全文共3060字，预计学习时长9分钟
来源：Pexels
架构领域的小伙伴们，了解“流体计算”吗？
热词“流体计算”，是架构领域一个被大大低估的术语。
那么，什么是“流体计算”呢？
流体计算是雾计算、边缘计算、MIST计算以及云计算的主要集合，是最通用的架构之一，有助于彻底改变企业的运作方式。本质上，流体计算即计算资源（包括CPU、存储和内存）通过虚拟设备进入路由器和服务器等功能的流程。
不像其他模型那样，这个术语在技术领域得到的认可度并不高。
鉴于处理能力比信息传递速率应用更广泛，经证明，数据中心服务器当前的CPU利用率（不到60%）和内存利用率（不到50%）与大规模实施无关（统计资料来源： IEEE研究论文）。因此，本文旨在探讨尚未发生的根本性变化。
一个著名的比喻
可以通过可视化水循环来理解流体计算模型。在地面层（edge），雾（fog）是地表的第一层水（流体），随后是水雾（mist），最终一直到云层的上方。就计算机体系结构而言，edge代表地面；fog是物理系统和网络实体之间的中介，Mist则提供本地化处理，并将数据转发到云数据中心，以完成整个链。云（clouds）对信息做出响应，并完成维持应用程序的循环。
流体计算的发展
来源：Pexels
当前以云为中心的方法需要集中“决策”，这给大规模工作条件下的部署造成重大障碍。例如，如果试图运行一个成熟的CIOT或IIOT（消费者/工业物联网）系统，将会遇到包括延迟、带宽利用率和成本因素在内的一系列问题。
总的来说，它们描述了将智能定位到“edge”的需要，以统一数据的收集和决策的位置。云架构的单独使用并不能完美地满足部署环境的需求。
例如，一家位于偏远地区的工业物联网工厂，将不得不依靠位于数千英里之外的中央服务器。这可能会引起处理能力和数据可用性方面的问题，后文将会对这部分作出解释。
因此，可以通过被称为“雾（Fog）计算”的分布式计算模型来解决以上情况，该模型允许使用中间数据处理中心来抑制延迟并优化流程。Fog服务器处理的信息与云服务器共享，云服务器可以将Fog服务器与整个系统连接起来。
然而，“Mist计算”作为雾计算和云计算之间的附加层，是一个集中式和分布式模型的混合架构。它的服务器位于定义边界内相对靠近数据中心的位置，如大都市地区。
市场统计：到2022年，全球移动数据流量可达每年1ZB。（Cisco）
一个组织必须考虑数据中心的运行成本、CPU利用率，而不是关注“软件化”和“数字双胞胎”的使用。CIOT和IIOT系统的实际实施将对这些方面构成挑战，因为通信渠道会影响流程质量。
这个问题的严重性可以通过电信公司垄断“带宽”而剥削普通大众这一事实来理解。所以，就像在过去使用手机，要想享受更好的服务，就要付更多的钱。
流体计算是一种专注于运营方面的方法，旨在绕过电信公司在互联网上享受“优先服务”的经济负担。还需要注意的是，硬件或网络不是即兴创作的一部分，而是经典方法。
一个假设案例
来源：Pexels
这里有一个基于物联网（IoT）的城市智能车队管理系统的案例。道路上的汽车数量取决于人们愿意从一个地方到另一个地方的意愿、城市中所有可通行的道路、来自其他地区的车辆数量、以及不同时间段在不同地点举行的活动等。
还要考虑其他情况，如在不同地方发生的汽车故障和不断恶化的天气状况。在这种情况下，由于优先级冲突会在连接带宽促进决策时造成问题，所以防止事故的发生会变得棘手。因此，经证明，事故将对安全造成威胁。在大规模的现实应用中，依赖云可能是一个错误的决定。
洞察：以客户为中心的设计将是运营模式的未来。（麦肯锡）
流体计算对计算有什么影响？
其应用程序很大一部分是基于企业的应用而设计的，在企业中，通过使用计算机来执行、监控、管理和控制流程。在传统模型中，驱动处理和感知反馈的设备是通过网络连接到数据应用程序的。
由于技术缺陷，它在安全性、速度、可伸缩性和成本方面都存在不足。流体计算作为弹性介质嵌入到整个网络物理系统中。
传统平台将难以为大规模通信提供足够的带宽，这将会给应用程序造成延迟问题。另一方面，虚拟外围设备和智能边缘化将消除由于应用中心和数据中心传输数据的带宽有限而产生的问题。
Edge架构增强了外围设备之间的内部通信，并将存储在本地和云上的数据智能分布。雾节点有助于将智能定位到局域网，从而实现信息的即时实时处理。
在计算能力方面，网络连接和存储的相对成本较低。因此，可扩展操作的程度得到了提高。Mist服务器将fog服务器与云服务器连接起来，以完成分布式模型和集中式云系统之间的链接。在促进决策本地化的同时，这一架构将促进两者之间的沟通。
在实施该架构时，需要考虑灵敏度要求和所需的边缘功能，因为在所有操作中使用云并不是必要的。
通过以下几点来理解其鲁棒性
在持续暴露于外部威胁的情况下，人类或九头蛇中的哪一个会更加危险？就人类在战争中的情况而言，他们可以很快被一枪击毙。但是，就九头蛇而言，局部化的神经系统使其难以通过瞄准身体的重要部位而被杀死。
来源：Pexels
此外，薪资软件是集中和区域化的混合，从大量活动中获取数据，并以补偿数字的形式生成单个输出。类似地，为了优化系统的运行效率，流体计算可以在决策本地化、数据存储和集中化需求之间智能切换。
可能会在未来改进的架构
量子计算
这确实是发生在过去的一次冲击，它出现在爱因斯坦和他的团队的研究论文中。量子计算建立在量子理论的基础上，利用粒子分离时保持状态的特性。一个粒子的变化将会反映在位于无限远处的另一个粒子上。
量子纠缠在实际应用中日益普及，这可能会导致网络理论的消失。利用薛定谔方程（线性微分方程）实现两个量子态的叠加也是一种可能的计算理论。
终结者/难以成为神：生物计算机
随着基因工程的迅速发展，这些流行的科幻概念在未来可能会成为现实。最近，科学家开发了吃塑料的细菌来解决污染问题。
在未来，很有可能创造出处理数据的生物体，就像植物表现出的维持生命的核心光合作用活动。将它们与软件实体连接将为更多可能性打开大门。
总结
随着流体架构的工业规模应用，未来将见证计算领域的巨大变化。可扩展性、通过虚拟设备提高效率、更高的安全性和成本优化等优势将成为选择动态模型的主要原因。然而，这在很大程度上取决于市场上现有产品的标准化。
开源技术和广泛的公共图书馆被用于控制设备生命周期的波动性，更新旧系统中的新设备，并在旧系统中加入新设备。网络物理系统的每个组成部分，包括执行器、传感器、数据存储中心、服务器和网络结构，都要采用标准化管理。
因此，制造和软件开发都需要考虑互操作性。
流动的能力，即根据功能需求而变化，将有助于提高全球生活质量。经济利益将是镶嵌在王冠上的另一颗宝石，因为与通货紧缩齐头并进的便利性是一种罕见的现象。
而流体计算势必会有助于这一趋势发展，对计算领域产生深远影响。
来源：Pexels
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
