通俗讲解边缘计算

通俗讲解边缘计算
随着物联网越来越火，同时伴随着物联网而来的，就是各种概念和各种技术，其中一个就是边缘计算，当然还有雾计算。其实边缘计算和雾计算都差不多，雾计算只是和云计算是相对的。只是叫边缘计算呢，比较高大上吧。
下面我们要通俗地讲一讲边缘计算。

为什么要通俗的讲呢，怕如果不通俗，你听不明白。新的东西在出来的时候，往往是需要一个接纳和理解的过程。就像以前互联网刚出来的时候，很多人都不知道互联网，于是就得慢慢科普，让大家慢慢接受和理解呀。谁现在还解释什么是互联网呀。

而边缘计算也有一段时间了，只是随着物联网的发展，边缘计算的概念也开始流行起来。我们先看一段非通俗的介绍边缘计算的概念：
边缘计算，是一种分散式运算的架构。在这种架构下，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。

或者说，边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。

边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。
以上是我从网络文章摘抄的一段对于边缘计算的解释。整个解释基本都是专业术语，搞工控的你，看完这段话，你来告诉我什么是边缘计算。

作为一名参与研发产品边缘计算的程序员，我决定写一篇文章来通俗讲解一下这个边缘计算。
首先，我要举一个不太恰当的例子。

比如有一款APP，用户在使用这款APP的时候，就会收集用户的信息，比如收集这个用户的年龄，性别，手机号，地址位置，搜索记录等等信息，而收集这些信息主要是更好地分析这个用户的行为和感兴趣的东西，比如车，房子，书，美食等什么感兴趣。然后更为准确地为其投放内容及广告。

    这个是很常见的一个功能，但是就是这样一个功能，怎么和边缘计算挂钩呢。

在边缘计算之前，就是云计算了。

如果是使用云计算，这款APP的行为是这样的：

    APP收集到信息后，把所有的基本信息，上传到服务器中，然后由服务器来执行算法，计算和识别出用户的兴趣爱好，甚至可能推算出这个用户的消费能力。然后服务器就可以根据这个推算出来的结果，为用户投放其感兴趣的内容和广告。

如果是使用边缘计算，这款APP的行为就是这样：

    APP收集了信息后，不上传到服务器中。然后由APP自己计算和识别出这个用户的兴趣和爱好，也可以推算出这个用户的消费能力，也就是服务器的计算功能，直接由APP来完成。然后服务器只需要问一下APP,哪个用户是有可能是年薪百万的，哪个用户是单身的。APP只需要告诉服务器说，这个一路向东用户很帅，而且还单身，喜欢旅游，写诗，可以为其投放相亲美女内容。

就这样，整个过程并没有服务器参与计算，服务器也没有参与收集信息。因为这个信息在APP本身收集和计算，并没有进行上传，所以也没有涉及信息收集。

而，这就是边缘计算。

也就是以前由服务器作计算的部分，现在改由信息采集的设备直接计算了，再把计算的结果，直接输出到服务器中。服务器只要结果，并不需要过程的数据。
下面我们就以回答问题的形式来通俗的聊一聊这个边缘计算吧。

所以，什么是边缘计算呢。

边缘计算，说白了，就是（服务器）云计算懒得算了，就这点数据，你在数据采集的时候，顺便自己算得了，什么都丢到服务器来算，很累的。于是，边缘计算就这么来了。
那么，工控领域行业中使用到边缘计算的都有哪呢

这个就太多了。随着很多PLC，控制器和触摸屏等都开始接入到物联网中，每个设备需要采集的信息不一样，有温度，湿度，产量，生产数据，运行状态等。而不同行业的参数指标，性能数据都不一样，这很难在服务器通过云计算来形成一套标准，这使得PLC，控制器等，都会用到边缘计算。
为什么以前的DTU，或者物联模块等不流行边缘计算，现在开始流行了呢。

因为现在的IoT使用的模块或者芯片的处理能力也越来越高，资源也比较丰富，随着一些芯片成本的下降，以及开发模式的简化，使得一些芯片或模块在处理基本的数据采集功能后，仍存在资源过剩及功能利用率低的情况，也就是一个100%的芯片或模块，你只使用了10%的来采集数据，那还有90%你可以用来作计算
那么，使用边缘计算的优势在哪里呢。

