雾计算是从云计算技术延伸发展出来的，专用于云平台靠近用户终端层面的边缘数据优化存储和调度的一项技术。
主要是针对云端平台上边缘数据的动态存储、响应效率等问题提出的一种数据存储优化解决方案。
由于云端数据存储采用的是集中式的处理方式，对于移动接入端所产生的大量时延性要求较高的数据的处理效果并不理想。
因此这类边缘数据的运算存储需要通过新的计算模型—雾计算来提高数据处理效率，而雾计算中最为核心的技术就是边缘数据存储缓冲置换技术。

本文来自于techweb，介绍了随着边缘计算热度不断升温，边缘计算和雾计算的差别，边缘计算如何分层部署等现实问题。
边缘计算强调的是边缘。
如果说云计算意味着要将所有的数据都汇总到后端的数据中心处理，那么边缘计算则是在靠近物或数据源头的网络边缘侧实现边缘智能。
正是基于这一特性，边缘计算能够实现数据的高频交互、实时传输，因此有望在物联网和人工智能时代大放异彩。
相关预测显示，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存。
随着物联网、云计算的发展，边缘计算正在兴起。
边缘计算源于工业领域，主要部署在终端设备或者网络节点上，旨在帮助工业生产中的设备，在数

机智云4.0物联网开发平台推出“ECE边缘计算引擎”、“RTBD实时大数据平台”、“GigaML吉咖机器学习”、“D3动态数据编排引擎”四款新产品，将云计算和雾计算结合，组成超大规模的物联网大数据和机器学习体系，配合应用赋能和傻瓜式操作界面，充分整合物联网、大数据和机器学习应用能力，进一步降低物联网产品和服务的研发和部署及维护难度，继续领跑物联网产业发展。
9月19日GODAY2016，机智云正式发布新一代机智云4.0物联网开发平台，在原有设备接入、设备管理和服务能力之上，增加了全新的ECE边缘计算引擎、RTBD实时大数据平台、GigaML吉咖机器学习、D3动态数据编排引擎，将云计算和雾计算结合

论文——雾计算中数据处理延迟与能耗最优化研讨

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。