云计算、雾计算、边缘计算 如何融合应用

    物联网在飞速发展的同时也产生了大量数据，面对数据处理压力，各种“计算”层出不穷，云计算、雾计算、边缘计算等名词纷纷涌出，那这些计算方式有何区别？应用于哪些场景？在不同场景或同一场景的不同情况下又要如何选择计算方式？
　　云计算、雾计算、边缘计算各有优点
　　云计算是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）。
　　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！
　　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，和云计算相比，雾计算显得更接地气了一些！
　　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。边缘计算和云计算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。
　　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！
　　以安防行业为例来说，从计算方式上来讲，云计算是“云+端”的模式。智能安防终端通过网络连接到云计算中心，获取按需、共享和可配置的计算资源，与云形成一个综合平台。这种计算方式为我国庞大的视频监控网提供了存储、检索、分析等方面的强大支撑；作为云计算的补充，边缘计算指在靠近物或数据源头的一侧，为摄像头等终端设备就近提供服务，如果说云计算提供强大的全局结构化数据推理分析和资源管控力，那么边缘计算则提供快速、敏捷、高效、精准的实时响应；而雾计算则相当于“更贴近地面的云”，可以创建分布于不同地方的云服务。
　　在万物互联的“赛道”上，云计算、雾计算等计算“选手”也各有所长。然而，有时单个“选手”无法满足需求各异的应用场景，怎么办？“混合计算”就扮演着协调每位“队员”的“教练”角色。那么，“混合计算”究竟是什么？有何应用？
　　万物互联时代需要更强算力
　　据测算，到2020年，全球联网设备的数量将达到500亿台；到2025年，万物互联的销售收入将达到1.6万亿美元；到2030年，物联网产生的数据量将达到4.4ZB（泽字节）。
　　“当前数据从消费端到生产端、从设备到数据本身，万物互联市场已呈现出爆发式增长态势。而大数据和物联网技术对数据处理能力的要求很高，这就需要充分挖掘算力。”复旦大学大数据试验场研究院、上海市数据科学重点实验室副研究员张帆说。
　　“‘混合计算’就是试图利用5G的万物互联能力，综合利用云计算、雾计算、边缘计算等计算方式，实现高效协同计算。”福建工程学院科研处处长、福建省北斗导航与智慧交通协同创新中心主任邹复民教授介绍道，“混合计算”这一概念最早由蒋志祥在WMIC2018世界移动互联网大会上提出。这一概念的形成，历经了多年的发展。
　　谈及其技术原理，张帆说，“混合计算”借鉴了异构计算的思想――用不同的计算资源处理适合该结构的任务。异构计算的概念提出的时间很早，但受实现条件限制，直到近年才得到了巨大的发展。
　　随着万物互联市场的发展，产业界逐渐认识到单一的计算方式不能解决所有问题，为此针对不同计算方法各大厂商展开了积极探索：英特尔公司在2015年收购阿尔特拉公司，同时着手开发芯片内可重构技术；赛灵思公司在2015年实现了编程环境的统一；百度在2016年开始推进“百度大脑项目”，试图在一个计算体系内实现多种算力的混合……
　　2018年1月4日，工业互联网产业联盟正式发布了《工业互联网平台白皮书（2017）》，其中关于工业互联网平台功能架构图的内容，已经初步陈述了边缘计算和云计算进行协同计算的理念。不仅如此，华为、西门子等公司也针对“边云协同”不断地进行探索。
　　不同计算方式协同处理问题赋能各类场景
　　在不同的应用场景，云计算、雾计算、边缘计算等计算方法展现出的优势也不同。
　　以公共安全视频监控为例，前端摄像机要提高实时性、在本地完成图像识别，就需要将AI算力注入边缘，而在边缘处理过的数据则需要上传至云端，以便进行综合分析；又如，智慧交通领域中，车辆在自动行驶时遇到紧急情况，需要边缘计算技术在毫秒级时间内做出判断，而交通诱导则需要立足于云计算对交通大数据的综合分析与挖掘。
　　张帆认为，与早前单个计算方法不同，“混合计算”将各类计算方法进行排列组合，构建出某领域专用的高效应用组件，从而更好地满足无线互联、视频处理、图像识别、智能制造等多领域的高效处理需求。
　　再如，在无人驾驶领域，可综合利用边缘计算、云计算和人工智能（AI）技术：用边缘计算传感器收集数据，将数据发至云端，传感器融合、虚拟世界模型更新都在云端实现；AI在“云”中确定行动计划，并通过云端向汽车发布控制命令。
　　邹复民说，“混合计算”的技术平台可以部署在从消费级各类应用、到智慧城市级各类应用、到农业溯源区块链的各类应用、再到未来最具增长的工业互联网各类应用。
　　在技术和应用层面存在诸多挑战
　　混合计算作为新兴概念，目前尚未有成熟的技术方案和框架。从其概念中也可以看出，其面临的挑战之一就是连通性。随着连接设备数量的剧增，网络管理、灵活扩展和可靠性保障等方面都面临着巨大挑战。
　　以工业互联网为例，其存在大量的异构总线和多种制式的网络，它们在兼容多种连接的同时还需要确保连接的实时性和可靠性。在此基础上，要实现数据协同，则需要跨厂商、跨平台的集成与操作。
　　面对海量复杂的应用环境，如何将任务准确、完整地下达到各计算节点；通过计算节点计算后，如何将有效信息整合到任务中进行反馈、又如何抵御网络攻击保障安全与隐私……这些都是对“混合计算”协同能力的重要考验。