邊緣計算的出現(xiàn)是物聯(lián)網(wǎng)不斷發(fā)展的重要體現(xiàn)，出于各種原因，包括在某些應用中需要極低的延遲，例如自動駕駛汽車。將計算能力轉移到更靠近網(wǎng)絡邊緣也可以降低成本并提高安全性。

　　不同的組織使用邊緣和霧計算的方式不同，但在部署IoT解決方案時，選擇使用一個而不是另一個非常重要。有物聯(lián)網(wǎng)業(yè)內人士表示，“霧和邊緣計算的理想用例需要靠近超低延遲至關重要的邊緣的智能，在地理上分散的連接可能不規(guī)則的區(qū)域運行，或創(chuàng)建數(shù)TB的數(shù)據(jù)，這些數(shù)據(jù)不實用于流式傳輸?shù)皆贫恕！?/p>

　　術語邊緣和霧計算似乎或多或少可互換，并且它們確實共享幾個關鍵的相似性。霧和邊緣計算系統(tǒng)都將數(shù)據(jù)處理轉移到數(shù)據(jù)生成源，他們試圖減少物聯(lián)網(wǎng)卡聯(lián)網(wǎng)發(fā)送到云的數(shù)據(jù)量。這是為了減少延遲，從而改善遠程任務關鍵型應用程序中的系統(tǒng)響應時間，提高安全性，因為減少了通過公共互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)的需求，并降低了成本。

　　某些應用程序可能會收集大量數(shù)據(jù)，這些數(shù)據(jù)發(fā)送到中央云服務的成本很高。但是，他們收集的只有少量數(shù)據(jù)可能有用，如果在網(wǎng)絡邊緣進行某些處理并且僅將相關信息通過物聯(lián)網(wǎng)卡聯(lián)網(wǎng)發(fā)送到云，則這將大大降低成本。

　　想想安全攝像頭。將24小時視頻發(fā)送到中央服務器將是非常昂貴的，其中23個小時可能只是一個空蕩蕩的走廊。如果使用邊緣計算，可以選擇僅發(fā)送實際發(fā)生某事的一小時。

　　霧和邊緣計算都涉及處理更接近原點的數(shù)據(jù)。關鍵的區(qū)別在于處理發(fā)生的確切位置。霧計算過程發(fā)生在局域網(wǎng)級網(wǎng)絡架構上，霧計算使用與工業(yè)網(wǎng)關和嵌入式計算機系統(tǒng)交互的集中式系統(tǒng)。邊緣計算處理大部分數(shù)據(jù)物聯(lián)網(wǎng)設備直接在設備本身上生成。

　　我們可以看到，這兩種技術非常相似。為了區(qū)分它們，讓我們考慮智能城市的用例。

　　想象一下智能城市，配備智能交通管理基礎設施。交通信號燈連接了一個傳感器，可以檢測到交叉路口每側有多少車等待，并優(yōu)先為最大數(shù)量的車輛轉動綠燈。這是一個相當簡單的計算，可以使用邊緣計算在交通燈本身中執(zhí)行。這減少了需要通過網(wǎng)絡發(fā)送的數(shù)據(jù)量，從而降低了運營和存儲成本。

　　現(xiàn)在，想象一下這些交通信號燈是連接對象網(wǎng)絡的一部分，包括更多交通信號燈、行人過路處、污染監(jiān)視器、公交車GPS跟蹤器等等。

　　關于是否在五秒鐘或十秒內將交通信號燈變?yōu)榫G色的決定變得更加復雜。也許有一輛公共汽車在交叉路口的一側遲到了。也許它開始下雨了，該市決定在下雨時優(yōu)先考慮行人和騎自行車的人在這種更復雜的情況下，可以在本地部署微數(shù)據(jù)中心，以便分析來自多個邊緣節(jié)點的數(shù)據(jù)。這些數(shù)據(jù)中心就像局域網(wǎng)內的本地迷你云一樣，被認為是霧計算。

　　總之，隨著物聯(lián)網(wǎng)的不斷發(fā)展和更多的數(shù)據(jù)生成，處理接近生成點的數(shù)據(jù)將變得勢在必行。顯然，其他人也同意這一點。根據(jù)Million Insights最近的一份報告，到2025年，全球邊緣計算市場規(guī)模預計將達到約32.4億美元。

　　國內物聯(lián)網(wǎng)卡交易平臺物聯(lián)網(wǎng)之家表示，邊緣和霧計算將在物聯(lián)網(wǎng)的未來發(fā)揮重要作用。是否使用邊緣或霧計算不太重要，并且將取決于應用和特定用例。，霧或邊緣計算是否“更好”將取決于物聯(lián)網(wǎng)應用及其要求和期望的結果。