当前位置: 首页 > news >正文

作为“云计算”的延伸,“雾计算”只是一种炒作吗?

如今,“雾计算”的提出也已经过去了5年,但仍有一些人认为这是一种炒作概念,但事实真是如此吗?

作为时下最流行的模式,“云计算”被运用到多种领域当中,但即使再优秀,“云计算”也存在一些缺点,比如数据传输的延迟性等。而为了解决这个问题,科学家提出了一种“云计算”的一个延伸概念——雾计算。

作为云计算的延伸,雾计算只是一种炒作吗?

如今,“雾计算”的提出也已经过去了5年,但仍有一些人认为这是一种炒作概念,但事实真是如此吗?

“雾计算”是什么?

最初“雾计算”这个名字还是由美国纽约哥伦比亚大学的斯特尔佛教授(Prof. Stolfo)起的,不过他当时的目的是利用“雾”来阻挡黑客入侵。显然,这与我们现在所讲的“雾计算”有着巨大的差距。

我们现在所熟知的“雾计算”这个概念是由思科首创,到了2015年11月,ARM、戴尔、英特尔、微软等几大科技公司以及普林斯顿大学加入了这个概念阵营,并成立了非盈利性组织OpenFog Consortium (开放雾联盟),旨在推广和加快开放雾计算的普及,促进物联网发展。

根据Cisco对于“雾计算”的定义,“雾计算”是一种面向物联网(IoT)的分布式计算基础设施,可将计算能力和数据分析应用扩展至网络“边缘”,它使客户能够在本地分析和管理数据,从而通过联接获得即时的见解。根据定义,我们了解到,“雾计算”时一种对“云计算”概念的延伸,而它主要使用的是边缘网络中的设备,这些设备可以是传统网络设备(早已部署在网络中的路由器、交换机、网关等等),也可以是专门部署的本地服务器。

对于“云计算”与“雾计算”的本质区别,有一句话形容的非常贴切:云在天空飘浮,高高在上,遥不可及,刻意抽象;而雾却现实可及,贴近地面,就在你我身边。

作为云计算的延伸,雾计算只是一种炒作吗?

“雾计算”的优势

说到“雾计算”的优势,那就不得不先提一下“云计算”的缺陷。集中式的“云计算”允许人们高效、廉价地分享昂贵服务器资源,减轻企业用户的负担。但是,这也意味着每一个人都在共享一个数据中心,要想进行更高效的运用,企业就需要建设超大型数据中心,而这就要求企业购买造价高昂的服务器。此外,“云计算”对服务器的高要求也给服务提供商造成了很大的压力。而且,随着依赖云计算的智能设备越来越多的出现,从云端到移动设备的数据传输也变得越来越拥挤,从而引发了一个新问题。

这时,分布式的“雾计算”的出现就弥补了集中式计算在这方面问题的不足。因为“雾计算”在地理上分布更为广泛,而且具有更大范围的移动性,这些能够让它适应如今越来越多不需要进行大量运算的智能设备,在数据传输速度上远胜“云计算”。

而具体来讲,“雾计算”主要有以下几个优势:

极低时延。这对于目前正在蓬勃发展中的物联网有着十分重要的意义,除此之外,网上游戏、视频传输、增强现实等也都需要极低的时延。

辽阔的地理分布。这正好与集中在某个地点的云计算(数据中心)形成强烈的对比。例如,如果需把信息和视频发送到高速移动的汽车时,可以沿着高速公路一路上设置无线接入点。此外,一旦某一区域的服务发生异常,用户也可快速的转移到另一个邻近区域。

带有大量网络节点的大规模传感器网络,用来监控环境。智能电网本身就是一种带有计算和存储资源的大规模分布式网络,可以作为“雾计算”很好的应用例子。

支持高移动性。对于雾计算来说,手机和其他移动设备可以互相之间直接通信,信号不必到云端甚至基站去绕一圈,因此可以支持很高的移动性。

作为云计算的延伸,雾计算只是一种炒作吗?

