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，大型摄入模块不足以创建能够满足所有需求的大型摄入模块。

面向物联网的雾计算通过雾计算，可以变得更加强大。雾计算采用的是本地处理单元或电脑，而不是将所有东西一路发往云端，并期待服务器处理响应。4-5年前，还没有像Sigfox或LoraWAN那样的无线解决方案，没有BLE mesh或远程功能，因此必须使用更昂贵网络解决方案，以确保建立安全且持续连接到核心单元。这是一个中心单元，是整个解决方案的心脏，不太会见识专业供应商提供专门解答。

从实施雾网络中我们能了解到：这并不简单，需要理解很多事情。构建软件，在机电工程上所做的事情，更直接而开放。而当把网络作为屏障时，它会降低速度。对于这样的实现，你需要大量团队与众多供应商合作。而且通常也会遭遇供应商锁定风险。

OpenFog是一个由著名行业人士开发出来为雾智能架构设计的一个开放框架。他提供了试验台，用例技术规格还有参考体系结构，使得这个领域更加清晰明朗。

物联网边缘计算

机电工程涉及捕捉微小交互作用，并尽可能快速作出反应。

边缘计算离源头最近，有能力应用于智能传感器节点。如果陷入边缘与雾之间讨论，就应该明白边缘是一切关于智能节点应用，而雾则是在局域网内为高流量操作提供强大的运算能力。

如同微软及亚马逊这样的大巨头们已经发布了AzureIoTEdge及AWSGreenGas，为提升互联网网关及传感节点上的AI效率而设计，这些网关及其传感节点配备着良好的运算能力。不管它们如何改变我们的理解，但它显著改变了一般人对“边缘”含义的人们认知。

真正意义上的“边缘”将发生于神经记忆装置上，那里预装过机学习算法服务特定目的责任。那一定是个美妙之举吗？假设仓库末端能执行本地NLP运行少量关键字符串——比如密码“芝麻开门”。这种类型设备一般具备类似神经网络结构，所以当加载一款机学习算法时，他们只是燃烧起神经网络。但这种燃烧是永久性的，无回转之力。

嵌入式新空间让低功率传感器节点促进嵌入式智能增长出现新的机会，一步跨越使得原本只能靠机械手段完成工作现在变成了任务轻松完成的事务仅需几次点击即可达成完美效果！

物联网MIST模式

基于MIST模型，我们既能进行基于云相结合模式，也能进行基于霭相结合模式，还能进行纯粹形式界限处置一切事务！

MIST代表着一种全新的分层管理方式，它允许各级别不同规模设备均可参与进来，从而最大程度减少资源浪费，同时提高工作效率！此外，由于其灵活性超凡，对现有的各种标准兼容性极佳，将那些难以适应标准化环境下运行的小型设备纳入其中，无疑带来了革命性的影响！

总结来说，

MIST模式能够根据实际情况灵活调整自身状态，以达到最优化资源配置，比如说，当某项任务不再需要很高精度的时候，可以降级至较低水平，从而减少能源消耗。一旦任务要求升级，可立即升级至更高水平，这样不仅保证了任务质量，而且还保护了环境。此外，由于该系统具有高度自适应性，可以有效调节资源分配策略，最终实现最佳结果！