当前全球对“物联网 (IoT)”的关注凸显了基于传感器的智能和无处不在的系统对改善和提高我们生活效率的极端重要性。这自然是一个挑战，因为从数据的角度来看，我们的网络和云基础设施的负载不断增加。速度、多样性和体积是设计 IoT 解决方案时要考虑的属性，然后有必要设计对数据集执行分析算法的位置和位置。
除了传统的数据中心，在物联网领域研究各种计算源也有巨大的潜力。我们生活在一个计算无处不在的世界，从我们到我们的手机、我们的传感器设备和网关到我们的汽车。利用这种通常空闲的计算对于满足物联网中的数据分析要求非常重要。未来的研究将尝试考虑这些挑战。可以将三个主要的经典架构原则应用于分析。 1：集中式 2：分散式和 3：分布式。
第一个， 集中式 是当今最广为人知和理解的。很简单的概念。跨物理节点集群的集中式计算是来自多个位置的数据的着陆区（摄取）。因此，数据位于一处以供分析。相比之下， 分散式 架构利用多个大型分布式集群，这些集群分层位于树状架构中。考虑叶子靠近源的类比，可以更早地计算数据或更有效地分发数据以执行分析。这可以应用某种形式的分组，例如 - 每个地理位置或某种形式的层次结构设置来分配工作。
最后，在最适合物联网设备的 分布式 架构中，计算无处不在。一般来说，离集中化越远，计算的规模就越小，甚至会缩小到设备本身的硅片。因此，应该可以将分析任务推到离设备更近的地方。通过这种方式，这些分析工作可以充当一种数据过滤器和决策者，以确定是否可以从边缘或更远的较小数据集中获得快速洞察力，以及是否将数据推送到云端或丢弃。自然地，对于这种类型的架构，不仅对设备，而且对流量本身，对有效的网络管理、安全和监控都有更多的限制和要求。 将计算能力带到数据上比将数据带到集中处理位置更有意义。
设备的智能程度与这三种概述架构的选择和有效性之间存在直接关系。随着我们的硅变得更智能、更强大和高效，这将意味着越来越多的计算将变得可用，这应该会减少云的压力。当我们分配计算时，这应该意味着我们的解决方案更具弹性，因为没有单点故障。
总之，“智能基础设施”现在构成了物联网范式的关键。这意味着物联网从业者将有更多选择来确定他们在哪里放置他们的分析工作，以确保他们最好地利用可用的计算，并确保他们控制延迟以实现更快的响应，以满足业务的实时要求正在进行的变态。
