从云计算过渡到雾计算，实现更快捷的数据处理

虽然雾计算可能不会完全取代云计算，但它确实可以通过减少数据负载来帮助云计算。

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。接入物联网的消费者和企业设备的增加，给云服务带来了太多压力，即便是最先进的提供商也无法提供这种服务。虽然它提供了一个集中的架构，但没有足够的带宽，而且它花费太多的钱。物联网云服务面临的其他问题包括高延迟、易受网络攻击、缺乏位置感知和停机问题。为了解决这些问题，企业正在慢慢转向雾计算，这种技术扩展了云，使之更接近产生物联网生成数据并对其采取行动的事物。在这里，设计使用端点（如传感器、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。此外，它的灵活性以及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。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。在启用实时交互的同时，基于雾的分析可以增强自觉和响应的重现客户需求关系。由于雾计算可以独立于云运行，由于起自有的服务器，因此即使在没有网络连接到云的情况下，也可以确保用户获得连续、不间断的服务。它还增强了加密数据的安全性，减少了系统中敌对元素的暴露。它还提高了QoS，并向资源受限的设备提供了软件和安全更新。

 雾vs边缘

有时，雾计算经常和术语边缘计算互换使用。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，但是边缘计算和雾计算之间的关键区别在于数据的处理位置。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。

 常用的应用程序

在雾计算中有各种各样的应用。例如，在线流媒体平台可以提供不间断的观看服务，这得益于雾网络在低延迟、移动性和位置识别方面的能力和灵活性，以及实时数据分析。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，企业需要融入多种先进技术，如多模态传感器、计算机视觉、人工智能和机器学习等。这有助于系统进行数据融合、图像分析、绘图和预测，以确定最佳的动作和控制。