现代生活中，“云”似乎成为了一种新型时尚。它改变了小到消费者、大到***与公司对大量数据的处理方式。我们对云计算已经耳熟能详，但对“雾计算”却是云里雾里。今天就拉近一下我们和“雾计算”之间的距离。

    什么是雾计算

    雾计算（FogComputing），这个概念由思科**。它是一种分布式的计算模型，作为云数据中心和物联网（IoT）设备/传感器之间的中间层，它提供了计算、网络和存储设备，让基于云的服务可以离物联网设备和传感器更近。

    通俗点说，雾计算拓展了云计算（CloudComputing）的概念，相对于云来说，它离产生数据的地方更近，数据、数据相关的处理和应用程序都集中于网络边缘的设备中（比如我们平时使用的计算机），而不是几乎全部保存在云端。

    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。云计算由性能较强的服务器组成，而雾计算则由性能较弱、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。

    雾计算的应用

    云计算有个缺陷，就是当大量数据通过网络移动时容易产生更多的**漏洞，并产生网络延迟。

    雾计算极大地减少了发送到云端和从云端发送的数据量，减少了作为本地计算结果的延迟，同时可以*小化**风险。

    例如，飞机配备有很多重要的传感器用于防止系统故障。飞机每飞行一小时，这些传感器可以产生高达40TB的数据。如果我们乘以每天的飞行小时数，我们就会发现航空业产生的数据量是惊人的。这些传感器在飞行中提供重要的功能，但是这些数据中也有大量的无意义数据在降低传输效率和储存空间。我们可以将目前正在快速发展的自动驾驶汽车想象成飞机，每辆汽车产生的数据都相当于一架飞机，那么当自动驾驶汽车满街跑的时候，产生的数据量已经不是天文数字可以描述的了。如果这些数据都要送到云计算的云端服务器进行分析，那么效率势必大打折扣。而雾计算则避免了这一问题。

    再举一个身边常见的例子：目前的城市道路监控系统，从监控探头到本地中心机房的通信跳数一般在3～4跳甚至更高，如果系统需要做出实时决策会面临网络延迟的挑战。

    而采用了雾计算的智能交通灯系统，把监控探头作为传感器，把交通灯作为执行器，在监控过程中，雾节点将人为操作的监控视频流直接转发给中心机房；而其他常规监控视频对实时性要求不高，可以在雾节点处缓存若干帧画面，压缩后再传向中心机房。这样从雾节点到机房的网络带宽将得到缓解。

    在雾节点处，可自动判断监控画面中是否有救护车头灯闪烁，做出实时决策发送给对应交通灯，协助救护车通过。

    雾计算在视频技术领域的应用前景

    由于视频监控系统网络化、高清化、智能化的进步，是一个需要传输、处理海量数据的系统，因此雾计算在这个领域也有很好的应用前景。2016年9月，任正非签署了华为与徕卡共同设立麦克斯•别雷克**实验室的协议。他预计，未来的信息社会将有90%以上的流量来自图像和视频。

    雾计算的市场规模

    雾计算的市场规模及发展前景可以参考云计算的数据。近几年来，全球云计算市场快速平稳增长。根据智研咨询发布的《中国云计算软件市场分析及发展趋势研究报告》，2015年，全球云计算服务市场规模达到1750亿美元，增长13.06%。从全球来看，2021年，全球云计算服务市场规模将达到3912.2亿美元。未来伴随着技术的进一步完善，云**性、可靠性将进一步为企业所认可；而雾计算特有的灵活配置、低成本、无需一次性大额投资等优势将吸引更多中小企业的采用，这都将使得其渗透率不断提高。