在物联网领域，计算模式的多样性为数据处理和智能化提供了强有力的支持。从一个物联网从业者的视角来看，我们经常面临着如何更好地利用计算资源的问题。当我们将物联网与OT（操作技术）和IT（信息技术）系统整合时，首先需要解决的是设备发送到服务器的海量数据问题。在一个自动化工厂中，可能会有数百个集成的传感器，每秒钟产生3个数据点。大部分传感器数据在5秒后就变得无用了。数百个传感器、多个网关、多个进程以及多个系统，都需要几乎瞬间处理这些数据。大多数支持者都倾向于云模型，即总是应该将一些东西推送到云端。这也是物联网计算基础中的第一种模式。

物联网的云计算

通过结合物联网和云计算模型，我们可以大规模推动并处理感知数据。您拥有一台摄入模块，可以接收并存储大量数据，然后对其进行并行处理（Spark、Azure HDInsight等），最后使用即时信息做出决策。自从开始构建物联网解决方案以来，现在有许多新的产品和服务可以轻松实现这一点：AWS Kinesis 和 Big Data Lambda Services；Azure生态系统，让构建大型数据能力变得异常容易；Google Cloud产品，如Cloud IoT Core。在面对挑战时，我们需要考虑私有平台用户对于自己的数据不愿意放弃给像Google、Microsoft或Amazon这样的巨头，以及延迟和网络中断问题。此外，还要增加存储成本、保证安全性和持久性。

面向物联网的雾计算

雾计算使得本地处理单元或电脑更加强大，它们不是将所有传感器读取直接发送至服务器，而是在本地进行实时分析，并快速响应。这一概念几年前尚未成熟，没有像Sigfox或LoraWAN那样的无线解决方案，也没有BLE mesh或远程功能，因此必须使用更昂贵的网络解决方案，以确保建立安全、高效连接到中心单元。本机学习算法通常由专业供应商提供，但这也意味着高度依赖于特定供应商。

物联网边缘计算

边缘计算离源头最近，可以应用机器学习于智能传感节点上。如果讨论涉及到了边缘与雾之间的差异，就应该理解边缘指的是智能传感节点应用，而雾则是局域网络，为大量操作提供额外的运算能力。微软和亚马逊等行业巨头已经发布了Azure IoT Edge 和 AWS Greengrass，以提升网关与传感器节点上的机器智能。但这改变了人们对于边缘意义所知晓且使用的一切。

物联MIST 计算

MIST是一种补充雾与边际作用，使之更加完善而不必再次等待新技术出现。它引入网络功能分配工作负载，无需依赖动态智能模型既能带来高速加工速度又能提取智能信息。而这种模式下，一些设备具备256kb内存大小及其约100kb/秒 的速度，这对于Mesh网络来说是一个促进者，将会有人提出基于MIST系统更好的模型，以便其简单易用。