① 玻璃的霧度如何定義和計算
霧度
定義
透明或半透明材料的內部或表面由於光漫射造成的雲霧狀或混濁的外觀。以漫射的光通量與透過材料的光通量之比的百分率表示。
計算方法
用標准「c」光源的一束平行光垂直照射到透明或半透明薄膜、片材、板材上，由於材料內部和表面造成散射，使部分平行光偏離入射方向大於2.5º的散射光通量Td與透過材料的光通量T2之比的百分率，即：霧度計算公式。是透明或半透明材料光學透明性的重要參數。
霧度和透光率是兩個概念。霧度大的材料可以是透光率不很低。如果用這樣的材料做窗玻璃，白天房間顯得很明亮，但又有隱蔽性；如果做汽車擋風玻璃，那顯然要求兩者都好，以便於觀察真切
② 霧計算是邊緣計算有什麼區別
霧計算
首先說說「霧計算」，處理能力放在包括 IoT設備的LAN裡面。這個網路內的IoT網關，或者說是霧節點用於數據收集，處理，存儲。多種來源的信息收集到網關里，處理後的數據發送回需要該數據的設備。
霧計算的特點是處理能力強的單個設備接收多個端點來的信息，處理後的信息發回需要的地方。和雲計算相比延遲更短。
和邊緣計算相比較的話，霧計算更具備可擴展性。具有集中處理的設備，設想的網路是從多個端點發送數據的大的網路。
霧計算不需要精確劃分處理能力的有無。根據設備的能力也可以執行某些受限處理，但是更復雜的處理實施的話需要積極的連接。
以吸塵器為例說明，集中化的霧節點(或者IoT網關)繼續從家中的感測器收集信息，檢測到垃圾的話就啟動吸塵器。
邊緣計算
邊緣計算，進一步推進了霧計算的「LAN內的處理能力」的理念，處理能力更靠近數據源。不是在中央伺服器里整理後實施處理，而是在網路內的各設備實施處理。
這樣，通過把感測器連接到可編程自動控制器(PAC)上，使處理和通信的把握成為可能。
和霧計算相比的優點，根據它的性質單一的故障點比較少。各自的設備獨立動作，可以判斷什麼數據保存在本地，什麼數據發到雲端。
以吸塵器為例說明，邊緣計算的解決方案里感測器各自判斷有沒有垃圾，來發送啟動吸塵器的信號。
雖然這2個解決方案帶來的東西有點相似，但是數據的收集，處理，通信的方法確實是不同的。都有各自的長處和短處，在各種情況下也會出現適合或不適合。IoT在我們的生活中越來越廣泛，將來接觸的機會也會更多，只記錄數據的感測器已經是明日黃花了。
③ 什麼是霧計算 霧計算的優勢是什麼
霧計算的概念在2011年被人提出，在2012年被作了詳細定義。正如雲計算一樣，霧計算也定義得十分形象。雲是高高的天上，十分抽象，而霧則接近地面，與你我同在。霧計算沒有強力的計算能力，只有一些弱的，零散的計算設備。
霧計算是一種對雲計算概念的延伸，上面介紹的雲計算弱點，霧計算都不具備。除此之外，它主要使用的是邊緣網路中的設備，數據傳遞具有極低時延。霧計算具有遼闊的地理分布，帶有大量網路節點的大規模感測器網路。霧計算移動性好，手機和其他移動設備可以互相之間直接通信，信號不必到雲端甚至基站去繞一圈，支持很高的移動性。
霧計算並非是些性能強大的伺服器，而是由性能較弱、更為分散的各種功能計算機組成，霧計算是介於雲計算和個人計算之間的，是半虛擬化的服務計算架構模型，強調數量，不管單個計算節點能力多麼弱都要發揮作用。與雲計算相比，霧計算所採用的架構更呈分布式，更接近網路邊緣。霧計算將數據、數據處理和應用程序集中在網路邊緣的設備中，而不像雲計算那樣將它們幾乎全部保存在雲中，數據的存儲及處理更依賴本地設備，而非伺服器。霧計算是新一代分布式計算，符合互聯網的「去中心化」特徵。自從思科提出了霧計算，已經有ARM、戴爾、英特爾、微軟等幾大科技公司以及普林斯頓大學加入了這個概念陣營，並成立了非盈利性組織開放霧聯盟，旨在推廣和加快開放霧計算的普及，促進物聯網發展。霧計算是以個人雲，私有雲，企業雲等小型雲為主。
