分析边缘计算和雾计算的区别以及应用场景

分析边缘计算和雾计算的应用场景

为了使理解更清楚，我们首先需要清楚边缘计算和雾计算二者的区别与联系。边缘计算和雾计算都非常关注本地的计算能力，而不是将其推到云上。更多地。这两种方法都旨在减少对云计算的完全依赖。要避免在云上分析和处理数据。正如前面的解释所强调的，这种方法本质上是为了减少决策过程中由于数据被推到云上而产生的时间延迟数据驱动的决策将更快，并将在关键的实时应用中实现。其次，这两者之间有什么区别? 边缘计算和雾计算主要的区别在于数据处理发生的地方。同样，它归结到数据处理方面，边缘计算的全部内容是在设备上进行的计算，以及连接所有传感器的地方。换句话说，这些计算设备应该在物理上更接近数据生成点，即传感器。雾计算在这方面是不同的。数据处理被转移到连接局域网(Local Area Network)的处理器上，使其距离传感器和驱动器稍远一些。距离就是差距。如果它非常接近数据生成的地方，我们称之为边缘。如果不是，那就是雾。但它们在许多方面都优于云计算这体现在对数据的分析执行决策的时延。
当我们搞清楚二者的区别与联系的时候，举个例子，当危险品化工厂的阀门需要安装一个电子开关，我们采用的便是边缘计算，这样选择的目的是当传感器等设备监测到有危险品泄漏时可以第一时间响应关闭阀门，在这种情境下采用边缘计算将远优于雾计算和云计算，因为后二者会因为数据的传输和远端设备的分析数据使得时延大大增加。正如材料中所述，在交通信号灯的案例中，原本信号灯一个状态只持续几十秒，此时采用边缘计算便是最佳的选择。而雾计算的主要应用场景是对多种类别的采集数据进行一个综合的分析与决策，使其在本地端便可以解决，避免了云端计算的时间浪费。如智慧城市的应用，智慧农业等等。
不管二者何种计算，都需要注意数据的安全，防止非法窃取设备的数据，以及做好设备宕机的应急处理方案。防止因为设备的损坏，导致系统的崩溃。