“雾计算”并不是炒作

在“雾计算”这个概念出来的时候,许多人都说这是一种炒作,但事实并不是如此。“雾计算”只是对“云计算”的一种延伸,并不是对“云计算”的一个取代。

在功能上面,“雾计算”相当于一个可以频繁使用的“数据库”,而“云计算”就是一个用于长期存储文件的“文件室”。在搜寻信息方面,不管是速度,还是利用率,数据库明显比文件室具有更大的优势。而在数据丰富方面,“雾计算”也可以从“云计算”平台进行获取,相信在数据分享终端减少之后,“云计算”平台的数据传输速度相比于之前应该快乐许多。基于此,“云”与“雾”可以说是一种相辅相成的关系。

此外,云计算的使用需要大量带宽,而无线网络带宽有限。相比之下“雾计算”所需的带宽量就少得多了,它在原则上可使传输的数据“旁路”,即从互联网边上绕过去,使这些数据尽可能本地化。最有价值的数据仍然可以通过“云计算”平台来传输,但是大部分的数据流量可以从这些网络中分流出去,从而大大减轻了云网络的流量负担。另外,对本地数据的使用也可节省大量成本。


原文发布时间: 2016-07-26 11:45
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。

相关文章:

  • RT-Thread的线程(任务)处理 rt_thread_create/rt_thread_init区别
  • 命令收集
  • 为实现全局化产品线布局,瑞芯微宣布旗下芯片RK3399 Linux系统开源
  • mongodb--安装和初步使用教程
  • WIFI渗透从入门到精通
  • Webscan360的防御与绕过
  • 装饰器
  • vue属性用法
  • netbeans 正则替换
  • Go语言学习笔记(八)golang 操作 Redis Mysql RabbitMQ
  • [转]23种设计模式全解析
  • pycharm 教程(一)安装和首次使用
  • 最优化 凸集、凸函数
  • 如何培养良好的编程风格
  • php 设计模式
  • ECMAScript6(0):ES6简明参考手册
  • FastReport在线报表设计器工作原理
  • flask接收请求并推入栈
  • Java 9 被无情抛弃,Java 8 直接升级到 Java 10!!
  • javascript数组去重/查找/插入/删除
  • Java基本数据类型之Number
  • k个最大的数及变种小结
  • Less 日常用法
  • MySQL主从复制读写分离及奇怪的问题
  • PV统计优化设计
  • python 装饰器(一)
  • Spring Boot快速入门(一):Hello Spring Boot
  • Spring Security中异常上抛机制及对于转型处理的一些感悟
  • vue--为什么data属性必须是一个函数
  • 理解在java “”i=i++;”所发生的事情
  • 区块链共识机制优缺点对比都是什么
  • 实现菜单下拉伸展折叠效果demo
  • 一道闭包题引发的思考
  • 容器镜像
  • ​香农与信息论三大定律
  • # 日期待t_最值得等的SUV奥迪Q9:空间比MPV还大,或搭4.0T,香
  • #前后端分离# 头条发布系统
  • (2)Java 简介
  • (52)只出现一次的数字III
  • (8)STL算法之替换
  • (Mirage系列之二)VMware Horizon Mirage的经典用户用例及真实案例分析
  • (Redis使用系列) Springboot 整合Redisson 实现分布式锁 七
  • (附源码)ssm学生管理系统 毕业设计 141543
  • (六)Hibernate的二级缓存
  • (终章)[图像识别]13.OpenCV案例 自定义训练集分类器物体检测
  • (转)Scala的“=”符号简介
  • (转)编辑寄语:因为爱心,所以美丽
  • .mkp勒索病毒解密方法|勒索病毒解决|勒索病毒恢复|数据库修复
  • .Net Core webapi RestFul 统一接口数据返回格式
  • .NET core 自定义过滤器 Filter 实现webapi RestFul 统一接口数据返回格式
  • .Net 路由处理厉害了
  • .NET(C#、VB)APP开发——Smobiler平台控件介绍:Bluetooth组件
  • .NET微信公众号开发-2.0创建自定义菜单
  • /bin、/sbin、/usr/bin、/usr/sbin
  • @kafkalistener消费不到消息_消息队列对战之RabbitMq 大战 kafka