近幾年，物聯網的迅速增長演變，霧計算也得到了廣泛的關注和應用，霧計算或稱邊緣計算已經開始從"創新觸發"階段演變到"期望膨脹的頂峰"階段。霧(邊緣)計算是一種計算數據的體系結構，應用程序和服務被從集中云推到網絡的邏輯終端，即邊緣。

當然霧計算還是需要再有效資源下合理利用才可以進行否則無法連接到網絡中去，這就相當于，沒有網絡的前提下，霧計算那是沒辦法用的。如筆記本電腦、智能手機、平板電腦、家用電器、制造工業機器、傳感器等。邊緣計算架構還有許多其他名稱，如網格計算、對等計算、網格計算等。這些都需要再有網絡的前提下進行。

霧計算是去中心化的云計算

在云計算架構中，集中式服務器主要負責在整個運用程序和設備所需的計算。當然，如果與物聯網生態系統遵循相同的原則性就會變得越來越麻煩。物聯網的生態系統則由四個部分組成，即：數據、東西、人和過程。那么要是從數據層面上看，這就可以意識到，盡管龐大的數量與連接的設備產生的話，此時大部分的數據是暫時性的。綜上所述，處理這些數據，必須得從數據中提取的價值，數據的生產和存儲的各種分析需求是完全不同的學科。

當霧計算即邊緣在原有的云計算中心的部分或全部計算任務遷移到數據源的附近執行，根據大數據的3V特點，即數據量、時效性、多樣性對比與計算模型代表的集中式大數據處理和霧計算方式為代表邊緣時大數據處理，這時候就可以看出霧計算的優勢。

霧計算可以有效減少負載提升效率

怎么看呢？首先我們需要多個設備聚集在一起，連接到單個計算節點上，形成一個較小的網絡節點。這在某些情況下，單個設備是分配給單個計算節點而不是群集。假設你的手機有一個健身應用程序，跟蹤你每天燃燒的卡路里數量，并與你的目標和歷史表現相比，每天通過你所走的步數向你報告燃燒的卡路里量。你的手機配備各種傳感器如計步器、加速度計等。這些傳感器可以捕獲手機的每一個顆粒的運動的數據;即在微秒級別捕獲電話的X和Y坐標。通過捕獲模式來研究X和Y坐標序列就可以研究你一天中走了多少步。假設你的手機在你的口袋里，當你行走時，在X坐標軸向前移動時Y坐標上有輕微的變化。手機傳感器傳來的坐標數據能夠形成一個模式來檢測一個完整的步行周期。使用這些模式，我們可以計算用戶走過的步數。

霧計算的應用前景廣泛

基于自主學習規則，霧計算是可以通過增加和降低設備來維持在最佳耗能模式上，機器也可以調整操作參數，當這些所有數據傳輸到云端，云端就會做出反應用新數據組更新機器學習模型，那么數據規則和(自主)學習就可以更新了。一旦更新，它會被推回邊緣，邊緣節點利用更新模型來更新規則，進一步改善結果。這就相當于可以Windows10的重啟管理器一樣。在我們電腦下載一個軟件需要更新時間，基于霧計算的前提下就會自動更新，系統便會學習用戶使用模式自主計算出最合適的重啟系統和安裝更新時間。在霧計算邊緣性計算下，應用于產業，會利用與邊緣計算架構的前提下，將計算推向邊緣節點即網絡的邏輯極端，這就賦予了機器感知實時數據的能力，邊緣計算還可以用于進行各種即時的優化處理，例如緩解資產故障或提高產出質量;學習一個規則使機器會自動做出決策來更改操作設置來避免故障或改善結果質量。簡而言之，通過推動計算邊緣化，我們也將智能推到邊緣，因此讓設備或資產能夠做出自主決策來改善結果，并成為智能設備。

未來霧計算將與云計算相輔相成、有機結合，為萬物互聯時代的信息處理提供更完美的軟硬件支撐平臺

更多資訊請關注工業以太網頻道