【知识积累】Edge vs Fog Computing 边缘计算和雾计算的相同与不同

1 前言

上篇文章整理了关于边缘计算和雾计算的基本知识与相关概念，详情参见：【知识积累】Edge vs Fog Computing 边缘计算和雾计算的基本介绍
如上所述，边缘计算发生在网络的边缘，在物理上接近收集或生成数据的端点。雾计算充当边缘和云之间的中介。虽然这两个概念之间有相当多的重叠，但也存在一些区别，本篇文章将从以下方面分别阐述边缘计算和雾计算的相同和不同之处。

2 边缘计算和雾计算的相同点

2.1 提高带宽

• 网络的带宽的定义为：在一段特定的时间内它可以携带的数据量。测量带宽的常用单位是每秒比特(bps)。每个网络都有带宽限制，有线网络比无线网络拥有更高的带宽。
• 有限的带宽对连接了大量设备的网络构成了挑战。在多个端点并发数据事务激增的情况下，这样的网络很容易出现拥塞。虽然可以通过提高网络带宽以允许更多的数据吞吐量和连接设备，但这种方法可能会显著增加成本。
• 边缘计算和雾计算都有助于企业克服数据吞吐量限制和设备数量限制带来的挑战。这些计算平台使数据能够在边缘而不是在云上处理，最大限度地减少带宽需求和相关成本。这种带宽节省在设备众多和对响应时间具有高要求的物联网环境中尤其有益。

2.2 最小化延迟和拥塞

• 延迟的定义为：网络在两点之间传输数据所花费的时间。尽管现在通信发生得非常迅速，但由于服务器和客户机之间的距离很远，数据传输的速度可能会受到影响。网络拥塞和服务中断会进一步增加延迟，这种延迟会影响对时间敏感的业务流程。如：健康监控、网络分析和决策制定。实时响应在许多技术应用中都至关重要，尤其是在自动驾驶汽车和医疗保健等领域。
• 边缘和雾计算都通过接近实时的本地处理数据来最小化延迟。这使得企业可以享受即时响应时间，特别是对于时间敏感的应用程序。

2.3 自主操作

• 虽然高延迟和拥塞是我们面临的一个常见问题，但一个相关的但更严重的问题是：完全缺乏连接的情况。如：海上的船只、偏远的农场、石油钻井平台和其他偏远的地点。这些场景都不太可能在可用的互联网连接的范围内。但它们仍然有物联网、人工智能和机器学习等尖端技术的使用案例。
• 这就是边缘和雾计算发挥作用的地方。这些平台一起工作，在本地处理数据，即使在带宽严重受限或连接不可靠的环境中也可以工作。当数据被处理完成后，就可以将其保存在本地，直到建立必要的连接并将数据传输到一个中央平台。边缘和雾计算协同工作，以实现自主操作。例如，利用净水器上的传感器测量偏远村庄的水质（智慧农业中）。

2.4 加强安全与隐私

• 云平台是复杂数据分析和建模应用程序的理想选择。但是，一旦数据在端点和数据中心之间移动，对数据安全性就带来了很大挑战。边缘计算和雾计算都通过在数据离开边缘之前加密数据来解决数据安全和隐私问题。
• 此外，这些计算方法通过将数据远离可能被破坏的位置或流，有助于加当前强物联网环境中安全性不足的问题。边缘和雾系统还利用其复杂的分布式计算环境来识别潜在的网络威胁，并在影响整个网络之前采取充分的对策。
• 最后，这些计算架构可以用于实现数据隐私措施，比如在边缘处理敏感数据，而不向集中式云平台发送任何敏感数据。这些数据的任何子集都可以在需要时被加密并传输到云中。

2.5 符合法规要求

• 长距离传输大量数据不仅仅是技术上的挑战，许多司法管辖区实施了限制跨国家和区域边界传输和存储数据的规定。这些法规规定了组织如何存储、处理和使用数据，并可能对不符合规定的情况施加不利的惩罚。
• 边缘和雾计算可以帮助企业遵守现有的数据处理和存储法规，如欧盟的通用数据保护条例(EU GDPR)。这些计算平台使原始数据能够在法定管辖范围内进行处理和加密。在通过全球网络将数据发送到司法管辖区以外的数据中心之前，可以对数据进行屏蔽或保护。
• 更多详细的资料请参见：Why Kubernetes Is Vital for Moving Cloud Native Technologies To the Edge

3 边缘计算和雾计算的不同点

3.1 概念

边缘计算	雾计算
边缘计算被定义为使数据处理在物理上尽可能接近数据源的计算架构。	雾计算是思科创造的一个术语，是云处理和数据存储的替代方案。与边缘计算一样，雾计算通过在基于云的远程数据中心之间传输更少的数据来降低带宽需求。
在许多情况下，数据收集和处理发生在同一设备上，例如在端点计算机或IoT设备上。这样可以最大限度地减少带宽使用和延迟。简单地说，边缘计算导致在云中运行的进程更少。	相反，数据处理在物理上尽可能靠近边缘。然而，与边缘计算不同的是，雾计算通常不会在提取或产生数据的同一台设备上进行。简单地说，“边缘计算机”通常是产生或收集数据的相同设备，而“雾计算机”是物理上靠近这些边缘计算机但又不同的节点。
相反，计算过程在本地进行，从而减少这种既昂贵又缓慢的，直接向云服务器进行长距离数据传输的需求。	然而，必须指出的是，专家们交替使用边缘计算和雾计算这两个术语。有些人甚至认为雾计算只是思科(Cisco)边缘计算的一种形式。

