在过去的几十年中，从内部部署软件到云计算已经发生了巨大转变。通过在云端存储数据和执行计算过程，我们已经能够在手机、个人计算机或物联网设备上完成更多工作，但无需相应的额外内存或计算能力。然而，我们即将看到事情将开始向另一个方向发展。

这种变化有很多原因，包括在某些应用中需要极低的延迟，例如自动驾驶汽车。将计算能力转移到更靠近网络边缘能降低成本并提高安全性。

专注于微软物联网战略的Matt Vasey表示，“雾计算和边缘计算的理想用例，包括在超低延迟至关重要的边缘部署计算智能，在地理上分散且连接不规则的区域中运行，或产生TB级的数据而无法快速实时地在本地和云之间传输。“

两种计算有许多相似之处

术语“边缘计算”和“雾计算”似乎或多或少可互换，并且它们确实有几个关键的相似性。

• 雾计算和边缘计算系统都将数据处理转移到数据生成源。
• 二者都试图减少发送到云端的数据量。以降低延迟，
• 通过以上策略，二者都可以改善远程关键型应用程序中的系统响应时间，提高系统安全性，因为减少了通过公共互联网发送数据的需求，并降低了成本。

某些应用程序可能会收集大量数据，这些数据发送到中央云服务的成本很高。但是它们收集的数据中可能只有少量是有用的。如果在网络边缘进行某些处理并且仅将相关信息发送到云，则可以有效降低成本。

例如安全摄像头，将24小时视频发送到中央服务器将是非常昂贵的，其中23个小时可能只是一个空荡荡的走廊。如果使用边缘计算，您可以选择仅发送实际发生某事的那一小时。

雾计算和边缘计算都涉及处理更接近原点的数据。关键的区别在于处理发生的确切位置。雾计算过程发生在局域网（LAN）级网络架构上。雾计算使用与工业网关和嵌入式计算机系统交互的集中式系统。
边缘计算处理的大部分数据来源于所在的物联网设备本身。

雾与边缘计算的使用方式不同

我们可以看到，这两种技术非常相似。为了区分它们，让我们考虑智能城市的用例。

想象一下智能城市，配备智能交通管理基础设施。交通信号灯上连接了一个传感器，可以检测到交叉路口每侧有多少车辆在等待，并优先为最大等待数量的车道转动绿灯。这是一个相当简单的计算，可以使用边缘计算在交通灯本身中执行。这减少了需要通过网络发送的数据量，从而降低了运营和存储成本。

现在，想象一下这些交通信号灯是连接对象网络的一部分，包括更多交通信号灯，行人过路处，污染监视器，公交车GPS跟踪器等等。

关于是否在五秒钟或十秒内将交通信号灯变为绿色的决定变得更加复杂。也许有一辆公共汽车在交叉路口的一侧迟到了，也许开始下雨了，为了鼓励居民更积极地旅行，该市决定在下雨时优先考虑行人和骑自行车的人。附近是否有人行横道或自行车道？有人用吗？在下雨吗？等等问题。

在这种更复杂的情况下，可以在本地部署一个微数据中心，以便分析来自多个边缘节点的数据。这些数据中心就像局域网内的本地迷你云一样，被认为是雾计算。

那么，哪种方式更“好”呢？

总之，随着物联网的不断发展和更多的数据生成，处理接近生成点的数据将变得势在必行。根据Million Insights最近的一份报告，到2025年，全球边缘计算市场规模预计将达到约32.4亿美元。

边缘计算和雾计算将在物联网的未来将发挥重要作用。是否使用边缘计算或雾计算不太重要，这将取决于应用和特定用例。像许多物联网考虑因素一样，例如选择哪种类型的连接，答案不是黑白分明。雾计算或边缘计算是否“更好”将取决于物联网应用及其要求和期望的结果。