这一篇重点介绍雾计算（Fog Computing）。
雾计算概念
雾计算是一种新型的边缘计算网络架构，这一概念在2012年由思科正式提出。雾计算将计算、通信、控制和存储资源与服务分配给用户或分布在靠近用户的设备与系统上，从而将云计算模式扩展到网络边缘上。相比于MEC和微云，雾计算更加侧重于在物联网上的应用。
下图是思科对雾计算最初的定义：
雾是由虚拟化组件组成，分布在网络边缘的一组资源池，能够为诸如大规模传感器网络和智能网络环境等场景提供高度分布式的资源来存储和处理数据。雾主要由边缘网络中的设备构成，这些设备可以是现有的设备（交换机、路由器、网关等），也可以是为专门不熟而新增的服务器。虽然这两类设备的计算和资源能力都远小于一般意义上的数据中心，但是其庞大的数量可以弥补单一设备资源的不足。这些设备配合设备内的管理系统构成了一个个雾节点，大量庞大的雾节点组成了雾网络。明显的，这些雾节点不受地理位置的限制，相比于大型的数据中心，其分布变得更加分散。
雾计算只是云计算的补充，用于网络边缘、靠近用户的初步计算，例如过滤、聚合用户消息，做出实时决策等，然后将数据量较大的部分交给云计算来完成。相比于云计算，雾计算的出现能够考虑到服务延时、功耗、网络流量、资本和运营开支、内容发布等多种因素，从而更加高效，更好地满足了物联网的应用需求。
实例说明
在目前的交通系统中，摄像头作为传感器采集道路数据并传递给本地的中心机房，本地机房做出决策后再向作为执行器的交通信号灯发送指令进行显示。从摄像头到交通信号灯，这之间的通信跳数在3~4跳甚至更高，若在数据量庞大的时候要做出实施决策，会面临网络延迟的挑战。这时我们引入雾节点，一方面在雾节点上缓存传感器采集的若干帧数据，压缩后再送至机房，从而缓解雾节点到机房之间的带宽压力；另一方面雾节点可以判断采集到的数据是否有紧急情况发生（例如大型车祸、警车追击、消防车、救护车等），以便做出实时决策。
通过上述实例，我们总结雾计算的几大特性：
- 位于网络边缘，位置感知和低时延：雾节点距离数据源和数据消费者更近，从而有更小的网络延迟，利用雾计算可以在网络边缘直接提供有针对性地解决方案，同时可以缓存和预处理一部分数据，稍后再送至云中心来处理。这样削减了核心网的压力。
- 地理分布广：雾节点以分布式的方式分散在更大的地理区域。
- 分布式计算和存储资源
- 雾节点数量众多
- 移动性支持：雾架构下的应用和服务应该与通信机制实现解耦，以免用户移动造成通信中断。
- 实时交互：雾节点靠近数据源和数据消费源。
- 无线接入占据主导地位
- 异构性：处于核心网和用户之间，需要对多种不同的通信提供支持。
- 互操作性：雾节点之间需要相互通信以交换信息，实现负载均衡和资源编排。
雾节点
雾节点主要涵盖了以下几点功能：
- 节点安全：多数情况下，雾节点可以作为安全网关来验证传感器和执行器的合法性。
- 节点管理：雾节点需要支持管理接口以便被更高层级的管理实体进行统一管理和控制。
- 网络：很多雾应用都是时延敏感的，因此雾节点需要通过网络实现通信。
- 加速器：在某些时延和功率优先的应用场景下，雾应用需要利用加速器来加速完成任务。
- 计算：雾节点具有一般的计算能力。
- 存储：雾节点具备一定的存储能力，以便进行数据的缓存。
- 传感器、执行器和控制：每个雾节点可以直接连接成百上千个传感器和执行器等装置。
- 协议抽象层：使市面上很多传感器和执行器在逻辑上支持和雾节点的连接。