边缘计算与雾计算了解主要区别

在快速发展的物联网(IoT)世界中，云计算已成为处理、分析和存储大量数据的基石。然而，随着实时应用程序和联网设备的不断扩展，将数据发送到远程云服务器通常会导致高延迟和带宽效率低下。为了解决这些限制，出现了两种分散式计算范式：边缘计算和雾计算。虽然两者都旨在使数据处理更接近源头，但它们以不同的方式实现这一点，以适应不同的场景和应用。了解这些差异可以帮助企业和开发人员根据自己的需求选择正确的解决方案。

关键要点：

边缘计算在靠近源头的地方本地处理数据，从而最大限度地减少延迟并提高响应时间。

雾计算在边缘设备和云之间引入了一个中间层，允许分布式处理和更复杂的协调。

边缘计算非常适合自动驾驶汽车和基于本地设备的分析等实时应用。

雾计算最适合需要在本地和云处理之间取得平衡的大规模物联网环境。

虽然两种架构都降低了延迟，但雾计算增加了复杂性、可扩展性和灵活性。

在边缘计算和雾计算之间进行选择取决于应用程序对速度、可扩展性和跨设备协调水平的需求。

什么是边缘计算?

边缘计算是指在数据生成位置或附近处理数据的做法，即网络的“边缘”。设备或本地基础设施处理数据分析和决策，而不是将数据发送到中央云服务器进行处理。边缘计算的主要优势是减少延迟，因为数据不必长距离传输。它在毫秒级的应用中特别有用，例如自动驾驶汽车或依赖即时反馈才能有效运行的工业机械。

在边缘计算中，数据要么直接在设备本身(如智能传感器或可穿戴设备)上处理，要么在附近的边缘节点(如本地网关)上处理。处理后，相关数据可以发送到云端进行进一步分析或存储，但关键的、时间敏感的任务则在本地处理。

什么是雾计算?

雾计算通过在边缘和云之间引入分布式计算层来扩展边缘计算的概念。雾计算不是在本地设备上处理所有数据，而是使用中间设备(称为雾节点)，这些设备位于更靠近边缘的位置。这些节点可以是路由器、网关、交换机，甚至是本地服务器。雾计算通过将部分处理任务转移到这些中间节点来帮助减轻云基础设施的负载。

在这种模式下，来自物联网设备的数据首先由雾节点处理，雾节点通常分布在分布式网络中。这种架构为更复杂的应用提供了额外的灵活性，允许进行本地、区域和基于云的处理。雾计算通常用于大型物联网环境，例如智能城市，在这些环境中需要汇总和分析来自众多来源的数据。

边缘计算和雾计算之间的主要区别

在YouTube上观看此视频。

虽然边缘计算和雾计算具有使处理更接近数据源的共同目标，但它们在几个关键方面有所不同：

1.架构

–边缘计算：直接在设备上或附近的网关上处理数据。主要重点是通过尽可能靠近源头处理数据来减少延迟。

–雾计算：引入分层结构，其中雾节点存在于边缘设备和云之间。这些节点处理和聚合来自多个边缘设备的数据，然后再将其发送到云。

2.处理位置

-边缘计算：数据在单个设备或本地网关级别处理。

-雾计算：处理发生在雾节点，雾节点比云更靠近边缘，但仍然充当来自多个来源的数据的中介。

3.可扩展性

–边缘计算：主要适用于单个或小型设备级处理，因此对于大型互联网络而言，其可扩展性较差。

–雾计算：旨在处理更大的分布式网络。通过将任务从云端卸载到多个雾节点，它能够实现更高的可扩展性。

4.复杂性

——边缘计算：更简单的架构，专注于即时、本地处理。——

雾计算：更复杂的架构，因为它涉及管理跨网络协调数据的多个雾节点。

5.使用案例

–边缘计算：最适合需要即时、实时响应的应用程序。示例包括智能摄像头、自动驾驶汽车和本地物联网设备分析。

–雾计算：适用于需要更强大处理能力的应用程序，例如智能电网、工业物联网和智能城市，这些应用程序需要从各种来源收集数据并通过分布式网络进行处理。

何时使用边缘计算与雾计算?

在边缘计算和雾计算之间进行选择很大程度上取决于应用程序的具体需求：

在以下情况下应考虑使用边缘计算

：–低延迟至关重要，并且必须实时处理数据。–

应用程序相对简单，仅涉及少数设备或传感器。–

需要做出本地化决策，而无需涉及复杂的云基础设施。

示例包括：

–自动驾驶汽车，需要立即做出有关导航和安全的决策。

–用于检测运动或异常的安全摄像头的本地视频处理。

在以下情况下，雾计算是更好的选择：

–系统需要在本地处理和集中数据管理之间取得平衡。–

多个设备需要协调和交换数据。–

系统涉及复杂的处理，无法由边缘设备单独处理，但也不需要完全卸载到云端。

示例包括：

–智慧城市，其中需要以协调的方式分析和处理来自多个传感器(例如交通灯、街道摄像头)的数据。

–工业物联网系统，监控和优化各个地点的制造流程。