系统尽可能靠近生成和收集数据的应用程序、设备或组件。通过消除将数据传输到中央处理系统并返回到端点的需要，有助于最大限度地减少处理时间。因此，数据处理效率更高，并且减少了对互联网带宽的需求。这可以降低运营成本，并允许在连接不可靠的远程位置使用应用程序。由于与公共云平台和网络交互的需求最小化，安全性也得到了增强。边缘设备的示例包括传感器、笔记本电脑和智能手机。

边缘计算架构

边缘计算对于需要实时数据处理和最小延迟的环境非常有用。这包括自动驾驶汽车、物联网 (IoT)、软件即服务 (SaaS)、丰富的 Web 内容交付、语音助手、预测性维护和流量管理等应用。

当然，边缘计算并不能取代云。事实上，这两种技术相互配合，通过数据增加价值。在边缘网络中，云计算通常致力于完成需要更多计算能力的任务，例如大规模人工智能（AI）和机器学习（ML）操作。

在传统的业务应用程序中，员工计算机等端点用于收集或生成数据。然后，使用局域网 (LAN) 和广域网 (WAN)（例如互联网）的某种组合将数据传输到企业应用程序。处理数据后，输出将传输回端点。

然而，连接到企业网络的设备数量及其生成的数据量正在以传统数据中心无法跟上的速度增长。事实上，Gartner 预计，到 2025 年，75% 的企业数据将在集中式系统之外生成。这种情况可能会给本地网络和整个互联网带来巨大压力。

为了解决这种拥塞威胁并帮助提高大数据处理系统的可靠性，IT 基础设施不断发展，将计算资源用于数据生成。边缘计算消除了对单一集中式数据处理中心的依赖。相反，它通过使数据中心更靠近实际需要的地方来提高计算效率。

雾计算的定义

雾计算在数据源和中央云平台之间放置了一个分散的企业计算层。与边缘计算一样，雾计算也使处理能力更接近数据提取的位置。虽然雾计算提高了效率，但它也可用于网络安全和监管合规性。“雾计算”一词是由思科创造的——就像雾是在靠近地面的地方形成的一样，雾计算也发生在靠近网络边缘的地方。

雾计算架构

健身追踪器等可穿戴智能设备是雾计算的一个很好的例子。此类设备依靠链接的智能手机来处理它们收集的数据并立即向用户显示输出。这消除了这些设备将数据传输到制造商可能需要创建和维护的远程云平台的需要。

与边缘计算一样，雾计算机并不是要取代云计算。相反，“雾化”通过在边缘执行不太密集的分析和处理任务来补充云。这减轻了云的压力，使其能够专注于更长期、资源密集型的任务。许多雾计算机实时处理数据并创建分析摘要。然后，该元数据会与中央云平台共享，并在其中进行分析以生成可操作的见解。

生成或提取数据的边缘设备有时缺乏执行高级处理任务（例如与机器学习和分析相关的任务）所需的存储和计算能力。云具有完成这些任务所需的计算能力；然而，它可能放置得太远，无法有效地满足某些应用的需求。这就是雾计算弥补这一差距的地方。

此外，使用互联网将原始数据传输到远程云服务器可能会违反某些司法管辖区的规定。雾计算通过确保用于处理敏感信息的更加私密、安全和合规的计算环境来解决这些问题。雾计算在智能城市、智能电网、智能家居和软件定义网络（SDN）中都有应用。

10 个关键比较：边缘计算与雾计算之间的异同

如上所述，边缘计算发生在网络边缘，物理上靠近收集或生成数据的端点。另一方面，雾计算充当边缘和云之间的中介。虽然这两个概念之间存在相当大的重叠，但也存在某些重要的区别。

