物聯網對於資料的處理能力要求很高，怎麼能夠從龐大的資料海中挖掘一些有價值的資訊對於物聯網的發展至關重要，因此雲端計算，霧計算，邊緣計算等等都將發揮其左右。

未來的世界將是一個萬物互聯的時代，隨著物聯網行業技術標準的完善以及關鍵技術上的不斷突破，資料大爆炸時代將越走越近。就拿從2016年底開始風靡全國甚至是海外市場的共享單車來說吧，據小編近日從“摩數城市”釋出會獲悉，截止當前，僅僅摩拜單車每天產生的資料量已超過1TB，也即就是240個位元組。試想想，如果各種家電、交通工具、工廠機器、公共設施等等相互聯接起來，每一分鐘、甚至是每一秒鐘所產生的資料量就絕對大到你難以想象。

再者，如此海量的資料不及時處理利用起來，那麼它們將很快變成資料垃圾。那麼問題來了？我們不可能給每個終端裝上一個計算機。如何解決海量資料的處理分析問題呢？

我們知道，每臺伺服器都有自己的CPU、記憶體，但分配到這些伺服器的應用往往不能充分地利用這些資源。再者，為了確保服務的可靠性往往還要預留冗餘的伺服器、儲存器、網路裝置等，而很多時候，這些硬體資源往往處於空置狀態，並沒有得到充分的利用。最後，正確預測不同應用對伺服器的計算能力和儲存器的儲存能力的需求又是困難的。因此，2006年Google的CEO埃裡克·施密特首次提出了雲端計算的概念，以及後來業界衍生出來霧計算、霾計算、邊緣計算等等一系列的計算方式，接下來，請跟隨小編一起去辨析一下它們到底指的是什麼。

1

雲端計算

雲端計算是一種利用網際網路實現隨時隨地、按需、便捷地使用共享計算設施、儲存裝置、應用程式等資源的計算模式。

雲端計算系統由雲平臺、雲端儲存、雲終端、雲安全四個基本部分組成。雲平臺作為提供雲端計算服務的基礎，管理著數量巨大的CPU、儲存器、交換機等大量硬體資源，以虛擬化的技術來來整合一個數據中心或多個數據中心的資源，遮蔽不同底層裝置的差異性，以一種透明的方式向用戶提供計算環境、開發平臺、軟體應用等在內的多種服務。

通常情況下，雲平臺從使用者的角度可分為公有云、私有云、混合雲等。

公有云：第三方提供商為使用者提供服務的雲平臺，使用者可通過網際網路訪問公有云。

私有云：為一個使用者單獨使用而組建的，對資料儲存量、處理量、安全性要求高。

混合雲：是結合了公有云和私有云的優點而組建的。

再者，通過從提供服務的層次可分為基礎設施即服務（Iaas）、平臺即服務（Paas）和軟體即服務（Saas）。

2

霧計算

相比於雲端計算的高高在上和遙不可及，霧計算更為貼近地面，就在你我身邊。我們知道，將資料從雲端匯入和匯出實際上比人們想象的要更為複雜，由於接入裝置越來越多，在傳輸資料、獲取資訊時，頻寬就顯得不夠用了，這就為霧計算的產生提供了空間。

霧計算的概念在2011年被人提出，並非是些效能強大的伺服器，而是由效能較弱、更為分散的各種功能計算機組成，滲入電器、工廠、汽車、街燈及人們生活中的各種物品。霧計算是介於雲端計算和個人計算之間的，是半虛擬化的服務計算架構模型，強調數量，不管單個計算節點能力多麼弱都要發揮作用。

霧計算有幾個明顯特徵：低延時、位置感知、廣泛的地理分佈、適應移動性的應用，支援更多的邊緣節點。這些特徵使得移動業務部署更加方便，滿足更廣泛的節點接入。

與雲端計算相比，霧計算所採用的架構更呈分散式，更接近網路邊緣。霧計算將資料、資料處理和應用程式集中在網路邊緣的裝置中，而不像雲端計算那樣將它們幾乎全部儲存在雲中。資料的儲存及處理更依賴本地裝置，而非伺服器。所以，雲端計算是新一代的集中式計算，而霧計算是新一代的分散式計算，符合網際網路的“去中心化”特徵。