3.2 范围

边缘计算	雾计算                          &emsp
边缘计算通常发生在员工端点（笔记本电脑或智能手机）或物联网设备（传感器）上。	雾计算通过同时承担边缘计算机和云计算机的处理任务，从而减少了两者的负载。
在某些情况下，收集或生成数据的设备与“边缘计算机”不一样。更确切地说，边缘计算机是一种存储和计算数据的设备，并通过局域网连接到数据生成设备。	雾计算机在物理上靠近边缘计算机，它们可以通过局域网连接。
这样的设置可能会看到在本地处理数据所需的小规模技术机架。根据所收集数据的性质，可以通过使用空调、加固外壳或其他形式的安全基础设施来保护该设置不受磨损。	雾计算适用于云平台位置太远，无法有效响应时间，边缘设备要么资源有限，要么物理分布的环境。
边缘计算机能够处理商业应用的数据。它还可以将其进程的结果直接传输到云上。因此，边缘计算可以不用雾计算。	根据定义，雾计算机不能收集或生成数据。因此，如果没有边缘计算，雾计算就不存在。

3.3 应用

边缘计算	雾计算
由于收集数据进行处理的设备的能力有限，边缘计算通常用于资源较少的应用程序。	雾计算通常部署在时间敏感的应用程序中，这些应用程序需要对从分散的设备网络中收集的数据进行大量、资源密集型的处理。
预测性维护就是这样一种应用。在这里，边缘计算机以传感器的形式帮助制造商分析工厂设备，并在故障发生前发现变化。工业物联网传感器不断监测设备的健康状况，并使用分析来警告即将到来的维护需求。	自动驾驶汽车，尤其是汽车和无人机，正在美国和世界各地迅速受到欢迎。这些车辆用于民用和军事应用，产生大量数据。这些信息需要实时处理，否则可能会危及生命。这就是为什么许多自动驾驶汽车依靠雾计算来高效运行的原因。
病人监视等医疗保健应用程序也是边缘设备的常用应用。智能血糖监测器和心脏监测器等设备直接连接到患者的智能手机，并将相关信息实时传递给他们的医疗保健提供者。	智能电网还需要处理大量的实时数据，以实现高效管理。在这些应用中使用的传感器和其他边缘设备数量众多，而且非常分散。因此，雾计算可以在不影响响应时间的情况下并发处理数据。
最后，大型多人游戏继续在全球流行。这是边缘计算的一个典型例子，因为所有的输入和处理都发生在边缘设备上，可以是游戏机、个人电脑或智能手机。因为这种游戏形式对延迟非常敏感，所以只有来自游戏会话的元数据被传输到云端进行处理。在边缘设备和云服务器连接稳定的情况下，所有玩家的操作结果都会实时显示。	最后，利用人工智能和机器学习产生可操作的商业见解的实时分析依赖于从众多边缘计算机收集的数据。虽然长期分析可以直接依赖于集中式云计算机，但快速变化的短期分析可能会在雾计算机上进行。这有助于满足对时间敏感的数据分析应用程序的需求，例如那些在银行和金融行业看到的应用程序。

3.4 处理和存储

边缘计算	雾计算
在边缘计算的情况下，数据处理和存储在边缘计算机本身或非常接近它。	雾计算更像是智能和处理能力的“门户”。雾计算机同时连接到一批边缘计算机，从而创建了一个本地化的设备网络，以更有效地处理和存储数据。
由于边缘设备的处理和存储能力有限，数据可以传输到云端进行进一步的操作。	雾计算通过使用来自多个端点的数据，提供操作的“更大图景”，从而提高了企业网络的效率。但是，它这样做没有与直接边缘到云连接相关的延迟和拥塞。
连接到云网络的智能手机就是边缘计算机的一个例子。	制造工厂的工业物联网环境就是雾计算的一个例子。

3.5 经济因素

边缘计算	雾计算
边缘计算服务由领先的供应商提供，如微软、亚马逊和戴尔。这些提供商根据配置和使用情况收取固定的、经常性的费用。	雾计算服务是边缘计算的一个稍微定制化的版本，可能需要从头开始设置，或者使用“作为服务”部署的组合。
公司也可以建立自己的优势基础设施。然而，根据操作的规模和使用的组件的质量，将边缘计算需求外包通常更经济。	虽然这可能意味着比边缘计算更高的价格，但雾计算的好处是多方面的。例如，雾计算通过在带宽、延迟、计算和存储方面的大量节省创造了一个经济机会。
当然，定制的边缘设置肯定会更昂贵，无论它们是从头构建还是订阅。	根据不同的用例，雾计算为大型数据中心提供了经济上可行的替代方案。

• 更多详细的资料请参见：How Edge and 5G Can Unlock the True Potential of AR and VR

[参考资料]
Hossein Ashtari. Edge Computing vs. Fog Computing: 10 Key Comparisons[EB/OL].https://www.spiceworks.com/tech/cloud/articles/edge-vs-fog-computing/, 2022-02-10.