1 可以使得设备的支持数量提升几个数量级。

   比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器最多只能接入1000个设备就挂了。

   如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。

  没有使用边缘计算，服务器可以接1000个设备。

  如果使用了边缘计算，服务器可以接10000个设备。提升了一个数量级。而对于一些复杂的设备，特别是一些工厂，现场作业等需要数据量多的，如果使用了边缘计算来给服务器节省空间和资源，这个优势更能体现出来了。

2 让计算变得更为灵活和可控

   前面说到，接入设备的服务器很难做到统一的计算分析标准，因为物联网可是一个万物接入的网络，每一个设备采集的数据不一样。如果使用了边缘计算，就可以单独针对每一个设备进行相应的计算和分析。当然，如果相同的设备或者相同参数的，可以进行复制使用同一套计算标准或算法。如果将计算脚本开放出来给用户，用户就可以自定义去添加自己的计算公式和行为。
边缘计算的模式和拓扑结构是什么样的呢。
比如要在一套数据采集系统里，以一个云服务器为中心，移动客户端，PC客户端或第三方接口等接入到云服务器获取数据，而数据采集方呢，由数据采集模块来连接到云服务中。

    数据采集模块可以采集PLC，变频器，智能仪表等，将数据上传到云服务器中，由服务器进行数据分析和计算，然后PC或移动客户端，第三方接口就可以获取数据分析的结果。但是这种情况下，随着设备的接入越来越多，云服务器的负担也会越来越重，而且接入的PLC，控制器等的种类也越来越多，原来的云服务数据计算模式难以满足越来越复杂的应用。这时候边缘计算就应运而生了。

    在原拓扑结构不变的情况，可无缝引入边缘计算。在数据采集模块端开放边缘计算功能，将复杂的计算，策略，规则等，由数据采集模块进行运算，得到输出结果后，只需要将结果上传到云服务中。再由PC客户端，移动客户端及第三方接口从云服务获取。

    比如数据采集模块需要采集一个电表，电表能采集的数据有电流，电压，偏偏没有功率。当然现在的电表采集不到功率很少了，只是举例。

    那怎么办呢，偏偏客户很想看到功率。那在没有边缘计算的时候，为了要看到功率，只好在云服务里，增加一定的计算规则，将采集到的电流和电压通过计算得到功率。如果有1000个电表，云服务器就要对这1000个电表进行计算。这就增加了云服务器的工作量和负担了。

    如果有了边缘计算，那么在数据采集模块，就可以添加计算功能，直接将采集的电流和电压通过计算得到功率，只需要把功率上传给服务器就可以了。这样，即便有50000个电表，云服务也毫无计算压力，因为它并不需要计算。
    这就是通俗的讲一讲边缘计算。

在考虑Hadoop生态系统中的各种引擎时，重要的是要了解每个引擎在某些用例下效果最佳，并且企业可能需要使用多种工具组合才能满足每个所需的用例。话虽如此，这里是对Apache Spark的一些顶级用例的回顾。

一、流数据

Apache Spark的关键用例是其处理流数据的能力。由于每天要处理大量数据，因此对于公司而言，实时流传输和分析数据变得至关重要。Spark Streaming具有处理这种额外工作负载的能力。一些专家甚至认为，无论哪种类型，Spark都可以成为流计算应用程序的首选平台。提出此要求的原因是，Spark Streaming统一了不同的数据处理功能，从而使开发人员可以使用单个框架来满足其所有处理需求。

当今企业使用Spark Streaming的一般方式包括：

1、流式ETL –在数据仓库环境中用于批处理的传统ETL(提取，转换，加载)工具必须读取数据，将其转换为数据库兼容格式，然后再将其写入目标数据库。使用Streaming ETL，在将数据推送到数据存储之前，将对其进行连续的清理和聚合。

2、数据充实 –这种Spark Streaming功能通过将实时数据与静态数据相结合来充实实时数据，从而使组织能够进行更完整的实时数据分析。在线广告商使用数据充实功能将历史客户数据与实时客户行为数据结合起来，并根据客户的行为实时提供更多个性化和针对性的广告。

3、触发事件检测 – Spark Streaming使组织可以检测到可能对系统内部潜在严重问题的罕见或异常行为(“触发事件”)并做出快速响应。金融机构使用触发器来检测欺诈性交易并阻止其欺诈行为。医院还使用触发器来检测潜在的危险健康变化，同时监视患者的生命体征-向正确的护理人员发送自动警报，然后他们可以立即采取适当的措施。

