how are you?

Question

how are you?
how are you?
how are you?
how are you?
how are you?
how are you?

Answer 1

【相关推荐】

• 这篇博客: 雾计算？边缘计算？云里雾里还被边缘？中的 雾计算？边缘计算？云里雾里还被边缘？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  我们都知道云计算，近两年又出现了雾计算、边缘计算，搞得人云里雾里分不清。这些概念究竟是什么意思？和我们的生活有什么关系？这篇文章来一探究竟。

  1、雾计算的来头

  当“物”需要“云”更加贴近它，而不是隔空相望的时候，雾计算出现了。

  雾计算(Fog Computing/Fogging)，又名边缘计算(Edge Computing)。雾计算是云计算的延伸概念，在该模式中，数据存储、处理和应用程序集中在网络边缘的设备中，而不是全部保存在云中。这意味着数据可以在本地智能设备中进行处理，而不需要完全发送到云中进行处理。

  “天下大势，合久必分，分久必合。”对于计算机行业来说，计算模式一直在集中式和分布式计算模式中来回：集中式的(大型计算机)变成了分布式(微型计算机)，然后又把服务能力集中在云里；当发现云的服务对象无法“近水楼台先得月”时，目前的云正尝试将计算分布在服务对象的周边，这就是雾计算(如下图中的分布云)。

  

  雾计算通过一些运算能力比云更弱、分布更分散的边缘设备，来处理家电、汽车等一些物联网设备的数据，这样，大量数据处理将在一台路由器(智能网关或类似的本地边缘设备)中发生，而不必进行远程传输，实现延迟最小化。这对于以下类型的应用很必要：

  • 地理上分布式应用程序(管线监测、环境监测的传感器网络)。

  • 快速移动应用程序(铁路调度)。

  • 大型分布式控制系统(智能电网、智能交通信号灯系统)。

  • 车联网中的基于位置的服务与交通控制。

  • 物联网中因对于时延敏感、位置敏感、上下文敏感的一类影响用户体验的应用。

  Cisco的Ginny Nichols创造了“雾计算”这个术语。这个比喻出自“雾是接近地面的云”这个事实，正如雾计算在网络的边缘集中处理。据Cisco介绍，在地理分布和分层结构问题上，雾计算延伸了云计算的边缘。从物联网的角度来看，雾计算延伸的目的是更好地服务“物”的相关计算需求。从物联网在现阶段对云计算的需求来看，雾计算也许是最为合适的解决方法。如下图所示，围绕着云端向外延伸着雾计算节点和设备。

  

  在技术架构上，云计算与雾计算的互相协同应体现在：在紧贴“物”的物联网平台上，叠加一层分布的计算能力，就像人类的末梢神经一样。这样一来，物联网对“资源”，也就是云的需求能够及时获取和排放，避免了位于数据中心的云计算让那些延迟敏感的应用“望梅止渴”。这就是“雾”的来由。

  实际应用中，雾计算的架构还在实现中。但是，在大多数已知的物联网平台(MS Azure物联网套件，IBM沃森的物联网平台和ThingWorx物联网平台)中，我们都能够看到这样的结构：通过网关连接到数据流处理的高性能平台。

  2、“物”的雾计算需求

  雾计算扩大了以云计算为特征的网络计算范式，将网络计算从网络的中心扩展到网络的边缘，从而更加广泛地运用于(特定条件下)应用形态和服务类型；这有时也被称为移动边缘计算——移动边缘计算可以被看作是运行在移动网络边缘的云服务，以执行特定的任务。

  雾计算在物联网中的需求分析

  雾计算能够提供接近用户和边缘设备的计算、存储等资源的服务，和云一样，都是网络基础设施的一个组成部分。雾计算在物联网中的需求体现在如下几个方面。

  1)传感器/执行器的数据处理需要经过“雾计算”缓冲后进入云

  雾计算中的边缘设备能够处理来自传感器/执行器的数据，处理中过滤出需要转移到数据存储单元、数据库进行分析的内容。雾计算的分布式架构包括雾节点和边缘智能设备。边缘智能设备中执行数据采集、边缘计算和智能处理。

  2)过滤和聚合后的数据能够分为“雾”能做的和“云”该做的

  并非来自终端设备的所有数据都需要由云计算处理，数据经过智能边缘设备的品质过滤、聚合分析等智能处理，分析出“雾”该做，在边缘节点(网关或最近基站)附近利用空闲计算资源处理，可以减少发送到云中的数据量。

