雾计算是炒作吗?

简介:

2011年,思科首创了“雾计算”的概念。根据Cisco对于“雾计算”的定义,“雾计算”是一种分布式计算基础设施,可将计算能力和数据分析应用扩展至网络“边缘”,它使客户能够在本地分析和管理数据,从而通过联接获得即时的见解。

我们知道近几年云计算炒得火热,但是随之而来的问题也在逐渐的暴露,比如,云端的集中管控安全性问题,一旦服务器瘫痪,可能就会牵连好几个公司的业务,甚至重要的数据资源也会有丢失的风险。比如2015年5月27日的支付宝的系统出现了故障,这导致全国部分用户支付宝钱包的功能无法使用。5月28日,携程的服务器瘫痪,导致许多公司业务被迫罢工等事件。

除了集中管控的安全性问题,云计算在移动应用方面也存在着弊端,而就如今的形式来看,人们越来越多的使用移动设备,而当移动设备接入增多时,数据量和数据节点数不断增加,不仅会占用大量网络带宽,而且会加重数据中心的负担,数据传输和信息获取的情况将越来越糟。而雾计算恰好是能够很好的解决这方面的问题,因为雾计算的几个明显特征是低延时和位置感知,更为广泛的地理分布,适应移动性的应用,支持更多的边缘节点。

现如今国家在大力发展物联网,物联网发展的最终结果就是将所有的电子设备,移动终端,家用电器等等一切都互联起来,这些设备不仅数量巨大,而且分布广泛,现实的需求为雾计算提供了发展机会。有了雾计算才使得很多业务可以部署。比如:车联网。车联网的应用和部署要求有丰富的连接方式和相互作用。车到车,车到接入点,接入点到接入点。此外,智能交通灯的实现似乎也只有雾计算最合适,因为智能交通灯对移动性和位置信息的计算有着特别的需要,智能交通灯本意是根据车流量来自动指挥车辆通行,避免无车遇红灯时,也要停车等到绿灯再走,那么实时计算非常重要,所以每个交通灯自己都有计算能力,从而自行完成智能指挥。试想如果城市中的所有交通灯都需要有数据中心云计算来统一计算而指挥所有交通灯,这样不仅不及时也容易出错。

雾计算的出现是否是炒作呢?小编认为不是的,因为这两者面对的对象是不一样的,可以说,雾计算是云计算的延伸和互补,两者结合才是最完美的。

本文转自d1net(转载)

目录
相关文章
|
5天前
|
人工智能 运维 安全
|
3天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
10天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
843 109
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
466 12
|
4天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
4天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
188 127