云计算
一种利用互联网实现随时随地、按需、便捷地使用共享计算设施、存储设备、应用程序等资源的计算模式。
云计算系统由云平台、云存储、云终端、云安全四个基本部分组成,云平台从用户的角度可分为公有云、私有云、混合云等。
通过从提供服务的层次可分为:基础设施即服务(Iaas)、平台即服务(Paas)和软件即服务(Saas)
通过将应用部署到云端后,可以不必再关注那些令人头疼的硬件和软件问题,它们会由云服务商去解决。使用的是共享的硬件,这意味着像使用一个工具一样去利用云服务(就像插上插座,你就能使用电一样简单)。只需要按照你的需要来支付相应的费用,而关于软件的更新,资源的按需扩展都能自动完成。
云计算,像在每个不同地区开设不同的自来水公司,没有地域限制,优秀的云软件服务商,向世界每个角落提供软件服务——就像天空上的云一样,不论你身处何方,只要你抬头,就能看见!
云计算已经走过了它辉煌的10年,云计算架构也日臻完善,越来越多的产品也登上了云!
但是现阶段而言依然会存在计算延迟、拥塞、低可靠性、安全攻击等问题,云计算需要新的帮手,基于此边缘计算、雾计算等概念也陆续的被提出以弥补云计算存在的短板问题!
雾计算 VS 云计算
雾计算的概念最初是由美国纽约哥伦比亚大学的斯特尔佛教授(Prof. Stolfo)起的,当时的意图是利用“雾”来阻挡黑客入侵。
没成想美国思科公司把这个名词嫁接了过去并得到了发扬光大,也就是我们现在所讨论的「雾计算」!
雾计算可理解为本地化的云计算
现在正在流行的“云计算”,是把大量数据放到“云”里去计算或存储,解决诸如电脑或手机存储量不够,或者是运算速度不够快的问题
参自Cisco:雾计算原始定义图示
在终端和数据中心之间再加一层,叫网络边缘层。如再加一个带有存储器的小服务器或路由器,把一些并不需要放到“云”的数据在这一层直接处理和存储,以减少“云”的压力,提高了效率,也提升了传输速率,减低了时延,这个工作原理其实就可以理解为:雾计算
雾计算的原理与云计算一样,都是把数据上传到远程中心进行分析、存储和处理。
但是雾计算相比于云计而言算要把所有数据集中运输到同一个中心,雾计算的模式是设置众多分散的中心节点,即所谓“雾节点”来处理,这样能够让运算处理速度更快,更高效得出运算结果。
假如说云计算是把所有东西都送往天上的云彩中,雾计算就是把数据送到身边的雾气里,这种逻辑被称相关学者称之为“分散式云计算”。
和云计算相比,雾计算显得更接地气了一些!
云计算重点放在研究计算的方式,雾计算更强调计算的位置。
雾计算相较云计算更贴近地面!
更具体些说,它们在网络拓扑中的位置不同!
雾计算和云计算实际上又存在有很多相似之处:
如都基于虚拟化技术,从共享资源池中,为多用户提供资源服务等。
相对于云计算来说,雾计算离产生数据的地方更近,“雾比云更贴近地面”的说法不是没有道理的!
如果说CDN是弥补TCP/IP本地化缓存问题,那么雾计算就是弥补云计算本地化计算问题!
雾计算 VS 云计算 有以下几个明显的特点:
更轻压:
计算资源有限相比较云平台的构成单位——数据中心,雾节点更加轻!雾计算能够过滤,如聚合用户消息(如不停发送的传感器消息),只将必要消息发送给云,减小核心网络压力
更低层:
雾节点在网络拓扑中位置更低,拥有更小的网络延迟(总延迟=网络延迟 计算延迟),反应性更强
更可靠:
雾节点拥有广泛的地域分布,为了服务不同区域用户,相同的服务会被部署在各个区域的雾节点上,使得高可靠性成为雾计算的内在属性,一旦某一区域的服务异常,用户请求可以快速转向其他临近区域,获取相关的服务。此外,由于使用雾计算后,相较云计算减少了发送到云端和从云端发送的数据量,和云计算相比延迟更短,安全风险也得到了进一步的降低!
更低延:
除了物联网的应用外,网上游戏、视频传输、AR等也都需要极低的时延,这点雾计算也是有所发挥的
更灵便:
雾计算支持很高的移动性,手机和其他移动设备可以互相之间直接通信,信号不必到云端甚至基站去绕一圈!此外,雾计算也支持实时互动、多样化的软硬件设备以及云端在线分析等
更节能:
雾计算节点由于地理位置分散,不会集中产生大量热量,因此不需要额外的冷却系统,从而减少耗电,雾计算更省电!
边缘计算 VS 云计算
边缘计算:是指利用靠近数据源的边缘地带来完成的运算程序。
边缘计算的运算既可以在大型运算设备内完成
也可以在中小型运算设备、本地端网络内完成
用于边缘运算的设备可以是智能手机这样的移动设备、PC、智能家居等家用终端
也可以是ATM机、摄像头等终端
边缘计算,让计算在身边发生!