  3)雾计算从物理位置上离“物”的需求更近

  当“雾”涵盖了无线网络的一部分，无论是Wi-Fi还是蜂窝，本地服务都可以利用低水平的信令来确定每个连接设备的位置。这就生成了一个智慧家居的用例，并且可以扩大到

  “雾”里的基于位置的服务，毕竟，紧贴“物”的雾计算需要知道“物”在哪里。对于我们来讲，能够看到处理我们“贴身”数据的设备，比看不到、也不知传到哪片云里，感觉更安全。

  例子

  下面用超高速无线局域网举例说明。超高速无线局域网在车联网中很受欢迎，因为车联网关键数据的实时存取需要能够提供边缘计算的“雾”，而云可能会有点儿远；还因为超高速无线局域网的“雾”伴随能力能够体现“准(定位)、快、(离得)近、稳”的生死时速。

  

  例如，“我都能看到要撞车了，还要把两车距离传到哪里？”最好的办法是在本地(本车)的雾计算应急处理并采取果断措施。雾计算能够提供丰富的车联网服务，来满足信息娱乐、安全、实时交通保障等要求，因为雾计算可以沿公路、沿交通灯这样地理分布，还可以沿蜂窝网络、沿Wi-Fi热点这样的城市布局分布；可理解为“雾分布”。

  实时路况信息只需要车所在的相邻几个街区的拥堵情况，没有必要传到云中处理后再传回来，仅需要比视距大几倍的雾分布即可。

  对于交通信号灯的智能控制，低延迟和异构的雾比云更接近于司机所关心的附近街区。雾计算对移动性的支持和基于位置感测的实时交互(例如交通信号灯的周期与实时路况感知的交互)，扩大了本地化的计算能力、交互能力、协同决策能力。在雾中将聚合后的、会影响全局的“智能数据”发送到云计算中心做进一步的全局数据分析，从而实现基于位置的上下文感知。这样，能够在品质过滤与聚合分析之后，更加智能地建议行驶中汽车的距离、速度、路径，与交通信号灯的实时控制。这种思路可以很好地服务车联网中与位置相关的雾计算需求。

  雾计算本身面临的挑战

  中国信息通信研究院刘阳根据对于雾计算(边缘计算)在消费物联网、工业互联网等领域即将发挥重大作用的分析，提出了6个方面的挑战。

  1)体系架构急需统一

  尽管目前来看，针对固定互联网、移动通信网、消费物联网、工业互联网等不同网络接入和承载技术中，边缘计算的技术实现上存在一定差异，但整体来看，边缘计算的技术理念都是强调系统的通用性、网络的实时性、应用的智能性、服务的安全性，需要构建统一的体系架构进行顶层设计指导。

  2)技术理论尚未成熟

  研究边缘计算技术的最新进展，关键是要回答三个问题：一是边缘节点究竟在哪里；二是究竟会出现什么新事物；三是需要什么样的新技术来支撑。

  目前来看，能否基于软件定义、虚拟化、服务化等关键技术打造一个支撑边缘计算理念的通用型操作系统，部署在设备、网关或者边缘数据平台等不同位置，还需要加强基础研发和实验验证。

  3)产业推进难度很大

  从实施角度看，行业设备专用化，各行业差异大，过渡方案能否平滑升级、新技术方案能否为企业接受还需考验；从产业角度看，工业互联网、物联网技术方案碎片化，跨厂商的互联互通和互操作一直是很大的挑战，边缘计算需要跨越计算、网络、存储等多方面进行长链条的技术方案整合，难度更大。

  4)商业模式有待研究

  边缘计算平台由于在部署时将服务下移，计算、网络、存储、应用、智能在边缘侧进行本地化提供，对于现有的网络运营商服务体系，需要重新设计计费规则。同时，由于相关技术研发、标准化工作涉及较多的利益相关方，还需要互联网企业、通信设备企业、通信运营商、工业企业等多方共同努力和积极探索。

  5)安全隐私存在挑战

  边缘计算希望培育的边缘侧应用生态可能存在一些不受信任的终端及移动边缘应用开发者的非法接入问题，因此需要在用户、边缘节点、边缘计算服务之间建立新的访问控制机制和安全通信机制，以保证数据的机密性和完整性、用户的隐私性。

