随着全球互联网数据量的增加，给云计算资源带来了挑战。边缘和雾计算体系结构是其中的选择方案之一。

自2000年代初以来，通过连接设备网络的IT资源经历了难以置信的增长。用户通过连接互联网获得这些资源。云计算提供基础设施和软件服务。

目前使用的云计算服务有三种：

1，软件应用，如微软的Office365和谷歌的Gmail。

2，基础设施提供虚拟计算，如数据存储Dropbox和iCloud。

3，平台作为开发人员的一种开发工具。

云计算服务提供了几个引人注目的优势：

* 大大减少了对信息技术设备的初始投资

* 取消了陈旧设备昂贵的升级更换

* 减少设备维修和相关人工费用

* 软件最新版本自动更新

* 通过加密和冗余安全存储数据

* 数据可以很容易地通过访问云来共享，可以从任何地方任何时候访问数据

* 弹性和几乎无限的资源扩大和缩小，来满足当前的需求

* 可以配置普通计算机或超级计算机

* 按用户类型付费，也可按使用比例分配付费

* 在有限的时间内立即获得高度专业化的方案

* 减少当地电力消耗

云计算席卷占领了全球计算世界。在过去的几年里，云计算服务在消费者和商业业务层面都出现了迅猛的扩张。2019年云服务全球总市场价值，估计在2,280亿美金到2,530亿美金之间，预测到2023年，该价值可能达到6,230亿美金。现在，COVID-19大流行进一步加速了云服务的利用，市场价值会变得更高。

亚马逊WebServices占了行业33%的市场，其次是微软Azure占18%和谷歌云占8%。 云计算服务供应商是最近病毒流行的极少数受益者之一，因为数百万在家的居民已经转向互联网工作和游乐。

然而，云服务确实带来了一些担忧和限制。当然，访问程序和存储到云和从云到本地受到互连速度的限制。将所有IT资源放在中央数据中心引起了对该站点发生重大设备故障或自然灾害时的安全性的关注。 当数据存储在另一家公司拥有的服务器上时，也存在知识产权问题。

最严重的关注是围绕存储在公有云中的数据安全性。一个解决方案是私有云的兴起，私有云通常由一家大型公司拥有和运营，专门供员工使用。敏感数据永远不会进入公共互联网或第三方服务器。公司还可能创建混合云，在私有云上保护敏感数据，而普通通信则在公有云上进行处理。

云在物联网的实现中起着关键作用，这对云计算的集中式结构提出了一些问题。 由于潜在的数十亿新的连接设备试图通过云进行通信，远程服务器架构可能不是最有效的方法。 以云为中心的通信需要足够的连通性，在一些移动应用和农村地区可能并非如此。 云还假设每个节点将有足够的带宽来支持应用程序。 对于能够产生大量数据的工厂自动化应用来说，这一点尤其重要。 最后，数据传输到远程云和访问远程云将经历延迟，这在一些消费应用中可能是可以接受的，但对于实时、高速过程控制、医疗和机器到机器的应用来说是不可接受的。 这些现实世界的约束对集中式计算模型的效率有很大的影响。一些替代方案提出了更分散的计算基础设施。

一个解决方案是回到分布式计算模型的概念。分布式计算不会迫使用户在大型中央数据中心竞争计算资源，而是利用更小的服务器和存储单元，这些服务器和存储单元可能更接近消费者。 通过这种趋势，云计算可能会演变成雾计算体系结构。

雾计算体系结构的优点包括减少延迟、提高安全性、更高的可靠性和提供位置感知的能力。 一个网络模型，定位服务器更接近用户可能能够解决许多云的缺点，但可能增加系统的复杂性。

数据可以在雾计算体系结构中的设备之间直接处理和共享，从而消除了对云计算的访问延迟。简单的物联网设备，如灯泡和门锁，不需要广泛的计算支持，可以更有效地运行，而不会导致更高的核心或云级别的阻塞。 雾计算还可以使我们更接近实时响应，这对于支持自主运输、远程医疗程序和工业控制应用至关重要。

