从一个实践者的角度来看，我经常看到计算更加可用和分布的必要性。当我开始将物联网与OT和IT系统集成时，我面临的第一个问题是设备发送到我们服务器的数据量太大。我在一个工厂自动化场景中工作，我们集成了400个传感器，这些传感器每1秒发送3组数据。
数据问题
大多数产生的传感数据在产生5秒后就完全没有用了。
我们有400个传感器、多个网关、多个进程和多个系统，需要几乎同时处理这些数据。
大多数数据处理的支持者都支持云模型，在云模型中，您应该始终向云发送一些内容。这也是第一个物联网计算基础。
1. 物联网云计算
使用物联网和云计算模型，您基本上可以在云中推送和处理感觉数据。您有一个接收模块，它接收数据并将其存储在一个数据池(一个非常大的存储空间)中，然后对其应用并行处理(可能是Spark、Azure HD Insight、Hive等)，然后使用这些信息来做出决策。
自从我开始构建物联网解决方案以来，我们现在有许多新的产品和服务，可以让您非常容易地做到这一点：
- 如果您是AWS的忠实拥护者，则可以利用AWS Kinesis和大数据lambda服务。
- 你可以利用Azure的生态系统，使构建大数据功能变得非常容易。
- 或者，您可以将Google Cloud Products与Cloud IoT Core等工具一起使用。
我在物联网中面临的一些云计算挑战是：
- 企业不愿意将其数据存储在Google，Microsoft和Amazon的平台中。
- 延迟和网络中断问题。
- 不断增加的存储成本，数据安全性和持久性。
- 通常大数据框架不足以创建能够满足数据需求的大型接收模块。
2. 物联网的雾计算(Fog Computing)
有了雾计算，我们变得更强大了。我们现在使用本地处理单元或计算机，而不是将数据一直发送到云端，等待服务器处理和响应。
实施此功能的4到5年前，我们还没有Sigfox和LoraWAN等无线解决方案，而BLE都没有网状网络或远程功能。因此，我们必须使用成本更高的网络解决方案来确保我们可以与数据处理单元建立安全、持久的连接。这个中央单元是我们解决方案的核心，并且很少有专门的解决方案提供商。
我对雾计算的第一个实现是在石油和天然气管道项目中。该管道生成了数TB的数据，我们创建了一个雾网络，该雾网络具有适当的雾节点来计算数据。
从那时起，我从实施雾网络中学到的东西：
- 它不是很简单，您需要了解和理解很多事情。构建软件或我们在物联网中的工作更加直接和开放。此外，当您将网络作为障碍时，它会减慢你的速度。
- 这样的实现需要一个非常大的团队和多个供应商。
Open Fog及其对雾计算的影响
Open Fog(https://www.openfogconsortium.org/)计算框架用于雾计算体系结构。它提供：
- 用例
- 试验台
- 技术规格
- 以及参考体系结构
3. 物联网的边缘计算(Edge Computing)
物联网捕获微交互并尽可能快地响应。边缘计算使我们最接近数据源，并允许我们在传感器区域应用机器学习。边缘与雾计算的区别是，边缘计算完全是传感器节点的智能，而雾计算仍然是可以为数据繁重的操作提供计算能力的局域网。
微软和亚马逊等行业巨头已经发布了Azure IoT Edge和AWS Green Gas，以促进具有出色计算能力的IoT网关和传感器节点上的机器智能。这些都是使您的工作变得非常轻松的出色解决方案，但它极大地改变了我们从业人员了解和使用的边缘计算的含义。
4. 物联网的MIST计算
我们看到我们可以做以下事情来促进物联网的数据处理和智能化：
- 基于云的计算模型
- 基于雾的计算模型
- 边缘计算模型
我们可以简单地引入IoT设备的网络功能并分配工作负载，利用雾和边缘计算都无法提供的动态智能模型。这种计算类型，可补充雾和边缘计算，并使它们变得更好。
建立这种新的模式可以从内存大小为256kb、每秒数据传输速率约为100kb的设备中实现高速数据处理和智能提取。
我不敢说这个技术模型已经足够成熟，可以帮助我们处理物联网计算模型。但对于Mesh网络，我们肯定会看到这样一个计算模型的促进者。
就个人而言，我已经花了一些时间在实验室中实施基于MIST的PoC，而我们要解决的挑战是分布式计算模型及其治理。但是，我100%确信，很快有人会提出一个更好的基于MIST的模型，我们所有人都可以轻松使用和使用。