3

霾計算

當然，無論是“雲”還是“霧”，都不想成為“霾”，但是這個問題卻事實存在著，如果得不到慎重的預防以及妥善的解決，那麼“霾計算”就來了。

霾計算指的是什麼呢？這裡你可以理解為比較差勁的雲端計算或霧計算，因為這兩者雖然概念先進，但也不是沒有缺點。第一，隱私與安全。現在的網際網路世界，遭黑客攻擊簡直就是家常便飯的事，因此客戶的隱私資料很容易洩漏。第二，網路延遲或者中斷。雲端計算都是通過網際網路遠端訪問的，雖然現在網速提高很快，但和區域網相比，速度還是有所延遲的，雖然在延時方面霧計算稍微好點，但如果網路中斷，無論雲端計算或者是霧計算，服務都無法訪問。第三，頻寬會耗費預算，廠商按流量收費有時會超出預算、應用軟體效能不夠穩定，資料可能不值得放在雲上，規模過大難以擴充套件，缺乏人力資本等都是造成霾計算的根源所在。

4

邊緣計算

邊緣計算指在靠近物或資料來源頭的網路邊緣側，融合網路、計算、儲存、應用核心能力的開放平臺，就近提供邊緣智慧服務，滿足行業數字化在敏捷連線、實時業務、資料優化、應用智慧、安全與隱私保護等方面的關鍵需求。到這裡，您是否覺得邊緣計算和霧計算有些相似呢？

一般而言，霧計算和邊緣計算的區別在於，霧計算更具有層次性和平坦的架構，其中幾個層次形成網路，而邊緣計算依賴於不構成網路的單獨節點。霧計算在節點之間具有廣泛的對等互連能力，邊緣計算在孤島中執行其節點，需要通過雲實現對等流量傳輸。

那麼，邊緣計算和雲端計算又有何區別？這兩者都是處理大資料的計算執行方式。但不同的是，這一次，資料不用再傳到遙遠的雲端，在邊緣側就能解決，更適合實時的資料分析和智慧化處理，也更加高效而且安全。

如果說物聯網的核心是讓每個物體智慧連線、執行，那麼邊緣計算就是通過資料分析處理，實現物與物之間感測、互動和控制。“邊緣計算”作為一種將計算、網路、儲存能力從雲延伸到物聯網網路邊緣的架構，遵循“業務應用在邊緣，管理在雲端”的模式。

5

認知計算

認知計算包含了資訊分析、自然語言處理和機器學習領域的大量技術創新，能夠助力決策者從大量非結構化資料中揭示非凡的洞察。認知系統能夠以對人類而言更加自然的方式與人類互動，專門獲取海量的不同型別的資料，根據資訊進行推論。

認知計算的一個目標是讓計算機系統能夠像人的大腦一樣學習、思考，並做出正確的決策。人腦與電腦各有所長，認知計算系統可以成為一個很好的輔助性工具，配合人類進行工作，解決人腦所不擅長解決的一些問題。

傳統的計算技術是定量的，並著重於精度和序列等級，而認知計算則試圖解決生物系統中的不精確、不確定和部分真實的問題，以實現不同程度的感知、記憶、學習、語言、思維和問題解決等過程。

目前隨著科學技術的發展以及大資料時代的到來，如何實現類似人腦的認知與判斷，發現新的關聯和模式，從而做出正確的決策，顯得尤為重要，這給認知計算技術的發展帶來了新的機遇和挑戰。

6

總結

就像“雲”“霧”和“霾”的關係，物聯網和大資料也是如影隨形，相信通過業界人士的共同努力，定能找到更為先進的計算方式。在物聯網時代來臨時，我們定能合理、安全地讓大資料技術為我們服務，因此不必太過恐慌，也不必杞人憂天。