雾计算作为传统集中式数据存储系统（云）和边缘设备之间的中间层。雾扩展了云，使计算和数据存储更接近边缘。雾由多个节点（雾节点）组成，并创建一个本地网络，使其成为一个去中心化的生态系统——雾和云计算之间的主要区别。当数据到达雾层时，节点决定是在本地处理还是发送到云端。因此，数据可以离线访问，因为数据的某些部分也存储在本地。这是雾计算与云计算之间的另一个关键区别，在云计算中，所有智能和计算都在远程服务器上执行和存储。

雾计算如何处理数据？

• 紧急请求直接发送到雾并在网络中本地处理；

• 不太敏感的数据被传输到云的主要数据中心，在那里进行存储和分析；

• 一般情况下，大部分数据都会进行云端存储，本地存储用于优先考虑节省带宽的场景。

当互联网连接并不总是稳定时，雾计算非常有用。例如，在联网的火车上，雾可以在无法维持互联网连接的区域提取本地存储的数据。它还允许在靠近边缘节点的本地网络上实施数据处理，这对于时间敏感的操作和实时数据分析非常重要。这就是在比较云计算与雾计算时使这种方法更加高效和快速的原因。

边缘计算：它是什么？

边缘计算处理远离集中存储的数据，将信息保存在网络的本地部分（边缘设备和网关）上。由于数据直接在边缘处理，而不发送到云端，因此可以立即响应并提供前所未有的速度。

边缘计算是最不易受攻击的去中心化存储形式。在云上，数据分布到数十台服务器，而边缘计算则使用数百甚至数千个本地节点。每个设备都可以充当边缘网络中的服务器并独立处理数据。要入侵，黑客需要同步访问数千个分布式设备，这实际上是不可能的。

这也是雾计算和边缘计算之间的区别——雾充当连接到云的网络，而边缘设备可以松散地连接并自行运行。

云、雾和边缘计算的区别

云、雾和边缘计算之间的主要区别在于端点设备数据的处理和存储地点、时间和方式。

云是比任何其他类型的存储距离端点更远的集中存储。这解释了最高的延迟、带宽成本和网络要求。另一方面，云是一种强大的全球解决方案，可以通过占用更多的计算资源和服务器空间来处理大量数据并有效扩展。它非常适合大数据分析、长期数据存储和历史数据分析。

雾充当云和边缘之间的中间层，并提供两者的好处。它依赖于云并直接与云一起工作，分发不需要在旅途中处理的数据。同时，雾被放置得更靠近边缘。如有必要，它会利用本地计算和存储资源进行实时分析和对事件的快速响应。

就像边缘一样，雾是去中心化的，这意味着它由许多节点组成。然而，与边缘不同的是，雾具有网络架构。雾节点相互连接，可以重新分配计算和存储，以更好地解决给定的任务。

Edge 是距离终端设备最近的位置，因此延迟最低，可以立即响应数据。这种方法允许直接在设备、应用程序和边缘网关上执行计算并存储一些（仅有限的）数据量。它通常具有松散连接的结构，其中边缘节点独立处理数据。这就是边缘与基于网络的雾的区别。

这是云、雾、边缘计算的比较图表，快速概述了这些方法之间的这些差异和其他差异。