4、复杂的会话分析 –使用Spark Streaming，与实时会话有关的事件(例如登录网站或应用程序后的用户活动)可以组合在一起并进行快速分析。会话信息还可以用于不断更新机器学习模型。诸如Netflix之类的公司使用此功能可立即了解用户在其网站上的参与方式，并提供更多实时推荐。

二、机器学习

许多Apache Spark用例中的另一个是它的机器学习功能。

Spark带有用于执行高级分析的集成框架，该框架可帮助用户对数据集进行重复查询，这从本质上讲就是处理机器学习算法。在此框架中找到的组件包括Spark的可扩展机器学习库(MLlib)。MLlib可以在诸如聚类，分类和降维等领域中工作。所有这些使Spark可以用于一些非常常见的大数据功能，例如预测智能，用于营销目的的客户细分以及情感分析。使用推荐引擎的公司将发现Spark可以快速完成工作。

网络安全是Spark 机器学习功能的一个很好的商业案例。通过使用Spark堆栈的各种组件，安全提供程序可以对数据包进行实时检查，以发现恶意活动的痕迹。在前端，Spark Streaming允许安全分析人员在将数据包传递到存储平台之前检查已知威胁。到达存储区后，数据包将通过其他堆栈组件(例如MLlib)进行进一步分析。因此，安全提供商可以在不断发展的过程中了解新的威胁-始终领先于黑客，同时实时保护其客户。

三、互动分析

Spark最显着的功能之一就是其交互式分析功能。MapReduce是为处理批处理而构建的，而Hive或Pig等SQL-on-Hadoop引擎通常太慢，无法进行交互式分析。但是，Apache Spark足够快，可以执行探索性查询而无需采样。Spark还与包括SQL，R和Python在内的多种开发语言接口。通过将Spark与可视化工具结合使用，可以交互地处理和可视化复杂的数据集。

下一版本的Apache Spark(Spark 20)将于今年的4月或5月首次亮相，它将具有一项新功能- 结构化流 -使用户能够对实时数据执行交互式查询。通过将实时流与其他类型的数据分析相结合，预计结构化流将通过允许用户针对Web访问者当前会话运行交互式查询来促进Web分析。它也可以用于将机器学习算法应用于实时数据。在这种情况下，将对旧数据进行算法训练，然后将其重定向以合并新的数据，并在其进入内存时从中学习。

四、雾计算

尽管大数据分析可能会引起广泛关注，但真正激发技术界想象力的概念是物联网(IoT)。物联网通过微型传感器将对象和设备嵌入在一起，这些微型传感器彼此之间以及与用户进行通信，从而创建了一个完全互连的世界。这个世界收集了大量数据，对其进行处理，并提供革命性的新功能和应用程序供人们在日常生活中使用。但是，随着物联网的扩展，对大量，种类繁多的机器和传感器数据进行大规模并行处理的需求也随之增加。但是，利用云中的当前分析功能很难管理所有这些处理。

那就是雾计算和Apache Spark出现的地方。

雾计算将数据处理和存储分散化，而不是在网络边缘执行这些功能。但是，雾计算为处理分散数据带来了新的复杂性，因为它越来越需要低延迟，机器学习的大规模并行处理以及极其复杂的图形分析算法。幸运的是，有了Spark Streaming等关键堆栈组件，交互式实时查询工具(Shark)，机器学习库(MLib)和图形分析引擎(GraphX)，Spark不仅具有雾计算解决方案的资格。实际上，随着物联网行业逐渐不可避免地融合，许多行业专家预测，与其他开源平台相比，Spark有可能成为事实上的雾基础设施。

现实世界中的火花

如前所述，在线广告商和诸如Netflix之类的公司正在利用Spark获得见识和竞争优势。其他也从Spark受益的著名企业是：

Uber –这家跨国在线出租车调度公司每天都从其移动用户那里收集TB级的事件数据。通过使用Kafka，Spark Streaming和HDFS构建连续的ETL管道，Uber可以在收集原始非结构化事件数据时将其转换为结构化数据，然后将其用于进一步和更复杂的分析。

