从云计算过渡到雾计算

尽管雾计算可能无法完全取代云，但它确实可以通过减少数据负载来帮助它。

由于物联网的增长，现有的云网络无法满足不断增长的数据负载和处理需求，尤其是实时需求。连接到物联网的消费者和企业设备的增加，给最尖端的提供商所提供的云服务带来了太大的压力。虽然它提供了集中式体系结构，带宽不足，并且花费太多钱。物联网云服务面临的其他问题包括高延迟，易受网络攻击的影响，缺乏位置感知和停机时间问题。为了解决这些问题，公司正在缓慢地转向雾计算，雾计算将云扩展到了与物联网生成的数据相关并产生作用的事物。在这里，设计使用端点(例如，传感器、照相机)和云数据中心之间的本地计算节点(雾节点)来收集、存储和处理数据，而不是使用远程云数据中心。它基本上是指分散的计算结构。，它的灵活性和从集中式云和网络边缘设备收集和处理数据的能力，使其成为缓解我们今天所面临的信息过载的最灵活和新兴的技术之一。

重要特征

雾计算的一些主要功能包括低延迟和位置感知，广泛的地理分布，移动性和可扩展性，以包括许多节点。这就是为什么雾计算系统以广泛分布的方式非常靠近最终用户部署的原因。托管的雾计算节点具有足够的计算能力和存储能力来处理资源密集型用户请求。这些雾节点还可以在没有第三方干扰的情况下处理任务，并在物联网连续性中共同提供计算灵活性，更好的通信和存储容量。在启用实时交互的，基于雾的分析可以增强自觉和响应的重现客户需求关系。由于雾计算可以通过其服务器独立于云运行，即使在没有网络连接到云的情况下，这也可以确保用户获得连续，不间断的服务。当它靠近最终用户时，它还增强了加密数据的安全性，从而减少了对其所部署的系统中敌对元素的暴露。它还提高了QoS，并为资源受限的设备提供了软件和安全更新。

雾vs边缘

有时，雾计算经常被交替地用于术语边缘计算。尽管两者在将数据和情报推送到数据源附近的分析平台方面提供了相同的功能，但边缘计算和雾计算之间的关键区别在于该数据的处理位置。在边缘计算的情况下，像可编程自动化控制器一样，在靠近数据生成的地方进行数据处理。相反，在雾计算中，数据在雾节点或IoT网关内处理，雾节点或IoT网关位于网络的局域网(LAN)级别内。

常用应用

在雾计算中有多种应用。例如，在线流平台可以提供不间断的观看服务，这是由于雾网络的能力和弹性，可以通过实时数据分析来配置低延迟，移动性和位置标识。同样，在医疗保健领域，我们每天都会产生大量的患者数据。利用雾计算可以减少耗时数分钟的数据传输并将其转换为秒。对于患者护理而言，这是非常重要的，因为它将大大提高服务速度。

就自动驾驶系统(ADS)而言，公司需要整合多种先进技术，例如多模式传感器、计算机视觉、人工智能和机器学习等。这些技术可以帮助系统执行数据融合、图像分析、映射和预测确定传动系统的最佳动作和控制。，有了雾计算环境，就可以在边缘(在汽车中)及其端点(制造商)之间实现所有这些数据功能的通信。