边缘计算和雾计算之间的相似之处

以下是边缘计算和雾计算之间的前五个相似之处。

边缘计算和雾计算的相似之处

1.提高带宽

网络的带宽定义为在特定时间段内可以承载的数据量。测量带宽的常用单位是比特每秒 (bps)。每个网络都有带宽限制；然而，有线网络比无线网络拥有更强的带宽。

有限的带宽给连接大量设备的网络带来了挑战。如果多个端点并发数据事务激增，这样的网络很容易变得拥塞。虽然组织可以增强网络带宽以允许更多数据吞吐量和连接设备，但此类增强可能会显着增加成本。

边缘计算和雾计算都可以帮助企业克服数据吞吐量和可连接到企业网络的设备数量限制带来的挑战。这些计算平台使数据能够在边缘而不是在云端进行处理，从而最大限度地减少带宽需求和相关成本。这种带宽节省在设备数量众多且响应时间每一秒都至关重要的物联网环境中尤其有益。

2.最小化延迟和拥塞

延迟定义为网络在两点之间传输数据所花费的时间。尽管当今的通信速度非常快，但由于服务器和客户端之间的距离较远，数据传输的速度可能会受到阻碍。网络拥塞和服务中断会进一步增加延迟。此类延迟可能会影响对时间敏感的业务流程，例如设备运行状况监控、网络分析和决策。实时响应在许多技术应用中至关重要，尤其是在自动驾驶汽车和医疗保健等用例中。

边缘计算和雾计算都通过近乎实时地在本地处理数据来最大限度地减少延迟。这使企业能够享受即时响应时间，特别是对于时间敏感的应用程序。

3.实现自主运营

虽然高延迟和拥塞是许多组织面临的问题，但一些组织面临着一个相关但更为严重的问题——完全缺乏连接。例如，海上船舶、偏远农场、石油钻井平台和其他偏远地点都不太可能位于可用的互联网连接范围内。然而，他们仍然拥有物联网、人工智能和机器学习等尖端技术的用例。

这就是边缘计算和雾计算的用武之地。即使在带宽严重受限或连接不可靠的环境中，这些平台也可以协同工作以在本地处理数据。数据处理完毕后，可以将其保存在本地，直到建立必要的连接并将数据传输到中央平台。边缘计算和雾计算协同工作以实现自主操作的一个例子是使用净水器上的传感器来测量偏远村庄的水质。

4.加强安全和隐私

云是复杂数据分析和建模应用程序的理想选择。然而，一旦数据在端点和数据中心之间传输，对数据安全性的担忧并非完全没有根据。边缘计算和雾计算都通过在数据离开边缘之前对其进行加密来解决数据安全和隐私问题。

此外，这些计算方法通过将数据远离可能受到损害的位置或流，帮助加强物联网环境原本不充分的安全状况。边缘和雾系统还利用其复杂的分布式计算环境来识别潜在的网络威胁，并在影响整个网络之前采取适当的对策。

最后，这些计算架构可用于实施数据隐私措施，例如在边缘处理敏感数据，而不将任何内容发送到集中式云平台。该数据的任何子集都可以根据需要进行加密并传输到云端。

5.遵守监管要求

长距离传输大量数据不仅仅是一个技术挑战。许多司法管辖区已实施限制数据跨国和地区边界传输和存储的法规。此类法规规定了组织如何存储、处理和使用数据，并对不合规行为实施严厉处罚。

边缘计算和雾计算可以帮助企业遵守现有的数据处理和存储法规，例如欧盟的通用数据保护法规（EU GDPR）。这些计算平台使原始数据能够在规定的管辖范围内进行处理和加密。因此，数据可以在全球网络中隐藏起来，也可以在通过这样的网络发送到位于管辖范围之外的数据中心之前得

