数据令人头痛
你之前可能听说过这个，但大部分产生的感官数据在它产生5秒后完全没有用处。现在你明白我的观点了吗?
我们有400个传感器，多个网关，多个进程和多个系统，这些系统几乎可以即时处理这些数据。
那时候，大多数数据处理的支持者都在倡导Cloud模式，在这种模式下你总是应该向云发送一些东西。这也是第一种类型的物联网计算基础。
1.物联网的云计算
借助物联网和云计算模型，您基本上可以在云中推送和处理您的感官数据。您有一个摄取模块，它接收数据并将其存储在数据湖(一个非常大的存储)中，然后对其应用并行处理(可以是Spark，Azure HD Insight，Hive等)，然后使用这个快速调节信息做出决定。
自从我开始构建物联网解决方案以来，我们现在有许多新产品和服务可以使您对此非常轻松：
如果您是AWS迷，则可以使用AWS Kinesis和Big data lambda服务。
您可以利用Azure的生态系统，使构建大数据功能变得非常简单。
或者，您可以使用Cloud Cloud产品和Cloud IoT Core等工具。
我在物联网云计算面临的一些挑战是：
使用专有平台和企业在谷歌，微软和亚马逊物业上使用他们的数据感到不安
延迟和网络中断问题
增加存储成本，数据安全性和持久性
通常，大数据框架不足以创建可以促进数据需求的大型摄入模块
但是你必须在某处处理你的数据，对吧?
现在来雾计算!
2.物联网雾计算
随着雾计算，我们变得更加强大。我们现在使用本地处理单元或计算机，而不是一直将数据发送到云端并等待服务器进行处理和响应。
4-5年前，当我们实现这一点时，我们没有像Sigfox和LoraWAN这样的无线解决方案，BLE没有网状或远距离功能。因此，我们必须使用成本较高的网络解决方案来确保我们能够建立到数据处理单元的安全，持续的连接。这个中央单位是我们解决方案的核心，并且很少有这种解决方案的专业供应商。
我首次实施雾计算是在一个石油和天然气管道项目。这条管道产生了TB级的数据，我们创建了一个雾网络，其中有雾节点来计算数据。
从那时起实施一个雾网络，我学到了一些东西：
这不是很直接，有很多事情你需要知道和理解。构建软件或我们在物联网中所做的更直接，更开放。另外，当你把网络作为一个障碍时，它会降低你的速度。
您需要一个非常庞大的团队和多个提供者来执行此类实施。通常你也会面临供应商锁定。
开放雾及其对雾计算的影响
一年前，一位同事向我介绍OpenFog，这是由领先的从业者开发的雾计算架构的开放式雾计算框架。它提供：
用例
测试床
技术规格
还有一个参考架构
3.物联网边缘计算
物联网是关于捕捉微观互动并尽可能快地做出反应。边缘计算使我们最接近数据源，并允许我们在传感器的区域应用机器学习。如果您已经 认识到边缘与雾计算的讨论，您应该了解边缘计算都是关于传感器节点的智能，而雾计算仍然是可以为数据大量操作提供计算能力的局域网。
像微软和亚马逊这样的行业巨头已经发布了Azure物联网边缘和AWS绿色天然气，以促进物联网网关和传感器节点上具有相当计算能力的机器智能。虽然这些解决方案非常好，可以让您的工作变得非常简单，但它显着改变了我们从业者所了解和使用的边缘计算的含义。
边缘计算不应该要求机器学习算法在网关上运行以建立智能。2015年，我遇到了Knowm，并看到了他们在Neuromemristive处理器上的令人印象深刻的工作。Knowm的Alex谈到ECI会议上关于神经元处理器上嵌入式AI的工作：
真正的边缘计算将发生在这种可以预装载机器学习算法的神经元晶体装置上，以实现单一目的和责任。那会很棒吗?假设您的仓库的终端节点可以在本地执行NLP，以获得像“Open Sesame”这样的密码的少数几个关键字符串!
这样的边缘设备通常在其内部具有类似神经网络的构造，因此当你加载机器学习算法时，基本上在它们内部烧制了神经网络。但是这种灼伤是永久的，你不能扭转这种情况。
嵌入式设备有一个全新的空间，可以在低功耗传感器节点上实现嵌入式边缘智能。
现在让我们来看看IOT - MIST计算的第四种计算类型。
4.物联网MIST计算
我们看到我们可以做到以下几点，以促进物联网的数据处理和智能：
基于云的计算模型
基于雾的计算模型
边缘计算模型
这是一种计算类型，它弥补了雾和边缘计算的不足，并使它们更好，而不需要我们等待另外的十年。我们可以简单地引入物联网设备的网络功能，并分配工作负载，并利用雾或边缘计算所提供的动态智能模型。
建立这种新的范例可以从具有256kb存储器大小和〜100kb /秒数据传输速率的设备引入高速数据处理和智能提取。
我不会说这个技术模型足够成熟，可以帮助我们处理物联网计算模型。但是对于Mesh网络，我们肯定会看到这样的计算模型的协调者。
就个人而言，我花了一些时间在实验室中实施基于MIST的PoC，我们试图解决的挑战是分布式计算模型和治理。但是，我有100%的把握，在6个月后，有人会提出一个更好的基于MIST的模型，我们都可以轻松使用和消费。
物联网在同一时间是令人着迷和具有挑战性的，我写的主要来自我自己经验的部分内容。如果你有什么要分享，增加或批评的话，我全都是耳朵!
