从物联网从业者的角度来看，经常看到对计算更加可用和分布式的需求。当开始将物联网与OT和IT系统整合时，面临的第一个问题是设备发送到服务器的庞大数据量。在一个工厂自动化的场景中，可能有数百个集成的传感器，这些传感器每1秒发送3个数据点。大部分的传感器数据在5秒钟之后就完全没用了。数百个传感器，多个网关，多个进程，以及多个系统，都需要几乎在瞬间处理这些数据。大多数数据处理支持者都支持云模型，即总是应该向云发送一些东西。这也是第一种物联网计算基础。

通过物联网和云计算模型，我们基本上推动并处理你的感官数据在云。你有一个摄入模块，它可以接收数据并存储在一个巨大的存储库中，然后对它进行并行处理（它可以是Spark, AzureHDInsight, Hive等等），然后使用快节奏信息来做决定。自从开始构建物联网解决方案，现在有了许多新的产品和服务，可以非常容易地做到这一点：你可以使用AWSKinesis和BigDataLambdaservices；你也可以利用Azure生态系统，让构建大数据能力变得极其容易；或者，你还可以使用像GoogleCloud产品这样的工具，如CloudIoTCore。

然而，在物联网中面临的一些挑战包括：私有平台用户以及企业对于拥有他们的数据在谷歌、微软、亚马逊等感到不舒服；延迟和网络中断问题；增加了存储成本、安全性以及持久性。通常，大型机学习框架不足以创建能够满足所有这些需求的大型摄入模块。

面向物联网雾计算

通过雾计算，可以变得更加强大。雾计算使用的是本地处理单元或边缘设备，而不是将所有流量直接发往云端，并期待服务器进行一切操作及响应。此外，由于当时尚未出现如Sigfox与LoraWAN这类无线解决方案，或BLE mesh远程功能，因此必须采用更昂贵网络解决方案，以确保建立一种安全且持久性的连接至所需之处。此中心单元即为该解决方案核心，其专业提供商则较少见。

实施一座雾网络便能领悟：

这并不简单，需要理解许多事项。

在物理层面构建软件或说所做之事，是更直接且开放性的。而当把网络作为一道屏障时，它会降低速度。

对于这样的实现，还需大量团队与供应商协同工作，同时也常常遇到供应商锁定的问题。

OpenFog是一个由行业内知名专家开发，以专门为雾计算架构设计而来的开放源代码框架，为此提供了案例研究试验台技术规格以及参考体系结构。

物联网边缘智能

物联网就是捕捉微小交互作用，并尽可能快速作出反应。边缘智能最接近原始资料，将应用机器学习算法。如果讨论陷入边缘与雾之间，则应明白，不同实践分别针对不同的目标——前者涉及智能传感节点应用，而后者则围绕局域网络提供高效运算能力。这两种概念虽然相似，却各自扮演着不同的角色，就如同微软与亚马逊发布AzureIoTEdge 与 AWS GreenGrass 提供给网关与传感节点上的增强智能一样，这使得从业人员了解到的含义发生显著变化。

物联MIST计

MIST计结合三种模式促进了材料科学中的知识产权管理过程：

基于云部署模型；

基于霭部署模型；

基于边际部署模型；

最后，还有一种特殊类型补充霭智慧，使其成为提升性能而不必再仰赖年长旧技术手段的一个选择。引入这种新型设备以扩展它们之间通信方式，从而分配工作负载既没有霭智也不具有边际智慧带来的优势。一旦这个模式被建立，便能激活高速实时信息获取，有着256KB内存大小及100kb/秒以上速率可供转移。此外，对Mesh 网络来说，无疑会发现这样一种广泛推崇但又简化后的MIST 计模式的人们提出了一个更好的基于此系统之上的潜力发展路径，可轻松利用其中之一步骤完成任务。不过这个创意还未得到全面验证，所以我们不能保证是否真的有效果。但由于存在可能性因此值得探索深入进一步测试以确定是否适用于实际环境中的各种情况，因为任何创新都是为了改善现状减少复杂度提高效率，但是否真正成功依然待观决断。