主要区别：边缘计算与雾计算

下面列出了边缘计算和雾计算之间的五个主要区别。

1. 概念
边缘计算	雾计算
边缘计算被定义为一种计算架构，它使数据处理在物理上尽可能接近数据源。在许多情况下，数据收集和处理发生在同一设备上，例如端点计算机或 IoT 设备。这可以最大限度地减少带宽使用和延迟。简而言之，边缘计算会导致云中运行的进程减少。相反，计算过程在本地进行，从而减少了向云服务器进行长距离数据传输的需要，这种传输可能既昂贵又缓慢。	雾计算是思科创造的术语，是云内处理和数据存储的替代方案。与边缘计算一样，雾计算通过向基于云的远程数据中心传输较少的数据来降低带宽需求。相反，数据的处理尽可能靠近物理边缘。然而，与边缘计算不同，雾计算通常不会在提取或生成数据的同一设备上进行。简而言之，虽然“边缘计算机”通常是生成或收集数据的相同设备，但“雾计算机”是物理上靠近但不同于这些边缘计算机的节点。然而，必须指出的是，专家们交替使用边缘计算和雾计算这两个术语。有些人甚至认为雾计算只是一种边缘计算形式的思科品牌名称。

1. 概念

边缘计算

雾计算

边缘计算被定义为一种计算架构，它使数据处理在物理上尽可能接近数据源。

在许多情况下，数据收集和处理发生在同一设备上，例如端点计算机或 IoT 设备。这可以最大限度地减少带宽使用和延迟。

简而言之，边缘计算会导致云中运行的进程减少。相反，计算过程在本地进行，从而减少了向云服务器进行长距离数据传输的需要，这种传输可能既昂贵又缓慢。

雾计算是思科创造的术语，是云内处理和数据存储的替代方案。与边缘计算一样，雾计算通过向基于云的远程数据中心传输较少的数据来降低带宽需求。相反，数据的处理尽可能靠近物理边缘。

然而，与边缘计算不同，雾计算通常不会在提取或生成数据的同一设备上进行。简而言之，虽然“边缘计算机”通常是生成或收集数据的相同设备，但“雾计算机”是物理上靠近但不同于这些边缘计算机的节点。

然而，必须指出的是，专家们交替使用边缘计算和雾计算这两个术语。有些人甚至认为雾计算只是一种边缘计算形式的思科品牌名称。

2.范围
边缘计算	雾计算
边缘计算通常发生在员工端点（笔记本电脑或智能手机）或物联网设备（传感器）上。在某些情况下，收集或生成数据的设备与“边缘计算机”不同。相反，边缘计算机是存储和计算数据并通过局域网连接到数据生成设备的设备。这样的设置可能需要本地处理数据所需的小规模技术机架。根据所收集数据的性质，可以通过使用空调、加固外壳或其他形式的安全基础设施来保护此设置免受磨损。边缘计算机能够为业务应用程序进行数据处理。它还可以将其处理结果直接传输到云端。因此，无需雾计算，边缘计算也是可能的。	雾计算通过承担边缘计算机和云计算机的处理任务，减轻了边缘计算机和云计算机的负载。雾计算机在物理上靠近边缘计算机，并且它们都可以使用 LAN连接。雾计算适用于云平台位置太远而无法实现高效响应时间，并且边缘设备资源有限或物理分布的环境。根据定义，雾计算机无法收集或生成数据。因此，如果没有边缘计算，雾计算就不会存在。

