目前，许多企业正在采用物联网来使用数据，从而更好地了解其运营情况，做出更明智的决策，重新定位客户参与度，并重新思考如何创造价值。随着低成本传感器，弹性计算和数据科学的快速发展，许多行业观察家期望企业迅速部署物联网设备。
物联网
专家预计，在这一时期内，所有这些开发项目将在全球范围内产生大约44万亿兆字节的额外的物联网数据。这使人们想到了一个核心问题：采用哪种最佳技术架构来解决这一爆炸性增长的数据趋势?

本地部署的物联网架构
　　本地部署的物联网架构采用边缘计算，其中在网络边缘处理数据，这个位置最接近数据源头。而根据调研机构IDC的调查，到2019年，45%的物联网设备数据将被存储，处理，并靠近边缘计算。该模式可以提供更小的性能足迹，可以帮助企业对数据进行更多的实时响应。例如，在石油钻井平台上，采用传感器可以检测故障的阀门是否产生火灾隐患。在这种情况下，企业不能承受任何延误。如果数据需要发送到卫星，在数据中心返回到通知关闭阀门之前，其响应时间可能太晚了。但是，随着更快的边缘部署，数据不必远离其数据来源。这可以减少时间延迟，并允许做出关键的决定。
　　此外，本地部署的架构不依赖互联网连接，如云环境。并且本地部署的架构也受到面临严重数据安全问题的企业的青睐。利用边缘计算的本地体系结构有很多意义。
　　
云端物联网架构
　　云端物联网架构有利于组织管理大量的连接设备，通过内部和外部数据的组合驱动价值。例如，供应链应用程序可以从理解一个部分相对于整体聚合视图的具体视图而受益。而完整视图之外只有一组数据失去意义。例如，通过单独使用本地部署的架构，就不可能试图为资产构建的每个组件协调供应链。
　　此外，云计算架构在与其他物联网设备和云系统集成和交互方面提供更大的互操作性。该模型提供了更多的架构灵活性和外部数据源的利用率。云应用程序在生态系统中看到了更多的创新，其部分原因是软件开发人员重点关注大型市场。利用云计算架构的物联网部署可以更有效，因为很多具有技术创新和竞争性的产品已经可用。从本质上说，云计算架构可以使组织能够面对未来的投资回报。
　　
混合的物联网架构
　　通常最好的方法是高效地结合边缘计算的大型核心数据集的处理，然后在核心处理一组简化的聚合衍生数据。例如，智能城市部署的停车传感器可以处理靠近车位的所有传感器的数据，只提供有关不同车库开放的地点和数量的汇总数据，从而为进入市区的司机提供智能寻找车位的建议。毕竟，每隔几秒就传输所有这些数据的成本可能是很昂贵的，而接近目的地的驾驶人员不一定知道停车场的那些位置是开放的。在这种情况下，采用混合架构是理想的选择。
　　资产优化的另一个例子是风力涡轮机的应用，风力涡轮机使用传感器在本地部署收集和分析每个涡轮机上的数据，并总体优化其总体性能。在这里，通过许多数据点可以深入了解涡轮机组件的运行状况。每个组件的健康状况汇总在一起提供了风力发电机的状况视图。最后，汇总来自所有风力发电机的数据，为风电场提供可操作的信息。在这样的情况下，应该在网络边缘处理多少数据，而将哪些数据在数据中心处理，这是一个重要考虑的架构。本地部署架构的实时响应以及云计算的全系统访问和可扩展性的组合将会得到最好的发挥。