边缘计算解决了物联网架构层的需求

现有的物联网架构基于一个经过验证的模型，该模型具有高度的可扩展性和可扩展性，并适应广泛的拓扑结构。即使是这个由物联网架构三层组成的根深蒂固的模型，目前也正在经历巨大的变化。的三层如下面所述：

1. 设备层。这是客户端，包括传感器，开关，执行器和摄像机，包括传感器，开关，执行器和摄像机，收集或响应数据。
2. 网关层。该层会聚集来自物联网设备的数据，并跳到互联网上或终止于数据采集系统中。IOT数据的模数转换通常发生在此图层中。
3. 平台层。该路径连接客户端和运算符，通常终止在云或数据中心中。

这三层并不包括多个层次物联网需要的资源。组织需要更好的工具来进行本地数据分析和路由。物联网产生的数据比传统网络多出几个数量级;在将不需要的数据转储到云存储或数据中心存储之前，请谨慎筛选。如果数据要传输到多个地方，而不是先将数据发送到一个目的地，然后再将其移动到另一个目的地，那么在创建数据时还需要确定数据要传输到哪里。

许多物联网网络需要增强处理以实时响应物联网应用程序。没有时间让数据往返于云端。例子包括支持无人驾驶汽车和面部识别。本地加工资源使该技术具有实用性。

物联网架构处于不断变化的状态;随着世界的发展，物联网如何发展以及新网络设计的选择将对物联网的发展产生巨大影响。

物联网越来越智能化，并对现实世界中的活动做出响应。在这里，云交通也不是总有时间。在架构中嵌入机器学习和人工智能资源会更有效，特别是当机器学习数据在云中没有单独的用途时。

为了满足这些需求，一个新的物联网架构层正在出现:the边缘层。夹在网关和平台层之间，边缘是IOT架构的新创新，提供上述所有资源。

边缘计算是将服务器放置在现场的实践——通常在企业防火墙之外，当然也在托管云的物理服务器群之外——在它们支持的物联网设备附近。这种分布式计算范式并不新鲜，但代表了物联网问题的创新答案。边缘节点可以提供即时的数据清理和路由，以及在延迟少得多的复杂应用程序中实时转向，它们使机器学习成为可能。节点还可以作为抵御物联网扩展攻击面的壁垒，提高网关层的安全性。

如何选择合适的物联网拓扑

在这个基本架构模型中，一个组织可以使用许多拓扑来分配和连接物联网元素。在这里做出好的选择很重要，因为这些物联网拓扑是专门设计来适应具有特定用途的网络的。它们都以不同的方式与网关层交互，而糟糕的设计可能会限制网络的性能，危及安全性，甚至使某些应用程序无法使用。最通用的拓扑是点对点、星形和网格。

点对点网络在节点之间有一对一的连接;交流只发生在两点之间。这是最简单、最便宜的配置。缺点是点对点配置不可伸缩。不可能存在冗余，因此也就不存在优雅的退化。通常，这只是一个简单的连接，例如一个耳机到手机或在一个点上访问互联网的单个设备。

在星形网络中，许多节点连接到一个中心集线器。中心的基数是一对多的。但是没有一个节点相互连接;它们只连接到中心。这种配置往往具有较低的延迟和一致性。网络工具可以很容易地检测和隔离故障。缺点是，尽管可靠性通常很高，但如果发生干扰，则不需要重新路由。此外，集线器代表整个网络的单一故障点。例如，家庭Wi-Fi有许多设备通过一个路由器连接到互联网。

一种网网包括多个设备，网关和路由器节点。网状网络具有高可扩展性和冗余，以及卓越的容错。网格配置的缺点是具有相当大的复杂性，并且具有从多个跳跃数据包的增加延迟的高维护要求必须制作。网格网络包括工业自动化，大型火灾监控和安全性和能源管理系统。

要决定哪种物联网拓扑最有效，需要考虑可支持的复杂性，优先考虑延迟、容错、可靠性以及网络是否需要扩展。

物联网的架构层和拓扑构成了一团组织良好的混乱

一旦组织决定IOT网络的架构和拓扑，将出现额外的问题。什么是涉及的最佳实践管理网络吗?新网络如何影响与之交互的系统的安全性?谁拥有什么?

物联网网络管理标准和最佳实践已经建立，但就像物联网架构本身一样，它们也在不断发展。事实上，物联网中有一个现成的因素。在技术方面，这种方法被认为是一件好事。竖井式、无所不能的平台已经过时了，物联网的有机本质预示着一个更多功能的数字景观。它需要比以往任何时候都更大的计划、更大的勤奋和更大的创新。