2.范围

边缘计算

雾计算

边缘计算通常发生在员工端点（笔记本电脑或智能手机）或物联网设备（传感器）上。

在某些情况下，收集或生成数据的设备与“边缘计算机”不同。相反，边缘计算机是存储和计算数据并通过局域网连接到数据生成设备的设备。

这样的设置可能需要本地处理数据所需的小规模技术机架。根据所收集数据的性质，可以通过使用空调、加固外壳或其他形式的安全基础设施来保护此设置免受磨损。

边缘计算机能够为业务应用程序进行数据处理。它还可以将其处理结果直接传输到云端。因此，无需雾计算，边缘计算也是可能的。

雾计算通过承担边缘计算机和云计算机的处理任务，减轻了边缘计算机和云计算机的负载。

雾计算机在物理上靠近边缘计算机，并且它们都可以使用 LAN连接。

雾计算适用于云平台位置太远而无法实现高效响应时间，并且边缘设备资源有限或物理分布的环境。

根据定义，雾计算机无法收集或生成数据。因此，如果没有边缘计算，雾计算就不会存在。

3. 应用
边缘计算	雾计算
由于收集数据进行处理的设备的能力有限，边缘计算通常用于资源密集度较低的应用程序。预测性维护就是这样的应用之一。在这里，传感器形式的边缘计算机可以帮助制造商分析工厂设备并在故障发生之前检测到变化。IIoT 传感器持续监控设备运行状况，并使用分析来警告即将发生的维护需求。患者监护等医疗保健应用也是边缘设备的常见用途。智能血糖监测仪和心脏监测仪等设备直接连接到患者的智能手机，并将相关信息实时转发给他们的医疗保健提供者。最后，大规模多人游戏在全球继续流行。这是边缘计算的一个典型例子，因为所有输入和处理都发生在边缘设备上，边缘设备可以是游戏机、个人电脑或智能手机。由于这种形式的游戏对延迟高度敏感，因此只有游戏会话中的元数据才会传输到云端进行处理。只要边缘设备和云服务器之间的连接稳定，所有玩家的行为结果都会实时显示。	雾计算通常部署在时间敏感的应用程序中，这些应用程序需要对从分散的设备网络收集的数据进行大量、资源密集型处理。自动驾驶汽车，尤其是汽车和无人机，在美国和世界各地迅速普及。这些车辆用于民用和军事应用，产生大量数据。这些信息需要实时处理，否则可能会危及生命。这就是为什么许多自动驾驶车辆依靠雾计算来高效运行的原因。智能电网还需要处理大量实时数据以实现高效管理。这些应用中使用的传感器和其他边缘设备数量众多且分散。因此，雾计算用于在不影响响应时间的情况下并发处理数据。最后，利用人工智能和机器学习生成可操作的业务洞察的实时分析依赖于从众多边缘计算机收集的数据。虽然长期分析可以直接依赖集中式云计算机，但快速变化的短期分析可能会通过雾计算机进行。这有助于满足时间敏感的数据分析应用程序的要求，例如银行和金融行业中的应用程序。

3. 应用

边缘计算

雾计算

由于收集数据进行处理的设备的能力有限，边缘计算通常用于资源密集度较低的应用程序。

预测性维护就是这样的应用之一。在这里，传感器形式的边缘计算机可以帮助制造商分析工厂设备并在故障发生之前检测到变化。IIoT 传感器持续监控设备运行状况，并使用分析来警告即将发生的维护需求。

患者监护等医疗保健应用也是边缘设备的常见用途。智能血糖监测仪和心脏监测仪等设备直接连接到患者的智能手机，并将相关信息实时转发给他们的医疗保健提供者。

最后，大规模多人游戏在全球继续流行。这是边缘计算的一个典型例子，因为所有输入和处理都发生在边缘设备上，边缘设备可以是游戏机、个人电脑或智能手机。由于这种形式的游戏对延迟高度敏感，因此只有游戏会话中的元数据才会传输到云端进行处理。只要边缘设备和云服务器之间的连接稳定，所有玩家的行为结果都会实时显示。

雾计算通常部署在时间敏感的应用程序中，这些应用程序需要对从分散的设备网络收集的数据进行大量、资源密集型处理。

自动驾驶汽车，尤其是汽车和无人机，在美国和世界各地迅速普及。这些车辆用于民用和军事应用，产生大量数据。这些信息需要实时处理，否则可能会危及生命。这就是为什么许多自动驾驶车辆依靠雾计算来高效运行的原因。

