如今，新興技術的發展齊頭并進這并不常見，但人們偶爾會發現一些相互依賴的技術共同發展。例如操作系統和CPU之間的關系是完全相互依賴的，因為它們都需要對方的支持。

另一個例子就是邊緣計算和物聯網的同時發展和增長，有時候人們將邊緣計算稱之為霧計算。由于物聯網的設計，它需要邊緣計算來發揮其最大的潛力，而且這兩種技術都處于早期發展階段。

由于同樣的原因，邊緣計算和霧計算的應用強勁上升：這是因為物聯網數據泛濫。調研機構Hitachi Vanata公司的一份報告估計，連續監測所有連接的車輛每小時將產生25GB的數據。

云計算存儲提供商ClearSky Data首席技術官Lazarus Vekiarides表示：“物聯網是下一代終端。如果考慮到這些產生數據的物聯網設備的龐大數量，其數據要比人類活動或手機信息的數量大得多。”

請注意，如今的一些汽車（通過引擎）有能力處理一些計算功能。可穿戴設備或遠程傳感器因為計算消耗電能，并且如果使用電池工作，這意味著提供電力的時間更短。

所以為了保障物聯網設備的運行，其計算需要從物聯設備移到服務器上。盡管物聯網設備周邊有一些龐大的數據中心，而且全球的數據量也在不斷增加，因此處理分布在各地的物聯網設備的數據將不堪重負。

采用邊緣計算服務的第二個目的是卸載中央數據中心的負載。例如在洛杉磯汽車生成的數據可以在洛杉磯的邊緣計算中心進行處理，而不是將其發送到猶他州或愛荷華州的數據中心。因為這意味著更高的延遲，即使建立了許多快速數據中心和專用主干光纖網絡，網絡延遲仍然是一個難題。

Vekiarides說，“當企業需要處理來自數百萬臺設備的數據時，可以在云端處理數據。但問題是云端通常距離設備很遠，所以會出現延遲，而數據量也不適合采用云計算。”

互聯網的設計與物聯網相反，其用例是從源頭上下載東西，比如在Netflix網站上看電影，用戶的家庭寬帶連接可能會是10mbits到20mbits，但下載速率是1-2mbit.物聯網的設計正好與其相反，從端點發送大量數據而不是接收數據。因此，互聯網的設計并不適用于物聯網。

然后是第三個問題：存儲。像Fitbit這樣的可穿戴設備不會儲存太多數據。即使少數閃存芯片也會占用大量空間并消耗電能。另外，Vekiarides指出，存儲設備的故障比CPU和內存的故障率要高得多。

對于收集大量數據的物聯網（IoT），企業需要做兩件事：本地分析組件和中央存儲。所以，這就是邊緣計算適用在物聯網的地方。

什么是邊緣計算？

邊緣計算被維基百科定義為“通過在網絡邊緣執行數據處理來優化云計算系統的一種方法，并且靠近數據源”。因此，它是關于在端點附近創建一種所有數據都可以進行一定數量計算的應用平臺，并且可以解決延遲問題。

這意味著邊緣計算比大多數云計算提供商的云平臺擁有更多的位置，而對于私營公司來說，它意味著更多的數據中心之外的遠程服務器。即使像Equinix公司這樣的大規模數據中心提供商，其在美國和世界各地運營的數據中心只分布在十幾個地點。

在許多方面，邊緣計算看起來很像一個標準的數據中心，并使用相同的硬件。唯一真正的區別是其分配率較高。像Equinix、CoreSite、Digital Reality等主要數據中心提供商正在專門為邊緣計算應用配置專用硬件。

對于商業用戶而言，亞馬遜公司即將與Greengrass合作，將邊緣計算中心部署在用戶的遠程辦公室或工廠中。用戶可以將像部署Raspberry Pi或x86塔式服務器一樣部署邊緣計算中心。亞馬遜與包括英特爾、高通和三星在內的眾多合作伙伴開發了這樣的產品，并使用其無服務器Lambda服務來交付本地機器對機器的通信。因此，遠程辦公室或工廠可以為本地設備部署自己的專用邊緣計算服務器。

沒有標準的設計

物聯網和邊緣計算有一些共同點：它們都在發展進行中。物聯網的定義相當早，但需要一段時間才能著手應用。例如可穿戴設備這樣早期的嘗試并不能很好地采用，因為它們并不成熟，而人們也不喜歡穿戴它們。隨著技術進一步的發展，嵌入式設備將會發展得越來越好。智能手機將配備新的傳感器，可穿戴設備變得更加實用。

Vekiarides指出，物聯網和邊緣計算技術仍在不斷發展，推廣其用例或核心應用程序是很困難的。他說，“這些物聯網應用中的每一個用例都有其獨特的要求，但物聯網或邊緣計算目前還沒有可行的標準，因為通用汽車對福特來說是獨一無二的，工廠也有自己的傳感器。”

而這類平臺開始出現，類似于上世紀90年代首次出現的消息中間件，如CORBA和SOA.它們在設備之間來回傳遞消息并處理，但這只是一個開始。