邊緣計算與云計算和霧計算的概念密切相關 。盡管這些概念之間存在一些重疊，但它們并不是一回事，通常不應互換使用。比較這些概念并理解它們之間的差異是有幫助的。

了解 邊緣計算、云計算和霧計算之間差異的最簡單方法之一 是突出它們的共同主題：所有三個概念都與分布式計算相關，并側重于與正在生成的數據相關的計算和存儲資源的物理部署. 不同之處在于這些資源位于何處。

比較邊緣云、云計算和邊緣計算，以確定哪種模型最適合您。

邊緣：邊緣計算是在產生數據的位置部署計算和存儲資源。理想情況下，這會將計算和存儲與網絡邊緣的數據源放在同一點。例如，可以在風力渦輪機頂部安裝一個帶有多個服務器和一些存儲的小型機箱，以收集和處理渦輪機本身傳感器產生的數據。作為另一個示例，火車站可能會在車站內放置適量的計算和存儲，以收集和處理無數的軌道和鐵路交通傳感器數據。然后可以將任何此類處理的結果發送回另一個數據中心進行人工審查、存檔，并與其他數據結果合并以進行更廣泛的分析。

云：云計算是在多個分布式全球位置（區域）之一的計算和存儲資源的巨大、高度可擴展的部署。云提供商還為物聯網運營整合了各種預打包服務，使云成為物聯網部署的首選集中式平臺。但是，即使云計算提供的資源和服務遠遠超過處理復雜分析的能力，最近的區域云設施仍可能距離數據收集點數百英里，并且連接依賴于支持傳統數據的相同喜怒無常的互聯網連接中心。在實踐中，云計算是傳統數據中心的替代品——有時是補充品。云可以讓集中計算更接近數據源，但不能在網絡邊緣。

多霧路段：但計算和存儲部署的選擇并不局限于云或邊緣。云數據中心可能距離太遠，但邊緣部署可能過于資源有限，或者物理上分散或分散，無法使嚴格的邊緣計算變得實用。在這種情況下，霧計算的概念可以提供幫助。霧計算通常會后退一步，將計算和存儲資源置于數據“內部”，但不一定“置于”數據中。

霧計算環境可以產生令人眼花繚亂的傳感器或物聯網數據，這些數據跨越太大而無法定義 邊緣的廣闊物理區域。示例包括智能建筑、智能城市甚至智能公用電網。考慮一個智慧城市，其中數據可用于跟蹤、分析和優化公共交通系統、市政公用事業、城市服務并指導長期城市規劃。單一的邊緣部署根本不足以處理這樣的負載，因此霧計算可以 在環境范圍內操作一系列霧節點部署來收集、處理和分析數據。

注意：重要的是要重申， 霧計算和邊緣計算 具有幾乎相同的定義和架構，即使在技術專家之間，這些術語有時也可以互換使用。