Pinterest –通过类似的ETL管道，Pinterest可以利用Spark Streaming即时了解世界各地的用户如何与Pins互动。因此，当人们浏览站点并查看相关的图钉时，Pinterest可以提出更相关的建议，以帮助他们选择食谱，确定要购买的产品或计划前往各个目的地的行程。

Conviva –这家流媒体视频公司每月平均约有400万个视频供稿，仅次于YouTube。Conviva使用Spark通过优化视频流和管理实时视频流量来减少客户流失，从而保持一致的流畅，高质量的观看体验。

何时不使用Spark

尽管它具有通用性，但这并不一定意味着Apache Spark的内存中功能最适合所有用例。更具体地说，大数据分析Apache Spark的应用实例Spark并非设计为多用户环境。Spark用户需要知道他们有权访问的内存对于数据集是否足够。添加更多的用户使此 *** 作变得更加复杂，因为用户必须协调内存使用量才能同时运行项目。由于无法处理这种类型的并发，用户将需要为大型批处理项目考虑使用备用引擎，例如Apache Hive。

随着时间的流逝，Apache Spark将继续发展自己的生态系统，变得比以前更加通用。在大数据已成为规范的世界中，组织将需要找到最佳方式来利用它。从这些Apache Spark用例可以看出，未来几年将有很多机会来了解Spark的真正功能。

随着越来越多的组织认识到从批处理过渡到实时数据分析的好处，Apache Spark的定位是可以在众多行业中获得广泛而快速的采用。

雾计算物联网商标总申请量3件
其中已成功注册3件，有0件正在申请中，无效注册0件，0件在售中。
经八戒知识产权统计，雾计算物联网还可以注册以下商标分类：
第1类（化学制剂、肥料）
第2类（颜料油漆、染料、防腐制品）
第3类（日化用品、洗护、香料）
第4类（能源、燃料、油脂）
第5类（药品、卫生用品、营养品）
第6类（金属制品、金属建材、金属材料）
第7类（机械设备、马达、传动）
第8类（手动器具（小型）、餐具、冷兵器）
第10类（医疗器械、医疗用品、成人用品）
第11类（照明洁具、冷热设备、消毒净化）
第12类（运输工具、运载工具零部件）
第13类（军火、烟火、个人防护喷雾）
第14类（珠宝、贵金属、钟表）
第15类（乐器、乐器辅助用品及配件）
第16类（纸品、办公用品、文具教具）
第17类（橡胶制品、绝缘隔热隔音材料）
第18类（箱包、皮革皮具、伞具）
第19类（非金属建筑材料）
第20类（家具、家具部件、软垫）
第21类（厨房器具、家用器皿、洗护用具）
第22类（绳缆、遮蓬、袋子）
第23类（纱、线、丝）
第24类（纺织品、床上用品、毛巾）
第25类（服装、鞋帽、袜子手套）
第26类（饰品、假发、纽扣拉链）
第27类（地毯、席垫、墙纸）
第28类（玩具、体育健身器材、钓具）
第29类（熟食、肉蛋奶、食用油）
第30类（面点、调味品、饮品）
第31类（生鲜、动植物、饲料种子）
第32类（啤酒、不含酒精的饮料）
第33类（酒、含酒精饮料）
第34类（烟草、烟具）
第35类（广告、商业管理、市场营销）
第36类（金融事务、不动产管理、典当担保）
第37类（建筑、室内装修、维修维护）
第39类（运输仓储、能源分配、旅行服务）
第40类（材料加工、印刷、污物处理）
第41类（教育培训、文体活动、娱乐服务）
第43类（餐饮住宿、养老托儿、动物食宿）
第44类（医疗、美容、园艺）
第45类（安保法律、婚礼家政、社会服务）

