为何工业物联网的不久的将来需要边沿计算和雾计算

工业物联网(IIOT)利用通常需要扩大性和变通性，它可能不需要在雾计算和边沿计算之间做出选择，由于这二者企业可能都需要。

　　随着工业物联网( IIoT )的兴起，人们每天都在引进新技术来处理正在生成的大量数据。而辨认这些新技术对企业和工业公司来讲都是一个挑战，举例来看，“边沿计算”和“雾计算”这两个术语常常被互换使用，由于它们都触及将智能和处理能力推向更接近它们起源的地方。虽然在如何和为何部署哪一种类型基础设施之间有着明显区分，但这二者对成功的工业物联网战略来讲都是相当重要的。

　　为了应对工业物联网的不久的将来，采取包括边沿计算和雾计算在内的下一代解决方案是非常必要的，以便扩大不久的将来的连网装备、网络和利用程序。以下是企业如何更好地辨别边沿计算和雾计算，和如何部署它们的详细内容。

　　边沿计算和雾计算之间的区分

　　简而言之，边沿计算是一种基础技术架构，可以在生产设施(装备)中现场搜集、分析和存储数据，从而节省时间并帮助保护运营，而不是依赖于将所有数据存储在云中的较慢系统。边沿计算已对保持正常运行和提供接近实时的数据和分析产生了重大作用，以优化工业物联网的性能和工业自动化的不久的将来。虽然一些部门仍在适应和调剂边沿，但装备和网络之间的下一波数据通讯正在到来：雾计算。

　　雾计算是一种更接近边沿的云计算情势，因此它可以处理大量数据，而无需将数据推送到云中。经过处理边沿和数据中心云之间的实时物联网要求，雾计算将提高边沿的能力。虽然这些预设的好处使雾计算对希望使用工业物联网扩大其网络的公司来讲仿佛是明智之举，但重要的是要斟酌是不是所有级别的操作都需要雾计算。那末您应当甚么时候实行雾计算?在当前的工业自动化和边沿网络以外，雾计算将成为大型连网系统的一个组成部份，并在数千或数百万连网装备之间同享数据。

　　对基础设施更加孤立和个性化的公司来讲，可能没有必要进行雾化部署。这类集成水平可能需要数年时间，但是了解和实行边沿计算和雾计算对成功的工业物联网策略来讲非常重要。

　　为工业物联网部署：从哪里开始?

　　了解边沿计算和雾计算的不同利用和可扩大性，可以更轻松地肯定哪一个最合适您的环境。特别如此，由于这两个选项都配备了下一代工业物联网(IIoT)功能，并且是为不久的将来大范围集成做准备的重要一步。在工业环境中，边沿计算足以满足系统中多个设施的数据和分析需求，但对准备大范围扩大的行业而言，雾计算多是实现长时间增长和成功的更好选择。

　　利用边沿计算可以是迈向工业物联网集成的下一步，这将为自动化的不久的将来做好准备。优化效力、生产力和质量的需求促使制造商将其智能转移到网络边沿，以更快地处理数据并应对竞争压力。这个系统对具有许多前哨站的设施很有价值，比如数百个石油钻井平台，它们都被接入到一个中央数据中心。在石油钻井平台上安装边沿服务器使它们能够更快地同享数据，并在更靠近网络边沿的地方处理数据，而不是将数据发送到云中进行处理，由于如果数据发到云中处理，可能会延迟系统性能或异常警报。

　　超出封闭的网络和系统，我们将开始看到雾计算能够实现连网装备的更多不久的将来，并拥抱工业物联网的潜力。雾计算更接近边沿，这意味着它可以更快地处理实时物联网处理要求，并减少网络之间同享数据的延迟。在工业网络以外，雾计算可以帮助不同的行业和部门扩大以连接数千或数百万台边沿装备。

　　一个例子是无人驾驶汽车的发展。沿着智能网络的雾计算将允许无人驾驶汽车在高速公路上即时通讯，并且当穿过繁忙的10字路口时，实时处理计算需求以提高速度、效力和安全性。随着无人驾驶汽车行业的发展和主流利用的出现，雾计算对在数千辆汽车之间同享数据相当重要。

　　下一代边沿架构

　　这些由数百万台边沿计算和雾计算支持的装备组成的网络会是甚么模样?虽然不久的将来的城市依然难以想象，但现在奠定基础是准备进一步自动化和扩大网络的最好方式，这些网络将覆盖更远的距离，但通讯速度更快。雾将弥补边沿之间的空白，并实现生态系统中装备网络之间的即时通讯。这类新水平的调和将是不久的将来基础设施所必须的，它将连接交通灯、人行横道和无人驾驶汽车等智能装备。

　　智慧城市涵盖的不单单是装备——它们将连接电力和水务等公用设施，以节省能源使用和管理水的分配，并在一天中的高峰时段控制能源需求。雾是所有这些系统之间的连接，用于转达它们的需求，调和这些不相干的装备和网络以分析适当的操作。经过现在为下一代边沿架构做准备，行业和城市可以分析并接受雾计算的潜力。随着工业物联网功能的增强，更多的网络将被连接起来并扩大以满足我们的平常需要，从而创建更加智能的家庭、建筑和城市网络。

免责声明：
本网址（www.yingxiongyun.com）发布的材料主要源于独立创作和网友匿名投稿。此处提供的所有信息仅供参考之用。我们致力于提供准确且可信的信息，但不对材料的完整性或真实性作出任何保证。用户应自行验证相关信息的正确性，并对其决策承担全部责任。对于由于信息的错误、不准确或遗漏所造成的任何损失，本网址不承担任何法律责任。

本网站所展示的所有内容，如文字、图像、标志、音频、视频、软件和程序等的版权均属于原创作者。

如果任何组织或个人认为网站内容可能侵犯其知识产权，或包含不准确之处，请即刻联系我们进行相应处理。