計算任務需要合適的架構，適合一種計算任務的架構不一定適合所有類型的計算任務。邊緣計算已成為一種可行且重要的架構，它支持分布式計算以將計算和存儲資源部署在更靠近數據源的位置——理想情況下，位于與數據源相同的物理位置。總的來說，分布式計算模型并不新鮮，遠程辦公室、分支機構、數據中心托管和云計算的概念有著悠久且經過驗證的記錄。

但是去中心化可能具有挑戰性，需要高水平的監控和控制，而在遠離傳統的集中式計算模型時很容易被忽視。邊緣計算已變得重要，因為它為與移動當今組織生產和消費的大量數據相關的新興網絡問題提供了有效的解決方案。這不僅僅是數量的問題。這也是時間問題；應用程序依賴于對時間越來越敏感的處理和響應。

想想自動駕駛汽車的興起。它們將依賴于智能交通控制信號。汽車和交通控制需要實時生成、分析和交換數據。將這一要求乘以大量自動駕駛汽車，潛在問題的范圍就會變得更加清晰。這需要一個快速響應的網絡。邊緣計算和霧計算解決了三個主要的網絡限制：帶寬、延遲和擁塞或可靠性。

帶寬：帶寬是網絡可以隨時間攜帶的數據量，通常以每秒比特數表示。所有網絡都有有限的帶寬，而無線通信的限制更為嚴格。這意味著可以通過網絡傳輸數據的數據量或設備數量是有限的。盡管可以增加網絡帶寬以容納更多設備和數據，但成本可能很高，仍然存在（更高）有限限制，并且不能解決其他問題。

潛伏：延遲是在網絡上的兩個點之間發送數據所需的時間。盡管理想情況下以光速進行通信，但較大的物理距離加上網絡擁塞或中斷可能會延遲數據在網絡上的移動。這會延遲任何分析和決策過程，并降低系統實時響應的能力。在自動駕駛汽車的例子中，它甚至會付出生命的代價。

擁塞：互聯網基本上是一個全球性的“網絡網絡”。盡管它已經發展為可以為大多數日常計算任務（例如文件交換或基本流）提供良好的通用數據交換，但涉及數百億臺設備的數據量可能會使互聯網不堪重負，導致高度擁塞和強制耗時的數據重傳。在其他情況下，網絡中斷會加劇擁塞，甚至完全切斷與某些互聯網用戶的通信——使物聯網在中斷期間變得毫無用處。

通過在生成數據的地方部署服務器和存儲，邊緣計算可以在更小、更高效的 LAN 上運行許多設備，在該 LAN 中，本地數據生成設備專門使用充足的帶寬，從而幾乎不存在延遲和擁塞。本地存儲收集和保護原始數據，而本地服務器可以執行基本 的邊緣分析 ——或至少預處理和減少數據——在將結果或基本數據發送到云或中央數據中心。