顾名思义，物联网就是物物相连的互联网。与其说物联网是网络，不如说物联网是业务和应用。近两年，物联网的发展也步入正轨，今年，又有那些新的物联网创业项目呢
1禾赛科技
分类： 物联网数据平台
融资情况： 于5月完成B轮融资,金额25亿人民币,投资方光速中国、百度投资部。
简介： 禾赛科技位于上海嘉定工业园，致力于开发高精密气体分析仪器，并利用核心传感器优势建造一个覆盖城市每个角落，实时监测大气环境中所有有害成分的物联网数据平台。其产品可以大规模地装载于公交设备上，这样大众可以像看Google Map一样看到自己所处区域的实时大气质量报告。
2达朴汇联
分类： 物联网区块链服务商
融资情况： 于3月完成天使轮融资,金额未公开,投资方惠能资本。
简介： 达朴汇联是一家物联网区块链服务提供商，专注于分布式物联网技术，为用户提供雾计算全节点权益产生应用、子链数字钱包验证量子加密系统、终端数字轻钱包、雾计算轻节点凭证记录等产品，致力于为用户提供物与物交易数据流服务。
3屯社区
分类： 物联网云平台
融资情况： 于3月完成战略投资,金额数千万人民币,投资方软银中国资本。
简介： 屯社区致力于智慧园区物联网云平台、智能硬件、云停车场、云门禁等系统的研发和应用，真正属于互联网+社区，互联网+园区，互联网+安防，互联网+停车场的大数据互联网公司，是软件+硬件的综合性企业。
4车道君安
分类： 车联网数据平台
融资情况： 于2月完成天使轮融资,金额未公开,投资方线性资本、地平线机器人。
简介： 车道君安致力于基于视觉人工智能的车联网数据平台和保险创新解决方案，目前已获得一轮风险投资。旗下拥有一家全资子公司为重庆途安信息科技有限公司。
5行车宝
分类：
融资情况： 于2月完成天使轮融资,金额未公开,投资方清研资本。
简介： 行车宝致力于通过人工智能、模式识别以及计算机视觉等高科技手段来全方位保障驾驶员在驾驶过程中的行车安全。公司已开发出司机驾驶状态监测、前车防撞预警等核心功能，是拥有自主知识产权的ADAS相关功能的研发企业。
6Broadlink古北电子
分类： 物联网
融资情况： 于2月完成D轮融资,金额343亿人民币,投资方中信产业基金领投、百度、立白集团。
简介： 杭州古北电子科技有限公司是一家物联网及智能家居解决方案服务商，提供broadlink系列智能插座、智能遥控、家庭空气质量分析仪等产品，是湖北杰澳电子科技关联公司。
7麦腾物联网
分类：
融资情况： 于1月完成天使轮融资,金额未公开,投资方华登国际。
简介： 麦腾物联网是一家专注于高可靠性、高安全性物联网行业信息传输和数据开发的企业。公司主要研发产品包括无线传输技术、智能终端、云接入、数据采集和云服务等。公司以物联网传输和数据Delivery技术为基础，通过物联网通讯模组、SiP、SoC等传输和数据Delivery技术、IoT平台，以及整体解决方案等产品，保证数据信息传输的质量，进而获取物联网的数据并存储，为用户提供相关服务和应用数据。
8自连科技
分类： 联网系统解决方案提供商
融资情况： 于1月完成B轮融资,金额未公开,投资方高正创投。
简介： 自连科技是一家无线物联网系统解决方案提供商，集物联网控制器、物联网中间件、云平台接入技术、手机APP连接技术等于一体，产品包括IoT无线控制器、组件化物联网开发平台、智能硬件开发平台以及智能方案开发套件。
9DFous
分类： 智慧楼宇解决方案提供商
融资情况： 于1月完成Pre-A融资,金额未公开,投资方险峰长青、阿米巴资本。
简介： DFous是一家智慧楼宇解决方案提供商，专注于物联网大数据在商业企业地产增值服务和应用，利用IoT物联网高密度传感器、移动端app、数字显示终端、SaaS和智能大数据分析，提供包括一整套智慧楼宇动态能源管理、空间利用和优化管理的解决方案。
10源清慧虹
分类： 无线智能传感器研发商
融资情况： 于1月完成天使轮融资,金额未公开,投资方启迪创投、源渡创投、清控银杏。
简介： 源清慧虹是一家无线智能传感器研发商，专注于为基础设施提供无线智能传感系统和云数据服务，帮助用户快速部署、管理、运营自己的物联网应用系统及业务。开发了一系列高精度、智能化、低功耗、长寿命的结构监测和检测用传感器，其中包括无线智能索力传感器、振动传感器、应变传感器等多种产品。
近几年，我国物联网产业快速发展，市场规模也出现了大幅度增长，已经成为了颇具前景的创业方向，如果创业者想要了解其他互联网创业项目，创业项目为创业者汇集了当下火热的互联网创业项目，如小程序、云计算、OA办公系统、智能电销机器人等，在线客服系统中也集聚当下市面上最火热的平台，供创业者更好的挑选。
以上由物联传媒转载，如有侵权联系删除