智能电网还需要处理大量实时数据以实现高效管理。这些应用中使用的传感器和其他边缘设备数量众多且分散。因此，雾计算用于在不影响响应时间的情况下并发处理数据。

最后，利用人工智能和机器学习生成可操作的业务洞察的实时分析依赖于从众多边缘计算机收集的数据。虽然长期分析可以直接依赖集中式云计算机，但快速变化的短期分析可能会通过雾计算机进行。这有助于满足时间敏感的数据分析应用程序的要求，例如银行和金融行业中的应用程序。

4. 加工和储存
边缘计算	雾计算
在边缘计算的情况下，数据在边缘计算机本身内或非常靠近边缘计算机的地方进行处理和存储。由于边缘设备的处理和存储能力有限，数据可以传输到云端进行进一步操作。连接到云网络的智能手机就是边缘计算机的一个示例。	雾计算更像是智能和处理能力的“网关”。雾计算机同时连接到一批边缘计算机，从而创建本地化设备网络，以实现更高效的数据处理和存储。雾计算通过使用来自多个端点的数据提供运营的“更大的图景”，从而提高企业网络的效率。然而，它这样做不会产生与直接边缘到云连接相关的延迟和拥塞。制造工厂的 IIoT 环境就是雾计算的一个例子。

4. 加工和储存

边缘计算

雾计算

在边缘计算的情况下，数据在边缘计算机本身内或非常靠近边缘计算机的地方进行处理和存储。

由于边缘设备的处理和存储能力有限，数据可以传输到云端进行进一步操作。

连接到云网络的智能手机就是边缘计算机的一个示例。

雾计算更像是智能和处理能力的“网关”。雾计算机同时连接到一批边缘计算机，从而创建本地化设备网络，以实现更高效的数据处理和存储。

雾计算通过使用来自多个端点的数据提供运营的“更大的图景”，从而提高企业网络的效率。然而，它这样做不会产生与直接边缘到云连接相关的延迟和拥塞。

制造工厂的 IIoT 环境就是雾计算的一个例子。

5. 经济考虑
边缘计算	雾计算
边缘计算服务由微软、亚马逊和戴尔等领先供应商提供。这些提供商根据配置和使用情况收取固定的经常性费用。公司还可以建立自己的边缘基础设施。然而，根据运营规模和所用组件的质量，外包边缘计算需求通常更经济。当然，定制的边缘设置必然会更昂贵，无论它们是从头开始构建还是订阅。	雾计算服务是边缘计算的稍微定制化的版本，可能需要从头开始设置或使用“即服务”部署的组合。虽然这可能意味着比边缘计算更高的价格，但雾计算的好处是多方面的。例如，雾计算通过在带宽、延迟、计算和存储方面的大量节省创造了经济机会。根据使用案例，雾计算为大型数据中心提供了经济上可行的替代方案。

5. 经济考虑

边缘计算

雾计算

边缘计算服务由微软、亚马逊和戴尔等领先供应商提供。这些提供商根据配置和使用情况收取固定的经常性费用。

公司还可以建立自己的边缘基础设施。然而，根据运营规模和所用组件的质量，外包边缘计算需求通常更经济。

当然，定制的边缘设置必然会更昂贵，无论它们是从头开始构建还是订阅。

雾计算服务是边缘计算的稍微定制化的版本，可能需要从头开始设置或使用“即服务”部署的组合。

虽然这可能意味着比边缘计算更高的价格，但雾计算的好处是多方面的。例如，雾计算通过在带宽、延迟、计算和存储方面的大量节省创造了经济机会。

根据使用案例，雾计算为大型数据中心提供了经济上可行的替代方案。

总结

边缘计算和雾计算使计算能力更接近数据源，无需立即需要中央云平台即可处理信息。这两种计算方法都是具有未来应用的新兴技术生态系统。

这些 IT 模型预计将实现令人兴奋的新用例，并为跨行业垂直领域的服务提供商提供机会，为企业和消费者开发新的解决方案。这两种计算架构的主要优势包括高效的数据传输、实时计算能力、增强的用户体验以及最小化的延迟和成本。

边缘计算与雾计算：10个关键比较

目录