现代分布式计算架构支持重大技术进步，例如人工智能和智能制造。每个计算模型都是支持高级应用程序的关键，而这些高级应用程序改变行业格局。

数字企业拥有广阔的虚拟环境，这些虚拟环境需要灵活且有弹性的基础设施，以跟上日益增长的处理和存储需求。据估计，未来五年，全球联网设备将超过400亿台。随着人工智能应用程序开发支出不断增加，云提供商正在投资数千亿美元来扩展数据中心。

高级数字应用程序需要灵活、高效和可靠的基础设施。底层处理和存储模型是云计算、边缘计算和雾计算。每种计算都在基础设施中发挥着重要作用。虽然这些模型经常相互对立，但可以互补。

云计算、边缘计算与雾计算

所有数字模型都起源于网格计算，这是在20世纪90年代发展起来的概念。网格计算建立在聚合计算资源的想法之上，以满足应用程序（例如科学研究、游戏设计和金融风险管理等）的处理密集型要求。网络中常见的数字计算模型包括以下：

• 云计算。提供具有高可扩展性和处理能力的集中资源，是长期分析和存储的理想选择。
• 边缘计算。直接在源头或源附近处理数据，对具有低延迟要求的实时应用程序很有用。
• 雾计算。作为中介层，在传输到云之前分析数据的重要性，并在网络上提供分布式处理。

云计算

云计算支持广泛的服务，包括IaaS和SaaS。这使得云计算能够根据需要提供计算和存储服务-在按使用付费或订阅模式下，使得客户无需预先投资资本设备。

云计算出现在21世纪中期，当时在线零售商亚马逊通过按需提供弹性计算云（EC2）服务，开拓出IaaS（基础设施即服务）市场。EC2利用其在线商务运营的过剩容量来提供低成本、大批量的虚拟化计算服务。亚马逊通过其简单存储服务产品在存储方面也做了同样的事情。

好处是显而易见的；企业可以快速增加处理和存储容量。云计算使用整合计算模型，使客户能够从集中式环境中访问资源。云服务可以是私有的，也可以是多租户的，客户端共享硬件资源。

云计算安全使用加密、访问控制和持续监控等综合措施来保护存储在远程数据中心的数据和应用程序。这使得企业能够在不影响敏感信息的情况下使用云服务。

边缘计算

计算越来越分散，企业需要更有效地为延迟敏感的应用程序提供处理能力。边缘计算在加速应用程序性能和提高效率方面发挥着关键作用。

边缘计算是指，在数据创建和使用点附近执行处理和存储。它的硬件（包括边缘服务器和超融合基础设施设备）在二级或三级数据中心运行。云提供商经常与第三方供应商或电信运营商合作，将其服务扩展到边缘，以进行本地化处理。

边缘计算的用例包括需要实时处理的应用程序，例如自动驾驶汽车、增强现实和虚拟现实以及智能城市。

边缘计算安全功能包括加密、身份验证和物理保护措施，以防止未经授权的访问，同时将敏感信息与其来源保持更近，而不是将其发送到云服务器。

雾计算

雾计算本质上是边缘计算的延伸。这是更分布式的模型，涉及多个级别的处理和存储。虽然雾计算为网络基础设施提供边缘设备和云计算设施之间的计算处理，但它并不局限于边缘或云。它支持在网络分散点的复杂分析和其他数据处理等用例。

雾计算安全性在边缘设备和云之间的分布式处理节点上创建了多层保护。它结合本地身份验证、加密数据传输和集中监控，以确保信息在不同级别的网络基础设施中安全传输。

这些模型如何支持高级应用程序

与其假设雾、边缘和云计算是竞争模型，不如考虑它们如何一起工作。每个模型在支持应用程序用例方面都有独特的作用，在某些环境中可以互补。让我们看看以下示例。

云计算环境通常是多租户的。虽然这可确保低成本，但这也引入有关安全和监管合规性的问题。由于数据创建点和消费点之间的距离，云计算没有优化以支持具有低延迟要求的应用程序。这时就需要边缘计算。

边缘计算是云计算的自然延伸。它使云服务接近数据创建和消费点，以支持实时分析。边缘计算部署的性质与本地化的数据存储要求非常一致，因此可解决安全和隐私问题。

然而，数据并不总是在创建时进行处理。雾计算在这里发挥作用，它适用于更复杂点用例，其中数据处理发生在网络不同位置。在跨位置和设备应用分析的大规模应用程序中，它很重要，例如大规模物联网部署。