雲端計算之上還有霧計算！？ 霧計算（fog computing）的入門和用例
引言
雲端計算(cloud computing, aka 雲端運算)已經流行了很多年，就算你有沒有IT的背景，都很大可能聽過雲端計算。簡單來說，雲端計算就是計算裝置共享，使用者(user)可以透過網際網路隨時時地(anywhere and any time) 按需(on demand)使用資料中心的裝置，例如資料庫、CPU等等，進行開發和計算。
而云計算已經發展了十多年(由2006年亞馬遜提供雲端服務開始計)，當中衍生出不少新技術,霧計算(fog computing) 就是其中之一。下文將會介紹霧計算的由來和應用。
為什麼是霧計算 (fog computing)? 名字背後有什麼意思 ?
雲端計算(cloud computing)名字的由來,我相信大部分人都可以聯想到。簡單來說,就是服務在很遠很遠的地方(i.e.雲端)，使用者能夠遠距離存取。
雲端計算的比喻：對於一名使用者，由提供者提供的服務所代表的網路元素都是看不見的，彷彿被雲端掩蓋。（維基百科，2019）
但說到霧計算（fog computing），名字背後究竟有什麼意義呢？代表服務像霧一樣虛無縹緲？還是代表服務就如霧一樣無處不在？其實霧計算的命名，是來自一名句：
霧是更貼近地面的雲
這一句句子正正反映了霧計算的兩個特點:
1. 霧計算是雲端計算的延伸(雲與霧 — 反正都是水的聚合物)
2. 霧計算更接近終端使用者(End User)
霧計算其實和雲端計算一樣，都是在空氣中飄浮，從遠距提供服務。但霧又不像雲一高到遙不可及，反而十分貼近地面，是圍繞著生活周圍效能較弱又更為分散的伺服器。
霧計算的優勢和用例(Use Case)
霧計算既然又分散又弱，究竟有什麼好處呢?其實霧計算有一個絕對的優勢,就是:
霧計算能提供超低延遲
霧計算所採用的架構更接近網路邊緣，因此，存取速度就能非常之快。
用例1 — 智慧停車場
以智慧停車場為例(下圖)，這裡有三層的架構，當中包括1)最底層的感應器，用作感知汽車有否在泊車位1中停泊，2)中層的霧計算伺服器，用作資料的初步處理，3)最上層的雲伺服器，用作分析汽車影像。
Fog Computing Use Case 1(筆者繪畫)
當泊車位1中的汽車離開停車場時，就會觸動到感應器製造車離開停車場的事件(Step 1)。但感應器的處理力有限，並未能有效處理到這件事 (event)。因此，感應器就會將資料傳輸到附近的霧計算伺服器。由於霧計算伺服器就佈置在停車場內，當它收到這件事件後，就能快速通知附近的照明系統，將泊車位1的照明關掉，以表示這個泊位可供其他車使用(Step 2)。但由於霧計算伺服器能力亦有限，並未能處理到影像。因此，霧計算伺服器就會將車的影像傳輸到遠端的雲伺服器中。雲伺服器處理力是最強的，但佈置得比較遠。雲伺服器處理完汽車的影像後，分析到汽車的車牌(AB1234)，就會將車牌號碼發回到霧計算器中(Step 3)。由於車由泊位到離開處需時，霧計算器就能利用這段時間等待雲伺服器計算，並將車牌結果顯示到離開處(Step 4)。
通過霧計算的佈局，這大大減低了雲伺服器的負擔，又能快速回應環境的需求，一舉兩得。
用例2 — 實時地質監控
Fog Computing Use Case 2 (Openfog, 2018)
又例如以地質監控為例，地質每分每秒都在改變(e.g.溫度、溼度、光度等)，每分鐘都在產生大量環境資料。
而且地球廣大遼闊，監控地質不可能只是監控幾十平方米的土壤。每次地質監控都可能涉數千萬平方米。
若然，只佈置一個強大的雲伺服器作地質監控，感應器和雲伺服器的距離可能相差數千萬米遠。就算資訊能以光速直線極速傳播，都可能會有數毫秒的延遲，再加上來回的計算時間，影響將可能很大。
Fog Computing Use Case 2 (Openfog, 2018)
因此，好多作地質監控的公司都會在中間佈置霧伺服器，來減少延遲時間。因霧伺服器較接近感應器，它將能快速回應環境需求，作出實時的監控。
霧計算的架構(Fog Computing Architecture)
透過上述的用例可見，霧計算的架構其實可以分為三層: 1)感應器層(Sensor Layer)、2)霧計算層(Fog Layer)、3)雲端計算層(Cloud Layer)
Fog Computing Architecture (Santos, Wauters, Volckaert, Turck, 2018 + 筆者繪畫)
感應器層(Sensor Layer)的作用顯然是感應環境的變化，並觸發事件(event)通知霧伺服器。
但感應器的設定是需要網路管理員控制的，而設定的方法是可以透過霧伺服器(Fog Layer)來進行。在霧伺服器中，它會提供使用者使用介面(GUI)和API。網路管理員只需將感應器連線到霧伺服器，就能統一管理。而透過霧伺服器的管理，管理員能夠控制不同的感應器的行為。當霧伺服器收到事件時，它能將事件作初步的分析，因應管理員的設定作出迴應(Fog Decision)，例如用例一霧伺服器通知附近的照明系統等。如有需要，霧伺服器亦會通知雲伺服器作進一步的分析，並因應雲伺服器的計算，作出迴應。
簡單而言，霧計算層(Fog Layer) 有以下作用:
- 第一層資料分析(First-level Data Analysis)
- 事件(event)生命週期控制和管理(e.g.迴應和分析檢測到的事件)
- 配置感應器(Configuration of Sensors)
而霧伺服器本身亦是需要控制的，而設定的方法是可以透過雲端計算層(Cloud Layer)來進行。與霧伺服器相同，雲伺服器會提供GUI和API來設定霧伺服器。但與此不同的是，雲伺服器亦負責管理整體的服務，如開發人員開發了一個新服務，例如一個新的Fog API，管理人員就能將這個服務配置(Deploy)到全部的霧伺服器中，使整體的服務得以提升。當有一個複雜的事件需要處理時，雲伺服器亦能作出深入的計算，並將結果通知霧伺服器。
簡單而言，雲端計算層(Cloud Layer)有以下作用:
- 總體資料分析(Global Data Analysis)
- 服務層面的控制和管理(Service Level Agreements (SLAs) monitoring)
- 管理及配置霧伺服器(Configuration of Fog Servers)
總結 -- 這是一個雲與霧互相配搭的新年代
如果雲端計算是新一代的集中式計算，那霧計算則是新一代的分散式計算，並且非常適合用於需要實時監控的物聯網(IoT)中。在智慧城市裡，每秒都要處理大量資料(例如交通、風能、農業等)，系統間需要頻繁大量的溝通，並對環境作廿出即時迴應。如果全部資料都由雲端處理，一來會造成大量的網路流量，並有可能令雲端會超負荷，二來由於雲伺服器較遠，因此未必能提供足夠快的服務。霧伺服器正正能作為有效的中間處理，初步處理資料，並作出即時的迴應，消除資料儲存及資料傳輸的瓶頸。當資料需要大量計算時，就可以將資料傳輸到雲端。雲與霧互相配搭，將能最有效迴應環境的需求。