云计算
Cloud computing is a style of computing in which dynamically scalable and often virtualized resources are provided as a service over the Internet.
云计算 （Cloud Computing）是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。
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。如今越来越多的应用正在迁移到“云”上，如我们生活中接触的各种“云盘”存储等等。
CC核心技术
云计算（Cloud Computing）是分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、 网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）、热备份冗余（High Available）等传统计算机和网络技术发展融合的产物。
CC分类
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）
雾计算(Fog Computing)
雾计算更强调在设备的网关里处理数据，数据被雾计算收集到设备的网关，进而处理、存储，并将处理后的数据发挥需要数据的设备中。而边缘计算更强调“边缘”，也就是更靠近数据生成的设备端，雾计算则介于云计算和边缘计算之间。
雾计算（Fog Computing），在该模式中数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是几乎全部保存在云中，是云计算（Cloud Computing）的延伸概念，由思科（Cisco）提出的。这个因“云”而“雾”的命名源自“雾是更贴近地面的云”这一名句。
雾计算和云计算一样，十分形象。云在天空飘浮，高高在上，遥不可及，刻意抽象；而雾却现实可及，贴近地面，就在你我身边。雾计算并非由性能强大的服务器组成，而是由性能较弱、更为分散的各类功能计算机组成，渗入工厂、汽车、电器、街灯及人们物质生活中的各类用品。
雾计算的概念在2011年被人提出，在2012年被作了详细定义。正如云计算一样，雾计算也定义得十分形象。云是高高的天上，十分抽象，而雾则接近地面，与你我同在。雾计算没有强力的计算能力，只有一些弱的，零散的计算设备。
与CC比较
与云计算相比，雾计算所采用的架构更呈分布式，更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中，而不像云计算那样将它们几乎全部保存在云中。数据的存储及处理更依赖本地设备，而非服务器。所以，云计算是新一代的集中式计算，而雾计算是新一代的分布式计算，符合互联网的“去中心化”特征。
雾计算不像云计算那样，要求使用者连上远端的大型数据中心才能存取服务。除了架构上的差异，云计算所能提供的应用，雾计算基本上都能提供，只是雾计算所采用的计算平台效能可能不如大型数据中心。
边缘计算(Edge Computing)
边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
边缘计算，是一种分散式运算的架构。在这种架构下，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。或者说，边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。
云计算就像是天上的云，看得见摸不着，像章鱼的大脑，边缘计算就类似于八爪鱼的那些小爪子，一个爪子就是一个小型的机房，靠近具体的实物。边缘计算更靠近设备端，更靠近用户。
边缘计算有着诸多先天优势
(1)、实时更快：更实时、更快速的数据处理能力。由于减少了中间传输的过程，数据处理的速度也更快。边缘计算分布式以及靠近设备端的特性注定它实时处理的优势，所以它能够更好的支撑本地业务实时处理与执行。
(2)、成本更低：边缘计算处理的数据是「小数据」，从数据计算、存储上都具有成本优势。
(3)、低宽带省流量：更低的网络带宽需求。随着联网设备的增多，网络传输压力会越来越大，而边缘计算的过程中，与云端服务器的数据交换并不多，因此也不需要占用太多网络带宽；边缘计算减缓数据爆炸和网络流量的压力，用过边缘节点进行数据处理，减少从设备到云端的数据流量。
(4)、高效：提升应用程序的效率。结合上面的三个优势来看，当数据处理更快、网络传输压力更小、成本也更低的时候，应用程序的效率也会大大提升。家门口的事情就不麻烦远在天边的云计算了，边缘计算直接对终端设备的数据进行过滤和分析，节能省时效率还高。
(5)、护隐私：边缘计算让数据隐私保护变得更具操作性，这在今年 5 月欧盟通过史上最严格的数据保护法律之后意义重大。由于数据的收集和计算都是基于本地，数据也不再被传输到云端，因此重要的敏感信息可以不经过网络传输，能够有效避免传输过程中的泄漏。
(6)、节能省算力：AI+边缘计算组合的边缘计算不止于计算，智能化特点明显，另外云计算+边缘计算组合出击，成本只有单独使用云计算的39%。
EC的百家华山论剑
阿里巴巴：在2018年云栖大会·深圳峰会上，阿里云又搞事情，推出首个IoT边缘计算产品---Link Edge。
与IOT
全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。
对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。
根据Gartner的技术成熟曲线理论来说，在2015年IoT从概念上而言，已经到达顶峰位置。因此，物联网的大规模应用也开始加速。因此未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。
与自动驾驶
随着数据量的继续增加以及数据处理多样化的要求，基于云端的大数据处理面临诸多挑战。
以当下火热的自动驾驶汽车为例，从产品形态上看，自动驾驶汽车更像是一个「移动数据中心」。由于配备了非常多的传感器，汽车随时随地都在感知周围环境，从而源源不断地产生数据。汽车需要将这些数据实时处理，形成汽车行驶过程的指令。比如当汽车感知到右侧有车流汇入时，就需要实时计算出车速、车距（包括与右侧、左侧、前、后），进而下达指令，或是减速，或是并道，这一系列复杂的计算过程必须实时而且还需要低延时。此时，如果数据在云端服务器处理，那么数据传输过程中的任何的延时都可能导致一场车祸的发生。
与其他设备
类似这样的数据处理需求正在变得越来越多，比如普通人类个体每天产生的数据量也以惊人的速度增长。预计到 2020 年，普通人每天平均产生 1.5GB 的数据，这些数据可能来自于智能手表、手环收集的运动数据，也可能来自智能手机收集的交通数据以及你浏览网页、社交媒体等产生的 Cookie 数据等等。新的数据需求也催生了新的技术/商业模式，这便是最近一两年来「边缘计算（Edge computing ）」所产生的大背景。