在现代生活中，“云”似乎成为了一种新型时尚。它改变了小到消费者、大到开发者与公司对大量数据的处理方式。这篇文章中为我们介绍了云计算、雾计算及二者与物联网的关系，深刻地为我们分析了物联网对我们的影响。
物联网正在开始改变我们度过一生的方式，但所有这些额外的便利与效率都是有代价的。
物联网可以收集到前所未有的范围内的大量数据，进而会对网络结构产生巨大的压力。因此，许多公司正在竭力寻找减少这种压力的方式，并解决数据上的问题。
云计算中使得相连接的设备一起工作的功能就成为了最主要的部分。但云计算和物联网会在未来我们收集到更多数据时起到不同的作用。
下面我们将列举一些云计算与物联网间的不同之处，详细阐述云计算在物联网中的作用，并且解释作为云计算的衍生物的“雾计算”到底是什么。
云计算与物联网间的不同之处
通常简单地被我们称作“云”的云计算，是指将数据、应用、照片、视频以及其他更多文件通过互联网上传至数据中心。IBM将云计算分为了以下六种类型：
软件即服务（SaaS）：提供给客户的服务是运营商运行在云计算基础设施上的应用程序，用户可以在各种设备上通过客户端界面访问，如浏览器。
平台即服务（PaaS）：提供各种开发基于云计算的应用的解决方案，比如虚拟服务器和 *** 作系统。这节省了你在购买与维修硬件、软件、虚拟主机或是其他更多东西上的费用，也让分散的工作室之间的合作变得更加容易。
基础设施即服务（IaaS）：在单次使用的基础上为公司提供服务器、储存器、网络服务以及数据中心。
公共云：公司享有并有权管理这些空间，公共云为其提供通过公共网络更快接近用户的渠道。
私人云：与公共云类似，只不过该空间只有特定的一方（用户、组织、公司或其他对象）享有。
混合云：拥有私人云的基础，但能够提供公共云的分享渠道。
同时，物联网是指设备与互联网的连接（并不是通常人们所说的智能手机与电脑之间的连接）。车辆、厨房设备、甚至是心脏监护器都可以通过物联网连接。并且，随着物联网在未来的繁荣，更多设备都将被列入物联网名单之中。
我们可以看到，物联网和云计算并不是同一回事，但它们都将为即将到来的数据新世界而努力发挥他们自身的作用。
云计算在物联网中的作用
云计算和物联网都为我们完成日常的任务提供了极大的便利与效率，两者之间也相得益彰。物联网收集了大量数据，而云计算为这些数据到达其终端提供了便捷的途径。
如今几大物联网云平台中的亚马逊AWS云服务，指出以下六点云计算的优势与带来的益处：
不断变化的开销使你只需要付你所使用的计算资源的花费，不会多花钱；
像AWS这种产品提供者可以实现更大规模的经济，因而为消费者节约了开销；
不再需要猜测你的基础设施能力的需求；
云计算加快了开发者获取资源的速度与灵活性；
可以节省在运行数据中心上的花销；
可以在几分钟内将你的应用安装到全球的所有设备上。
市场上一些发展较好的物联网云端包括亚马逊AWS、通用电气Predix、谷歌Cloud、微软Azure IoT Suite、IBM Watson和Salesforce IoT Cloud。
雾计算：新生代云计算？
雾计算比这个看起来很聪明的名字看起来更厉害。雾计算也被称为边缘计算，它为计算设备提供了收集并管理数据的方法。不是在云端或是遥远的数据中心，而是就在较近的当地地区在这种模式之下，传感器以及其他连接性设备将数据发送至一个附近的边缘计算设备上，之后可能会是由一个像交换机或路由器这样的网间连接装置来处理并分析数据。
Business Insider的优质搜索服务“BI智能”预测，在2020年，企业和政府将有58亿个物联网设备会使用雾计算——数量比2015年增长了57亿。许多物联网设备并不具有强大的计算能力，所以比起云计算来说，雾计算能提供更好的从这些设备中收集与处理数据的方法。
云计算与物联网将会改变我们在未来储存与传输我们所收集到的数据的方法。
物联网也将会更深远地影响我们下一代日常生活中的其他领域。
以上由物联传媒转载，如有侵权联系删除

---