几个月前，一切都还在“云计算”中。然而，这些日子的流行语是“雾计算”。雾计算与数据存储和访问的有效性有关。基本上，云计算是从场外位置存储和检索数据，它是传统手机变得“智能化”的主要原因。

例如电话没有足够的内置空间来存储访问应用程序和服务所需的信息，所有数据都将传输到云端或从云端传输，以便提供我们所需的服务。但是，云计算技术存在的问题也很明显 - 带宽的限制，尤其是无线传输。

雾计算背后的想法是试图消除一些物理限制。使用雾计算技术，所有处理都发生在物理上更接近数据收集位置的设备上，而不是将数据发送到云。随着物联网的发展，越来越多的物理对象(设备)被添加到网络中，并且它们都以无线方式连接以发送和接收数据。

雾计算也被称为“边缘计算”，边缘计算应该通过将数据存储在“地面”附近来解决问题。换句话说，它将数据存储在本地计算机的存储设备中，而不是通过云中的集中式DC路由所有信息。

雾计算是由一些领先的物联网技术专家提出的，如思科、IBM和戴尔。他们是代表技术变革的先驱，将智能设备从云端推向“雾端”。基本上，雾计算负责实现快速响应，减少网络延迟和流量，并支持骨干带宽节省以实现更好的服务质量(QoS)。它还支持选择性地将适当的数据传递到云。

预测到2025年底，世界上大约45%的数据将更接近网络边缘。而雾计算是唯一能够在未来几年内抵御AI、5G和物联网的技术。另一项研究估计，到2020年，世界上10%的数据将由边缘设备生产。这将推动对更高效的雾计算解决方案的需求，该解决方案可以大幅度减少延迟。

那么，边缘计算和雾计算之间的主要区别是什么?思科创造了“雾计算”一词，IBM称之为“边缘计算”。基本上，边缘计算是雾计算的子集，它只是指在靠近原始位置处理的数据。雾计算允许更有效地访问和处理数据，从而降低数据延迟的风险。

雾计算的一个绝佳用例是智能交通灯系统，它具有防止事故的能力，并可以根据对进入的交通的监视来改变信号以减少交通拥堵。此外，它还将此数据发送到云端进行进一步分析。

雾计算框架的增长为组织提供了更多选择，以便在适当的时候处理信息和数据。某些应用程序可能需要尽快的处理数据，例如，在所有机器都连接到网络的制造业中，他们需要能够尽快对事件做出反应。

雾计算有助于在设备及其分析端点之间创建低延迟的网络连接。反过来，这种体系结构减少了与云相比所需的带宽量。它还可以用于传输数据不需要带宽连接的场景，直接将数据在其起源位置附近处理。

对于任何依赖其他人的数据中心来存储其数据的企业来说，考虑雾计算是明智之举。如果由于缺乏访问数据的带宽，而影响了业务，那将是很不值当的。