物联 架构

Edge Layer之下应该还有一个：Device Layer
设备层负责物联 设备的传感器采集、监控、数据的实时分析（需要使用其他技术）等信息。 物联 架构中，服务组织是自下向上的，即边缘计算的结果可以提供给雾计算用于数据处理，同时数据处理的结果也会提供给云计算提供实际数据服务，这些过程中，数据的流动方向也是可逆的。
严重依赖数据的组织越来越有可能使用云、雾和边缘计算基础设施。这些架构允许组织利用各种计算和数据存储资源，包括工业物联 (IIoT)。云、雾和边缘计算可能看起来相似，但它们是工业物联 的不同层。工业物联 的边缘计算允许在多个决策点进行本地处理，以减少 络流量。WINSYSTEMS在工业嵌入式计算机系统方面的专业知识可以利用工业物联 的力量，使高性能工业应用程序的成功设计成为可能。

Cloud Computing 云计算

Fog Computing 雾计算

雾计算——思科公司创造的一个术语——指的是将云计算扩展到企业 络的边缘。它将智能推进到 络架构的局域 (LAN)级别，在雾节点或物联 关中处理数据。简单地说，就是把你的电脑移到与之对话的传感器附近。雾计算和边缘计算看起来很相似，因为它们都涉及到使智能和处理更接近于数据的生成。然而，两者之间的关键区别在于智能和计算能力的位置，雾环境将智能置于局域 (LAN)。
该体系结构将数据从端点传输到 关，然后在 关将数据传输到源进行处理和返回传输。边缘计算将智能和处理能力置于嵌入式自动化控制器等设备中。例如，一次
雾计算的一个例子是火车。作为工业物联 崛起的一部分，火车和轨道正在配备新一代的小工具和传感器，火车作为从这些传感器收集的所有数据的中心枢纽。问题是，由于火车运行速度太快，很难保持与云的连接。通过在机车上安装一些雾计算节点，可以绕过这个问题。喷气发动机测试会很快产生大量有关发动机性能和状态的数据。在这个应用程序中，工业 关通常用于从边缘设备收集数据，然后将数据发送到局域 进行处理。雾计算使用边缘设备和 关，由局域 提供处理能力。这些设备需要高效，这意味着它们需要很少的电力和产生很少的热量。
然而，雾计算的架构依赖于通信链中的许多链接，将数据从我们资产的物理世界转移到信息技术的数字世界。这些链接中的每一个都是潜在的故障点。

Edge Computing 边缘计算

物联 为商业 络引入了几乎无限数量的终端。这种趋势使得在单个数据中心整合数据和处理变得更具挑战性，从而催生了“边缘计算”的使用。这种架构在离数据源更近的 络边缘执行计算。边缘计算可以定义为对传感器数据的处理，远离集中的节点，接近 络的逻辑边缘，朝向单个数据源。它有效地将计算函数推到 络的边缘。换句话说，这个过程发生在离数据源更近的地方，而不是将所有数据回送到云中进行分析和操作。
边缘计算是点对点 络、分布式数据、自愈 络技术和远程云服务等老技术的延伸。它由小型硬件驱动，配有闪存阵列，提供了高度优化的性能。边缘计算设备中使用的处理器在低功耗需求的情况下提供了更好的硬件安全性。边缘计算对数据进行局部分类，减少了到中央存储库的回程流量。它简化了雾的通信链，减少了潜在的故障点。边缘设备可以是任何具有足够计算能力和能力的设备，如路由器、交换机，甚至收集数据的物联 传感器。
工业物联 由边缘、雾和云架构层组成，因此边缘和雾层相互补充。雾计算使用一个与工业 关和局域 内的嵌入式计算机系统交互的中央系统，而边缘计算则在直接与传感器和控制器连接的嵌入式计算平台上执行大部分处理。然而，这种区别并不总是清晰的，因为组织在数据处理方法上可能是高度可变的。
与传统架构相比，边缘计算提供了许多优势，比如在云计算系统中优化资源使用。在 络边缘执行计算减少了 络流量，降低了数据瓶颈的风险。边缘计算还通过加密靠近 络核心的数据来提高安全性，同时优化离核心较远的数据以提高性能。
控制对于工业环境中的边缘计算是非常重要的，因为它需要一个双向的过程来处理数据。WINSYSTEMS的嵌入式系统可以在 络边缘实时收集数据，并在将数据移交给更高级别的计算环境之前对其进行处理。