边缘计算和云计算互相协同,它们是彼此优化补充的存在。
云计算是一个统筹者,它负责长周期数据的大数据分析,能够在周期性维护、业务决策等领域运行。而边缘计算着眼于实时、短周期数据的分析,更好地支撑本地业务及时处理执行。边缘计算更靠近设备端,也为云端数据采集做出贡献,支撑云端应用的大数据分析,云计算也通过大数据分析输出业务规则下发到边缘处,以便执行和优化处理。实际上这两者都是处理大数据的计算运行方式。但不同的是,这一次,数据不用再传到遥远的云端,在边缘侧就能解决,更适合实时的数据分析和智能化处理,也更加高效而且安全。
典型场景1:赋能CDN内容分发业务
传统 CDN 借助缓存数据,提高近地节点数据传输的性能,但是实际上对动态的计算服务,就只能回源到数据中心,这个成本本身其实是很高的。边缘计算和传统的中心化思维不同,其主要计算节点以及应用分布式部署在靠近终端的数据中心,这使得无论是在服务的响应性能、还是可靠性方面都是高于传统中心化的云计算。边缘计算保障大量的计算需要在离终端很近的区域完成计算,完成苛刻的低延时服务响应。
此外通过边缘计算,同时缓解了传统数据「安全」层面的问题,毕竟数据传输的距离越远、路径越长、时间越久,数据的被窃取风险和丢失风险也就越高。
典型场景2:万物互联的物联网时代需要边缘计算助力
随着网络边缘侧设备的迅速增加,设备产生的数据存量达到泽字节的级别,从网络边缘设备传输传输海量数据到云数据中心致使网络传输宽带的负载量急剧增加造成较长的网络延迟,单纯的云计算已经不足以匹配如此庞大规模数据量的即时计算。
关于很多疑惑边缘计算能否取代云计算的问题:
边缘计算不能也不会取代云计算,二者是互补关系!
此外,现阶段客观来看,边缘计算距离落地还是需要一段时间,相关的解决方案也需要进一步完善。
边缘计算和云计算又有何区别呢?
实际上这两者都是处理大数据的计算运行方式。
但不同的是,这一次,数据不用再传到遥远的云端,在边缘侧就能解决,更适合实时的数据分析和智能化处理,也更加高效而且安全。
边缘计算服务的构建,从技术领域是一种很大的创新!
如今AWS、微软、英特尔等国外大型企业已经着手布局边缘计算,可以预见的是边缘计算之于云服务企业重要性可见一斑!
如果说云计算是集中式大数据处理,那么边缘计算可以理解为边缘式大数据处理!
由于边缘计算(Edge computing )指的是接近于事物,数据和行动源头处的计算
所以我们也可以把这种类型的数据处理使用更通用的术语来表示:邻近计算或者接近计算
边缘计算具备的几点特质:
1.分布式和低延时计算
2.对终端设备的数据进行筛选,不必每条原始数据都传送到云,充分利用设备的空闲资源,在边缘节点处过滤和分析,节能省时
3.减缓数据爆炸,网络流量的压力,在进行云端传输时通过边缘节点进行一部分简单数据处理,进而能够设备响应时间,减少从设备到云端的数据流量
4.智能化(Edge intelligence)
对于未来而言物联网也好、AR或则VR场景也好以及大数据和人工智能行业,实际上都有着极强的对近场计算的需求,边缘计算保障大量的计算需要在离终端很近的区域完成计算,完成苛刻的低延时服务响应!
可以预见的是,在未来边缘计算的发展并不边缘!
雾计算 VS 边缘计算
边缘计算概念出现时间上较早于雾计算,指代云和设备的边界
雾计算而言因为和云相比位置上更接近设备,所以表示为雾。
关于二者的区别实际上有很多的解读,角度不同观点自然也会有所区别。
分享其中一种从物联网层面的解读:
雾计算,经常是在IoT背景下被提及到,典型的主要业务是路由器、接入点甚至是与传感器和执行器一起的计算设备。
处理能力放在包括 IoT设备的LAN里面,这个网络内的IoT网关,或者说是雾节点用于数据收集,处理,存储。多种来源的信息收集到网关里,处理后的数据发送回需要该数据的设备。
雾计算的特点是处理能力强的单个设备接收多个端点来的信息,处理后的信息发回需要的地方,和云计算相比延迟更短。
和边缘计算相比较的话,雾计算更具备可扩展性。
雾计算不需要精确划分处理能力的有无,根据设备的能力也可以执行某些受限处理,但是更复杂的处理实施的话需要积极的连接。
边缘计算,进一步推进了雾计算的“LAN内的处理能力”的理念,处理能力更靠近数据源。不是在中央服务器里整理后实施处理,而是在网络内的各设备实施处理。
这样,通过把传感器连接到可编程自动控制器(PAC)上,使处理和通信的把握成为可能。
和雾计算相比的优点,根据它的性质单一的故障点比较少。各自的设备独立动作,可以判断什么数据保存在本地,什么数据发到云端。
实际上雾计算和边缘计算感觉很相似,但是在数据的收集,处理,通信的方法层面还是存在些许的不同的,也各有利弊!
雾计算以及边缘计算、海计算而言等等概念、产品的出现,不是用来代替云计算,更多的是对云计算短板的弥补,无论是云计算、海计算或者是边缘计算、雾计算,其他产品概念也好,目的只有一个:更好的服务于我们的生活!
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:大话:边缘计算、雾计算、云计算 - Python技术站