边缘计算和云计算以及雾计算三者的区别？

边缘计算与云计算和雾计算的概念密切相关 。尽管这些概念之间存在一些重叠，但它们并不是一回事，通常不应互换使用。比较这些概念并理解它们之间的差异是有帮助的。

了解 边缘计算、云计算和雾计算之间差异的最简单方法之一 是突出它们的共同主题：所有三个概念都与分布式计算相关，并侧重于与正在生成的数据相关的计算和存储资源的物理部署. 不同之处在于这些资源位于何处。

比较边缘云、云计算和边缘计算，以确定哪种模型最适合您。

边缘：边缘计算是在产生数据的位置部署计算和存储资源。理想情况下，这会将计算和存储与网络边缘的数据源放在同一点。例如，可以在风力涡轮机顶部安装一个带有多个服务器和一些存储的小型机箱，以收集和处理涡轮机本身传感器产生的数据。作为另一个示例，火车站可能会在车站内放置适量的计算和存储，以收集和处理无数的轨道和铁路交通传感器数据。然后可以将任何此类处理的结果发送回另一个数据中心进行人工审查、存档，并与其他数据结果合并以进行更广泛的分析。

云：云计算是在多个分布式全球位置（区域）之一的计算和存储资源的巨大、高度可扩展的部署。云提供商还为物联网运营整合了各种预打包服务，使云成为物联网部署的首选集中式平台。但是，即使云计算提供的资源和服务远远超过处理复杂分析的能力，最近的区域云设施仍可能距离数据收集点数百英里，并且连接依赖于支持传统数据的相同喜怒无常的互联网连接中心。在实践中，云计算是传统数据中心的替代品——有时是补充品。云可以让集中计算更接近数据源，但不能在网络边缘。

多雾路段：但计算和存储部署的选择并不局限于云或边缘。云数据中心可能距离太远，但边缘部署可能过于资源有限，或者物理上分散或分散，无法使严格的边缘计算变得实用。在这种情况下，雾计算的概念可以提供帮助。雾计算通常会后退一步，将计算和存储资源置于数据“内部”，但不一定“置于”数据中。

雾计算环境可以产生令人眼花缭乱的传感器或物联网数据，这些数据跨越太大而无法定义 边缘的广阔物理区域。示例包括智能建筑、智能城市甚至智能公用电网。考虑一个智慧城市，其中数据可用于跟踪、分析和优化公共交通系统、市政公用事业、城市服务并指导长期城市规划。单一的边缘部署根本不足以处理这样的负载，因此雾计算可以 在环境范围内操作一系列雾节点部署来收集、处理和分析数据。

注意：重要的是要重申， 雾计算和边缘计算 具有几乎相同的定义和架构，即使在技术专家之间，这些术语有时也可以互换使用。