霧計算和雲計算完全不同。雲計算是以IT運營商服務，社會公有雲為主的。霧計算以量制勝，強調數量，不管單個計算節點能力多麼弱都要發揮作用。雲計算則強調整體計算能力，一般由一堆集中的高性能計算設備完成計算。霧計算擴大了雲計算的網路計算模式，將網路計算從網路中心擴展到了網路邊緣，從而更加廣泛地應用於各種服務。霧計算有幾個明顯特徵：低延時和位置感知，更為廣泛的地理分布，適應移動性的應用，支持更多的邊緣節點。這些特徵使得移動業務部署更加方便，滿足更廣泛的節點接入。[
④ 邊緣計算與霧計算
隨著物聯網的快速發展以及大數據2.0時代的來臨，預計不久的將來將有500億台物聯網設備連接到互聯網，有50％的物聯網網路將面臨網路帶寬的限制，40％的數據需要在網路邊緣分析、處理與儲存。
過去，數據在前端採集通過網路傳輸在雲端計算，計算結果等一系列數據返回前端進行相應操作。然而，我們現在面臨的是巨大的物聯網設備的接入，每天產生的數據量給網路帶來了巨大的傳輸壓力，近TB級別的操作轉移到雲中進行實時數據交互是非常不現實的。
對於一輛自主駕駛的汽車來說，它需要更低的網路延遲，這也要求將計算能力轉移到更近的邊緣，以提高其工作的安全性。基於此背景，霧計算和邊緣計算得到了廣泛的重視。
先來看看邊緣計算和霧計算的概念。
霧計算
這個概念由思科在2011首創，是相對於雲計算而言的。它並非是些性能強大的伺服器，而是由性能較弱、更為分散的各種功能計算機組成，滲入電器、工廠、汽車、街燈及人們生活中的各種物品。
簡單點說，它拓展了雲計算的概念，相對於雲計算它離產生數據的地方更近，數據、數據相關的處理和應用程序都集中於網路邊緣的設備中，而不是幾乎全部保存在雲端。這里因「雲」而「霧」的命名源自「霧是更貼近地面的雲」這句話。
邊緣計算
它進一步推進了霧計算中「區域網處理能力」的理念，但實際上邊緣計算的概念提出比霧計算還要早。邊緣計算的起源可以追溯到上個世紀90年代，當時Akamai公司推出了內容傳送網路(CDN)，該網路在接近終端用戶設立了傳輸節點，這些節點能夠存儲緩存的靜態內容，如圖像和視頻等。
邊緣計算的處理能力更靠近數據源，其應用程序在邊緣側發起，產生更快的網路服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處於物理實體和工業連接之間，或處於物理實體的邊緣末端。
某些應用程序可能會收集大量數據，這些數據被發送到中央雲服務的成本很高。但是它們收集的數據中可能只有少量是有用的。如果在網路邊緣進行某些處理並且僅將相關信息發送到雲，則可以有效降低成本。
例如安全攝像頭，將24小時視頻發送到中央伺服器將是非常昂貴的，其中23個小時可能只是一個空盪盪的走廊。如果使用邊緣計算，您可以選擇僅發送實際發生某事的那一小時。
那麼兩者究竟有什麼區別？
簡單點來說，霧計算和邊緣計算都涉及到處理更接近原點的數據。關鍵的區別在於處理發生的確切位置。
為了區分邊緣計算和霧計算，讓我們考慮以智能城市為例。
想像一下配備了智能交通管理基礎設施的智能城市，交通信號燈上連接了一個感測器，可以檢測到交叉路口每側有多少車輛在等待，並優先為最大等待數量的車道轉動綠燈。這是一個相當簡單的計算，可以使用邊緣計算在交通燈本身中執行。這減少了需要通過網路發送的數據量，從而降低了運營和存儲成本。
現在，想像一下這些交通信號燈是連接對象網路的一部分，包括更多交通信號燈，行人過路處，污染監視器，公交車GPS跟蹤器等等。
是否在五秒鍾或十秒內將交通信號燈變為綠色，這樣一個決定就會變得更加復雜。也許此時有一輛公共汽車在交叉路口的一側遲到了，也許該市決定在下雨時優先考慮行人和騎自行車的人，也許附近設有人行橫道或自行車道，等等，都會影響最終的判斷。
在這種更復雜的情況下，計算的判斷邏輯也會更復雜一些，此時我們可以在本地部署一個微型數據中心，以便分析來自多個邊緣節點的數據。這些微型數據中心就像區域網內的本地迷你雲一樣，被認為是霧計算。
由此看來，物聯網需要真正的邊緣計算/霧計算來應對日益增大的數據處理需求。未來邊緣計算市場規模將超萬億，成為與雲計算平分秋色的新興市場。