雾平台由数量庞大的雾节点（即上文中雾使用的硬件设备，以及设备内的管理系统）构成。这些雾节点可以各自散布在不同地理位置，与资源集中的数据中心形成鲜明对比。

根据以上内容，可以总结出雾计算与云计算的不同：

更低：雾节点在网络拓扑中位置更低，拥有更小的网络延迟（总延迟=网络延迟+计算延迟），反应性更强。

更多：相比较云平台的构成单位——数据中心，雾节点数量庞大。

更广：雾节点拥有广泛的地域分布。

更轻：雾节点更轻量，计算资源有限。

这些不同给雾带来哪些优点，是什么使它成为物联网生态中又一不可或缺的部分呢？

雾计算还有以下优点：

省核心网络带宽：雾作为云和终端的中间层，本就在用户与数据中心的通信通路上。雾可以过滤，聚合用户消息（如不停发送的传感器消息），只将必要的消息发送给云，减小核心网络压力。

高可靠性：为了服务不同区域的用户，相同的服务会被部署在各个区域的雾节点上。这也使得高可靠性成为雾计算的内在属性，一旦某一区域的服务异常，用户请求可以快速转向其他临近区域。

背景信息了解：因为分布在不同区域，雾计算中的服务可以了解到区域背景信息，如本区域带宽是否紧张，根据这一知识，一个视频服务可以及时决策是否降低本地区视频质量，来避免即将到来的卡顿；而对一个地图应用，则可将本地区地图缓存，提高用户体验。

省电：数据中心的电力消耗已经成为重要成本，其中冷却系统占有不可忽视的比重。雾计算节点因为地理位置分散，不会集中产生大量热量，并不需要额外的冷却系统，从而减少耗电。

基于以上优点，雾能够弥补云的不足，并和云相互配合，协同工作。

云+雾

雾计算自提出就是作为云计算的延伸扩展，而不是云计算的替代。如前文所述，在物联网生态中，雾可以过滤，聚合用户消息；匿名处理用户数据保证隐秘性；初步处理数据，做出实时决策；提供临时存储，提升用户体验。

相对的，云可以负责大运算量，或长期存储任务（如：历史数据保存，数据挖掘，状态预测，整体性决策等等），从而弥补单一雾节点在计算资源上的不足。

这样，云和雾共同形成一个彼此受益的计算模型，这一新的计算模型能更好的适应物联网应用场景。

雾计算挑战

雾计算带来新的可能性的同时，也在安全性，高效利用资源，API等方面带来了新的挑战。雾使用大量分散设备，使中心化的控制变得困难；雾节点的资源相对受限，需要节点间的协同配合，才能优化各服务的部署；“何时将服务迁移至何处”则是应对移动终端设备，动态的应用场景需要考量的问题。

随着雾计算概念的发展，雾被进一步扩展到“地面上”。雾节点不再仅限于网络边缘层，还包括拥有宽裕资源的终端设备

终端设备与用户直接交互，数量庞大，在丰富雾的设备种类的同时，也带来更多动态属性，如电池电量，雾节点移动性等问题需要解决

从物联网的应用场景出发，由终端设备的资源限制谈到对云的需求，再由云在网络中的位置造成的限制谈到雾。探讨了云雾的对比，云雾的结合，雾的优点，雾的应用，雾的挑战。希望以此文抛砖引玉，和大家共同关注科技发展趋势。
　　人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
　　云计算、雾计算、霾计算、边缘计算，具体指的是什么？
http://www.duozhishidai.com/article-1677-1.html
　　雾计算是做什么的，与物联网的关系是什么？
http://www.duozhishidai.com/article-1222-1.html
　　观察云计算、雾计算及物联网之间的区别及联系
http://www.duozhishidai.com/article-5919-1.html
　　

---

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站