在信息技术发展的历史中，“计算”的概念与技术几乎是IT产业的核心内容。自上个世纪50年代美籍匈牙利人约翰·冯·诺依曼发明了世界上第一台现代意义的通用计算机以来，“计算”的概念与技术和随之而来的数字化得以蓬勃发展，从此，围绕着“计算”的实践和应用推动发展成为今天的IT产业。通过“计算”技术延展下来，IT产业发展了程序、软件、数据和应用等概念和技术领域，相对应地也发展了存储、总线、I/O设备、外部设备等硬件概念和技术，并因此形成完整的IT产业。

　　从“一轮驱动”到“双轮驱动”

　　现在人们对IT架构的理解往往是从下往上依次有网络、计算、存储、数据、应用与服务等基本技术。而起初并非如此，因为在IT技术发展早期，相当长的阶段是被“计算”这一单轮所驱动的。那时，网络还只是IT的外围技术，并且经历了多种技术、多种协议、多种架构的“多网”封闭并存的竞争阶段。这导致各个企业，甚至每个企业内的各个部门都以各自的计算需求为中心建立起众多的IT‘竖井’式的基础设施。

　　思科公司正是诞生于这样一个时期，在多网络、多系统、技术百家争鸣的混乱、缓慢和复杂的IT麻烦时刻。思科破除了这种僵化竖井式的IT架构，全面地推动网络技术由孤立的、烟囱式的、专用的模式走向融合的新架构，从而使得IT变得更加灵活、更加简易、更加强大。

　　大家都熟悉的摩尔定律被用来描述IT产业的高速成长，如果仔细观察全球的数据和带宽的成长变化，过去10年中IT的发展都是指数性地增长。驱动IT成长的除了摩尔定律这个“计算”的驱动轮以外，还有另一个更为强大的驱动因素在背后起作用，这就是同样著名的麦特卡尔夫的“网络”定律：网络连接端点数越多，其可用性就成指数上升。事实上，正这两个定律叠加在一起的“双轮驱动”成就了IT产业飞速发展的惊人成就。

　　云计算，从哪里来到哪里去

　　云计算是英文Cloud　Computing的直译，作为一个既通俗又浪漫的技术术语，却似乎难以找到业界统一的定义。

　　“云计算”中的“计算”是一个简单而明确的概念,是指随着网络技术的融合,一切信息、通信和视频应用也都融合和整合在统一的平台之上。所以,云计算术语的关键特征并不在于“计算”,而在于“云”。

　　应该说，云概念的诞生和使用纯属偶然,在互联网发展的早期阶段,技术人员都习惯性地将互联网画成一朵“云”来代表,这样一来,人们可以简化网络内部的技术细节和复杂机制来方便地讨论新的观念和技术。随着互联网技术本身的飞速发展,互联网应用的全面普及和广泛深入,互联网技术给IT应用架构带来了深刻和根本的改变,于是,采用“云计算”来代表和体现新型的网络计算特征和技术趋势,就变得非常自然,云计算的概念就很容易在业界流行起来。

　　通过借用强大的网络智能和融合的网络平台技术，将计算模式中的物理功能和资源综合并抽象为与物理位置和资源无关的资源池，极大地方便和扩展了计算的能力、性质和形式。计算和网络原本这两个相当独立的IT技术功能，从此在技术能力和规模效益上得以相互借鉴、相互依存、相互激励，IT技术因此而进入了一个更高层次的大发展时期。

　　在技术架构上，云计算最好的实现应该是在融合的网络平台上叠加一层分布的计算能力，这样以来，网络与计算的资源整合和虚拟化可以同步一致地协调进行，IT发展两个高速的驱动车轮可以互相影响与融合，同时保证品质与安全，方便管理与运营。

　　雾计算横空出世

　　云计算技术和解决方案不仅仅局限于数据中心的更新和改造，也不仅仅局限在数据中心的云计算基础设施建设，它能够将IT应用和业务化繁就简，服务于企业和最终用户。但位于数据中心的云计算对那些延迟敏感的应用并不能很好奏效，这些应用需要在其附近的节点完成计算，以满足最小时延的要求。在互联网的一些新兴物联网应用的网络部署中，除了位置感知和低延迟，最明显的需求就是对移动性的支持以及地理位置的分布。

　　我们认为，需要一个新的计算平台来满足这些要求，我们将其称之为“雾计算(fog　computing)”平台，以区别于那些集中在远端或“天边”的云计算技术。因为雾比云更接近地面，更为落地。

