如何看待边缘计算，雾计算和云计算的区别和联系

边缘计算、雾计算和云计算是三种不同的计算范式，它们有着不同的特点和应用场景。
边缘计算是将计算任务从数据中心转移到靠近数据源的边缘设备上，以提高计算速度和响应速度。边缘计算节点更加靠近数据源，可以减少网络延迟和数据传输量，提高数据处理的实时性和精度。
雾计算是一种将计算资源和数据存储从中心转移到边缘的计算范式。雾计算节点更加靠近数据源，可以聚合用户消息和数据，减小核心网络压力，提高数据处理的效率和可靠性。
云计算是一种将计算任务和数据存储从数据中心转移到远程服务器上的计算范式。云计算可以提供可靠的数据存储和计算服务，适用于需要大量计算和存储资源的场景。
边缘计算、雾计算和云计算之间存在着一些联系。边缘计算和雾计算都是为了提高计算效率和响应速度，它们都需要将计算任务和数据从中心转移到边缘和云端。云计算可以提供可靠的数据存储和计算服务，为边缘计算和雾计算提供了基础设施和技术支持。边缘计算和雾计算也可以与云计算协同工作，形成边缘-云计算环境，以提供更加灵活和高效的计算服务。
总之，边缘计算、雾计算和云计算是计算领域的三个不同方向，它们各有特点，但也可以相互协作，为用户提供更加高效、灵活和可靠的计算服务。

现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。

承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。

先定义一下边缘计算（wikepedia，2019）：

这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。

在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。

而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。

增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：

  - 低延迟：数据由近场产生，能快速回应

  - 独立性：在没有网络连接下，系统亦能运作

  - 合规性：无需传送用户资料，保护个人数据

  - 简化数据：终端先处理部份数据，数据简化后才向云服务器传输

  - 安全性：数据传输减少，减少网络安全风险

无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。

下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。

假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。

很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。

在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。

汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）

由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。

随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。

物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。

因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。

如果把云计算比作整个计算机智能系统的大脑。那么边缘计算就是这个系统的眼睛耳朵和手脚。核心服务器让智能系统具有很强的人工智能，但是如果这个人工智能是聋子瞎子，它也发挥不了太大的作用。
大数据应用中常常面对的一个痛点，就是没有采集到合适的数据。边缘计算可以为核心服务器的大数据算法提供最准确，最及时的数据来源。
边缘计算和云计算的结合让整个智能系统不但头脑清楚，而且耳聪目明，手脚灵便。完全依赖云计算的计算机系统就好比每一件事都要请示司令部的军队，在需要大量和外界互动的时候会显得僵化，反应迟缓，而且一旦网络有点问题就彻底歇菜。
另外一个方面是：边缘计算和云计算是两个截然不同的事情，其中一个不会取代另一个。但目前太多的内容混淆了IT专业人士，提出边缘计算将取代云计算，这就相当于说PC会取代数据中心。
所有公有云提供商都具有包含或将边缘计算的物联网战略和技术栈。边缘计算和云计算可以在一起工作，但边缘计算是用于特殊需求的专用系统。云计算是一种更通用的平台，也可以在旧的客户端/服务器模型中与专用系统配合使用。

---