国内领先的智能制造信息化整体解决方案的专业提供商

物联网就是一场数据的战争,怎么能够从庞大的数据海中挖掘出有价值的信息对于物联网的发展的胜利,众所周知未来将是一个万物互联的时代,随着物联网行业技术标准的完善以及关键技术上的不断突破,数据大爆炸时代将越走越近,对计算的要求也越来越高。

说云计算小伙伴们可能都知道,但雾计算就给懵了。相比于云计算的高高在上和遥不可及,雾计算更为贴近地面,就在你我身边。

太复杂的概念小编就不提了,随便百度一下就能出来无数种介绍。

小编给大家简单介绍一下几个关键点。

什么是雾计算?

现在大多数人认为的“雾计算”是由2011年由美国思科公司首创的。

其实最开始“雾计算”概念最开始是由美国哥伦比亚大学的斯特尔佛教授提出来的,当初的目的是想利用“雾”来阻挡**入侵。

后来美国的思科公司接手了“雾计算”这个词,就有了现在的“雾计算”。

而思科之所以用“雾计算”这个词,是源于“雾是更接近地面的云”这个概念。

雾计算的网络版定义是:在该模式中数据、(数据)处理和应用程序集中在网络边缘的设备中(这里的边缘设备可以是传统网络设备,如路由器、交换机、网关等,也可以是专门部署的本地服务器),而不是几乎全部保存在云中,是云计算的延伸概念。

计算专家对“雾计算”的解释:

雾计算是介于云计算和个人计算之间的、半虚拟化的服务计算架构模型。雾计算实际上并没有强力的计算能力,雾计算是将物理上分散的计算机联合起来,形成较弱的计算能力,不过这样的计算能力对于中小型的数据中心,完全够用了。


所以,对于“雾计算”,我们可以这样理解:

首先,它是云计算的延伸概念,但不用将数据传到云端,而是集中在边缘设备中;

其次,雾计算由性能较弱、分散的各类功能计算机组成,是一种分布式的数据处理方式,具有去中心化的特点;

另外,源于“雾是更贴近地面的云”这句话,可以知道,雾计算是距离终端更近的东西,不像云那样遥远。数据的存储及处理更依赖本地设备,而不是服务器。

所以,也可以将雾计算理解为本地化的云计算,总之,是为用户提供数据资源服务的。

已经有云计算了,为什么还要研究雾计算?

因为云计算已经不能满足时代发展下的计算需求。

随着物联网技术的发展及各种智能设备的出现,云计算需要处理的数据量越来越大,网络带宽压力、数据中心的负担越来越重,数据传输和信息获取的情况面临巨大的挑战。

网络拥堵、网络延迟、安全性低等问题都需要解决。

也就是说,上网的人越来越多了,使用网络的设备也越来越多了,而且将来无人驾驶、各种智能应用等对数据处理的所低延迟、高速率、高安全性的要求越来越高,所以云计算的压力就越来越大,这时候它需要一个助手来分担它的压力。




所以雾计算就出现了。

虽然雾计算的整体计算能力并不比云计算强大,但它的一些优势也是云计算所没有的。

一,处理数据时效快,低延时
计算的计算节点在网络拓扑(网络传输设备的布局)中的位置更低,接近终端用户,利用靠近服务需求的计算资源进行数据处理,所以处理数据的时效更快。

二,位置感知
由于分布范围较广,密度较大,可以较为精确的获取其中设备的位置信息。

三,广泛的地理分布
与云计算中心集中式分布相反,雾计算更偏向于分布式分布,以量变引起质变。

四,移动性
对于雾计算来说,手机和其他移动设备可以相互之间直接通信,信号不必到云端甚至基站走一圈。

五,更多的边缘节点
支持多样化的软硬件设备,可以减轻骨干网络的压力,提高连接的设备的数量。

雾计算的应用现状及未来是什么样的?
以一个制造业案例为例,假设大型公司在印度建立了工厂生产清洁剂。想象整个流程中一个这样的机器——搅拌机(垂直或水平搅拌机),搅拌机的运转原理是以预设的转速定时旋转,搅拌机筒吸收到不同的原材料,其运转会耗费一定量的能源。

如果我们利用物联网生态系统,让这个设备成为“智能搅拌机”会怎样?搅拌机安装的大量传感器为各种参数捕捉数据,然后数据传回服务器(云)进行后续分析。

如何提供功率消耗的效率?这就是与雾计算的联系。以前考虑的物联网架构是利用云存储和分析数据做出决定,但是为了让资产/机器成为“智能设备”,我们需要雾计算架构,也就是增加本地实时计算数据流的能力,并向历史信号学习帮助机器做出决策来改善结果。

基于这些自主学习规则,通过增加和降低设置来保持在最佳能耗模式,机器可以调整操作参数。当数据传输到云端,云端用新数据组更新机器学习模型,那么数据规则和(自主)学习就可以更新了。一旦更新,它会被推回边缘,边缘节点利用更新模型来更新规则,进一步改善结果。

简而言之,通过推动计算边缘化,我们也将智能推到边缘,因此让设备或资产能够做出自主决策来改善结果,并成为智能设备。未来雾计算将与云计算相辅相成、有机结合,为万物互联时代的信息处理提供更完美的软硬件支撑平台。
发表于: 2019-01-29 10:00 阅读(23) 评论(0) 收藏 好文推荐

本博客所有内容,若无特殊声明,皆为博主原创作品,未经博主授权,任何人不得复制、转载、摘编等任何方式进行使用和传播。

作者该类其他博文:

网站相关博文:

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册