　　雾计算扩大了以云计算为特征的网络计算范式，将网络计算从网络的中心扩展到网络的边缘，从而更加广泛地运用于更多的应用形态和服务类型。雾计算的基本特征大概有以下几点：低延迟和位置感知，更为广泛的地理分布，更大范围的移动性，适合更多的节点，在无线接入应用中更起主导作用，在实时和流媒体应用中更有价值，支持异构性。

　　我们认为，上述特征使雾计算在一般意义的物联网服务和应用上是一个更为重要更为合适的平台：即车联网、智慧电网、智慧城市、无线传感器和执行器网络（WSANs）等。不过，雾计算与云计算并不是竞争关系，未来并不是雾计算要蚕食云计算，而是雾计算能使更多种类的应用和服务加入到网络计算之中，特别是涉及到数据管理和分析，云和雾计算之间更能富有成效地相互配合和发挥。

　　雾计算的应用场景

　　车联网

　　车联网应用和部署要求有丰富的连接方式和相互作用：车到车，车到接入点（无线网络连接、3G、LTE、路边单元、智慧交通灯），以及接入点到接入点等。雾计算能够提供丰富的车联网服务菜单中的信息娱乐、安全、交通保障和数据分析，地理分布（整个城市和公路沿线）情况。智慧交通灯系统特别需要对移动性和位置的感知，需要低延迟和异构性网络以及实时交互的支持。智慧红绿灯节点与本地区的一些传感器不断交互，探测行人和骑自行车人的存在，并测量行驶中汽车的距离和速度。它也与周边的灯光系统相互交换信息，协调交通绿色通行时段。智慧交通灯系统基于这些信息传送报警信号到临近的车辆，甚至改变自己的变灯时序，以防止发生意外。智慧交通灯系统通过收集到的数据进行实时分析处理（例如，根据交通状况改变变灯周期和时序），将其数据聚合以后再发送到云计算中心作进一步的全局和长期的数据分析。

　　无线传感器和执行器网络

　　无线传感器网络中的无线传感器节点的往往设计功耗极低，以延长电池的寿命。大多数无线传感器网络中用到大量的低带宽、低耗能、低处理能力、小内存的一个单向搜集器，此类传感器网络的主要职责是感知环境、简单处理和转发数据的静态搜集器，大多采用开源的TinyOS2作为事实上的标准操作系统。

　　最近几年，无线传感器网络技术在多方向有所发展：多汇搜集、移动搜集、多个移动接收器等等，传感器和移动传感器可以串联组网以满足新应用的需求。然而，如果应用程序超越其传统的感知和跟踪的一些功能，就必须让执行器具备更灵敏的动作比如打开、关闭、搬迁、专注目标，甚至是远程回收和部署传感器等。如果期待执行器可以控制任何一个系统或测量过程本身，这将为传感器网络带来新的难度和维度。这要求信息流程不仅仅是单向的（从传感器向搜集器），而是双向的（从传感器向搜集器，从控制器节点向执行器）。这是一个微妙但明显的闭环系统，由此产生的稳定性问题和潜在的振荡行为不容忽视。延迟和抖动成为系统快速响应时最主要的关切问题。雾计算独特的位置和环境感知、地理分布、分级组织的特性使其成为无线传感器和执行器网络应用合适的平台。

　　智慧电网

　　雾计算节点提供网络边缘和本地化计算，从而实现了低延时和上下文感知，云计算则提供全局性，甚至是全球性的集中化。我们认为智慧电网更是这种应用类型，因为智慧电网里的数据和数据分析的结构化可以进一步阐明这两种计算的相互作用。

　　在网络边缘上的雾计算主要处理各个传感器和设备所产生的数据，有些数据涉及需要实时处理（从毫秒到亚秒）的保护和控制回路。在此第一层次的雾计算用于机器对机器（M2M）的相互作用，收集、分析和处理数据，并发出控制指令给执行器。它还滤除那些只在本地有价值的数据，其余的数据将发送到更高的层次；第二和第三层将处理数据的可视化和数据报告（人类与机器的相互作用），以及系统和流程（M2M）。雾计算在相互作用的时间尺度上，范围可能从几秒到几分钟（实时分析），甚至几天（交易分析）。雾计算必须支持多种类型的存储，从最低层短暂的存储到高层次存储。

　　最终，全局性和全球的覆盖是由云计算完成的，它存储的数据库，有数月甚至数年的长久性，这是专为商业智能分析报告而用的。这些报告大多数是典型的人机环境下的图像报表和仪表板显示关键绩效指标的决策推荐。云计算和雾计算是基于同一个网络平台的局部与全体的不同计算模式，它们配合一起将提供了更为丰富和更为深入的新业务和新应用的组合。

　　作者单位：思科中国高端研发与创新部门