  6)价值创新存在风险

  边缘侧实现增值服务、价值创新的关键在于数据的分析和应用、能力的开放和协同，但不同产业的知识背景差异将带来协作上的挑战，人工智能等新技术在行业应用还是早期探索阶段，有不确定风险。

  3、雾计算的进一步探讨

  以WSN为例来看雾计算，如果在相互临近的传感器网络之间，对于网内节点能够比较均衡地承担采集到的原始数据的处理任务，而网内节点的协同处理能力能够延伸到传感器网络之间的协同，这就是“雾计算”的取长补短理念，并且这种理念支持异构网间的协同。

  如果网内节点、临近的网间节点(含汇聚节点或管理节点)都承担不了采集到的原始数据的处理任务，这就倾向于请求“云计算”作外援。

  如果大部分的数据处理任务都需要传递到中心云进行，就是“云计算”。

  简单地说，超出雾的“受限”资源能力范围之外的物联网应用(如“受限”的传感器网络)，将按需交付于云中。这其中，“边缘”和“中心”的资源融合对于用户来讲是“透明的”，但需要连接对象、雾、云齐心协力策划出一种可称为“sensing-as-a-service”的虚拟化的按需服务能力。

  云雾交织

  讲个关于恐龙的故事，假设恐龙的一只脚被突然切掉，它多久能感觉到疼，会不会继续奔跑？记得答案是比较长，长到大脑还会以为没事，恐龙会继续向前奔跑。

  

  其实这个故事也说明了：如果计算需求在还未送到云(大脑)之前，已经失去时效性，那么，要么网络(神经传导)速度迅速进化提升，要么把计算放到躯干，躯干(雾计算)发现脚没了，边制动边告诉大脑(云计算)。

  如果人类所有的感知信号都通过神经传递到大脑，大脑不得累死？神经也得多粗？

  人类的神经系统确实是“云雾交织”的：

  

  很多信号都是分层级传递和边传递边处理的。例如，中枢神经中的脊柱，负责控制四肢及躯干的反射动作。例如，手指不小心摸到热锅，在尚未经过大脑思考反应前，就已经透过反射动作将手收回了，等大脑反应过来才知道是怎么回事。

  而小脑负责平衡与“技能记忆”；人受伤了，有神经去负责把白细胞、红细胞送往事故现场，不需要请示大脑。而内脏活动常是自主性活动，几乎不受意识控制。

  上述这些启示着云计算和雾计算会在相互依存中交织发展。而雾计算也会和物联网越来越多地交织在一起，使物联网获得功能性增强；反过来，物联网又能够给云、雾的计算服务提供信息更新与信息开放的能力。

  合中有分，分中有合

  人类社会进步的每个场景总会在技术革新领域找到自己的映射，或者说技术革新的原因和目的也都是社会进步。云计算对应团结就是力量。雾计算对应系统论的分层级组织与扁平化管理。云计算延伸分布为雾计算，是为了高物联网应用体验；雾计算遇到自身难以解决的问题时，会求助于云计算。合中有分、分中有合也指引着计算的组织模式的发展。

  雾计算本身安全吗

  雾计算可以“贴身服务”于工业物联网应用(例如电力生产，交通灯自主控制，智慧制造等)，在边缘设备和雾节点中采集数据，处理马上就要指挥(或作用于)生产的数据。那么，雾计算安全吗？

  在一个经典的物联网架构中，物联网网关是恶意数据注入的关键点。网关可以像经典的网站保护方法一样被保护。这些保护方法有：IP地址快速跳变-IP快速跳频协议。它仅允许合法参与者之间的交流。

  俄罗斯工程院院士Krylov提出了很有意思的观点。在雾结构中，处理单元被所有节点接口开放于网络中。就恶意数据入侵而言，如果数据处理涉及成千上万的设备，那么它们都应该位于安全连接中雾节点被覆盖在安全的网络集成中，而不是通过开放的TCP/IP连接。

  在他看来，鉴于要求提供低延迟的保证，这个问题尚未找到解决方案。因此，直到解决方案被发现之前，雾结构系统的安全性仍将存疑。

  纵然雾计算能够应对物联网场景中数据传输成本和移动连接的延迟限制带来的挑战，在边缘处满足实时处理与协同决策支持、基于上下文的移动性支持、降低移动基础设施的管理成本；但是，雾计算能够应对安全的挑战吗？

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^