分布式处理的第三个变化是边缘计算。 该层将智能、存储和通信直接推送到单个设备。 服务器、智能传感器和位于边缘附近或边缘的数十亿终端用户设备能够立即通信，能够即时执行简单任务和基本分析，或将请求发送到雾或云进行更密集的分析。 边缘计算允许核心数据中心和云通过将简单任务卸载到边缘设备来提高效率，从而降低带宽需求。

在边缘应用创新继续进行。 IBM最近宣布了其Edge Application Manager，它使用人工智能(AI)管理多达10,000个边缘应用。 此服务将验证边缘应用是否安全，并将其更新到最新版本。 云、边缘和雾计算对连接器制造商来说是不同的机遇和挑战。

为了支持对云服务日益增长的需求，中央数据中心必须继续升级其设备，对更快服务器和交换机的需求，需要增加输入/输出(I/O)面板密度。 对更快服务器和交换机的需求的铜和光纤电缆需求可能会增长，内部序列化器/去序列化器(SerDes)到I/O面板链接将增加。 中板和可插拔光学收发器以及前沿背板接口也应该会增加。 预期数据中心将升级到400GBE，最终到800GBE，这将刺激数据中心更多新型连接器的采购。 广泛应用AI还将推动硬件扩展。 鉴于大型中央数据中心的数量相对有限，这些最先进的互连线缆和连接器销售量可能较小，但单价要高得多。

随着更多的用户向云计算基础设施过渡，对传统上安装在各个公司站点的中低档计算机和电力设备的需求将减少。 这类设备中使用的许多连接器已经商品化，盈利能力降低。 同时，提供雾计算服务的服务器数量将达到数百万，这意味着常用的连接器具有巨大增长潜力。我们期望使用当前PCIe、Gen-Z和CXL互连标准连接器有所增长。

边缘连接的设备将包含相对低成本、低速的接口，对于某些应用可能不需要连续的互联网访问，因为它们集成了足够的计算和存储资源来支持简单的操作。 然而，随着时间的推移，位于边缘设备可能需要更高的性能接口，以便在诸如自主传输等应用中尽可能的减少延迟。

Molex Contrinex感应和光电传感器

(这是一种独立的传感器，具有集成的I/O链路、紧凑、牢固的外壳和大范围传感性能，是工业环境应用的理想选择。)

对于其中一个网络层次结构的结束和另一个层次结构的开始，也有一些争论。 雾和边缘计算水平之间的另一个“雾”水平已经被提出，并进一步模糊了分界点。 另一观点是不区分雾层，而是将两者结合到边缘计算的定义中。 无论如何，物联网设备、连接车辆、智能电网、智能城市、智能家居、连接医疗保健和机器到机器通信的爆炸性增长将为更多的网关、路由器、交换机、IP摄像机和传感器创造机会-所有这些都包含了众多电子连接器。

欧姆龙最新的D6T热红外传感器

(该传感器可从Sager，扩大目前的D6T线的1×8和4×4热红外传感器，具有新的高温物体检测能力。 这些传感器在智能家居、建筑系统和其他自动化设备中具有实用价值。)

人工智能和5G通信的新兴技术，以及云、雾和边缘计算，对于充分利用商业和工业物联网的能力至关重要。 电子传感器，特别是那些将用于自主运输的传感器将需要实时响应。 雾和边缘计算将能够提供他们所需的低延迟。 先进的“智能传感器”将能够在本地感知、分析和响应。 将互联网流量卸载到更接近用户的服务器是提高网络效率并使其能够支持数十亿新的连接设备的最具成本效益的方法。 下一个可能的步骤将AI直接进入边缘。

SSI技术的P51媒体传感器系列

(适用于各种汽车、工业和商业应用，其中成本、尺寸和性能至关重要。)

能够全天候访问任何地方的数据，同时尽量减少计算基础设施的成本，继续推动采用云服务。 使这些资源更接近数十亿连接的物联网设备。 边缘和雾计算设备的扩展层将为包括连接器在内的电子元器件制造商提供极好的增长机会。