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。

物联网中的Can通信协议带动四大计算模式

通过物联网与Can通信协议结合，可以更有效地推动并处理你的感知数据。在这个过程中，你有一个摄入模块，它可以接收来自各种设备的大量数据，并存储在一个巨大的存储库（如Hadoop或Cassandra）中，然后使用高效率的大规模并行处理技术（如Apache Spark、Azure HDInsight、Hive等）进行分析，以便做出快速决策。随着越来越多的人开始构建物联网解决方案，现在有了许多新的产品和服务，可以极大地简化这一过程：你可以利用AWS Kinesis和Big Data Lambda Services；或者，你可以利用像Google Cloud这样的工具，如Cloud IoT Core。

然而，在物联网中面临的一些挑战包括：企业对于拥有他们自己的私人平台感到不安；延迟和网络断开的问题；增加了存储成本、安全性以及持久性；通常，大型机架式服务器不足以满足复杂的大型摄取模块所需。此外，由于没有像Sigfox和LoraWAN那样的无线解决方案，或BLE mesh功能，所以必须依赖更昂贵的网络解决方案以确保建立安全且持续连接到远程单元。

面向物联网的雾计算

雾计算则提供了一种更加强大的解决方案，它使用的是本地处理单元或节点，而不是将所有信息一路发往云端并等待服务器响应。这是一个相对较新的概念，但已经被证明能够显著提高性能。OpenFog是一个开放雾计算框架，它为开发人员提供了试验台、参考体系结构以及详细规范，使得实现基于雾计算架构变得简单而直接。

物联网边缘计算

边缘智能则专注于捕捉微小交互作用，并尽可能快作出反应。而边缘节点即使距离源头最近，也能应用机器学习算法。如果讨论到了边缘与雾之争，我们应该明白，那么边缘就是关于智能传感节点，而雾则是在局域范围内为大量操作提供额外能力。例如，微软已发布AzureIoTEdge，以提升网关上的机器智能，而亚马逊也推出了AWSGreengrass，以增强传感器节点上同样能力。尽管这些都是非常好的选择，可让工作变得容易，但它们也改变了人们对“边界”意味着什么的一切理解。

物联MIST计算模型

最后，还有一种特殊类型的小型设备，为MIST计算模式提供补充，不必等待年后的新技术出现。这类设备通过引入网络功能，将工作负载分配给不同的网络层次，同时不依赖于既有的边界或迷雾计算模型，从而促进高速信息提取及分析。此外，对于Mesh网络来说，将会发现这种MIST计算模式不仅会得到加速，而且还能很好地适应其特定的要求，比如256KB内存大小及100KB/秒以上的事务速度。