物联网四大计算模式：探索智能连接的艺术与科技

在物联网的世界里，计算的可用性和分布式需求是我们常见的问题。当我们将物联网与OT和IT系统融合时，面临的一个主要挑战就是如何处理来自数百个集成传感器的大量数据。这些传感器每秒钟产生3个数据点，而且这大量的数据通常只在5秒钟内就失去价值。

为了应对这一挑战，大多数支持者倾向于云模型，即将所有数据都发送到云端。这是物联网中的一种基本计算模式。通过物联网和云计算，我们可以推动并处理感知数据，在云端进行存储、并行处理（使用Spark、Azure HDInsight、Hive等），然后利用即时信息做出决策。

随着构建物联网解决方案的发展，现在有了许多新产品和服务，可以轻松地实现这一点，如AWS Kinesis 和 Big Data Lambda Services，以及Azure生态系统，使得构建大数据能力变得异常容易。Google Cloud产品如Cloud IoT Core也提供了强大的工具。

然而，面临一些挑战，比如私有平台用户和企业对于拥有他们数据在谷歌、微软或亚马逊等巨头手中的不适；延迟和网络中断问题；增加存储成本、安全性及持久性；以及通常，大型摄入模块无法满足需求的大规模处理能力。

雾计算模式

雾计算能够进一步加强我们的能力。在这个模式下，我们使用的是本地设备，而不是将所有数据一路发送到云端再回复服务器。这意味着更快，更直接地响应，以减少延迟，并降低网络开销。

4-5年前，没有像Sigfox或LoraWAN这样的无线解决方案，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来确保建立一个安全且持久连接到中央单元，这个中心单元是整个解决方案的心脏部分，但很少有专业供应商提供这种完整性的解决方案。

实施雾网络需要深厚的知识背景，不仅要理解软件开发，还要了解很多技术细节。而当把网络视作屏障时，它会降低速度。此外，由于涉及多个供应商，通常还会遇到供应商锁定问题。

OpenFog是一个由业内专家设计为雾计算架构开放框架，它提供了用例试验台技术规格以及参考体系结构，为雾网运营提供支持。

物联网边缘计算

边缘计算是在最接近传感器区域的地方应用机器学习。如果讨论边缘与雾之间的话题，就应该明白边缘指的是智能传感器节点，而雾则指的是局域网络，为大规模操作提供额外的人工智能力量。

行业巨头如微软与亚马逊已经发布了Azure IoT Edge & AWS Greengrass，以提升网关与传感器节点上的机器智能，使得工作变得简单而高效。但这也显著改变了从业者所知道和使用边缘概念含义。真正的边缘不应该要求机器学习算法运行于网关上，而是一种神经元装置，可以预装机制学习算法以服务特定目的。这能带来什么？比如仓库结束节点可以执行本地NLP，对关键字符串执行密码验证，比如“芝麻开门”。

MIST 计算

MIST 计算结合了基于云、本地化、高性能数据库（HTAP）三种模型，旨在促进物联网中的快速高效智能化处理。大型企业可能采用基于MIST 的模型，将其作为一种补充，无需等待更多年的时间，就能引入新的设备功能分配工作负载，同时避免现有的雾气或边际效果给予动态智慧模型。

这种模式带来了高速、大容量存储设备，有256KB内存大小，每秒100KB/秒速度，适用于Mesh 网络环境，与MIST 系统相辅相成，一旦被提出，其潜力无限广阔。

最后，如果你想让你的业务更加先进，你需要考虑如何有效利用这些四种不同类型——包括基于cloud, mist, edge and fog— 的iot 设备来优化您的运营流程，并提高客户体验。