从物联网从业者的角度来看，经常看到对计算更加可用和分布式的需求。当开始将物联网与OT和IT系统整合时，面临的第一个问题是设备发送到服务器的庞大数据量。 在一个工厂自动化的场景中，可能有数百个集成的传感器，这些传感器每1秒发送3个数据点。大部分的传感器数据在5秒钟之后就完全没用了。 数百个传感器，多个网关，多个进程，和多个系统，需要几乎在瞬间处理这些数据。
大多数数据处理的支持者都支持云模型，即总是应该向云发送一些东西。 这也是第一种物联网计算基础。
1． 物联网的云计算通过物联网和云计算模型，基本上推动和处理你的感官数据在云。 你有一个摄入模块，它可以接收数据并存储在一个数据湖（一个非常大的存储器） ，然后对它进行并行处理（它可以是 Spark，Azure HD Insight，Hive，等等） ，然后使用快节奏的信息来做决定。
自从开始构建物联网解决方案，现在有了许多新的产品和服务，可以非常容易地做到这一点：可以使用 AWS Kinesis（一种在AWS上流式处理数据的平台）和 Big data lambda services可以利用 Azure 的生态系统，让构建大数据能力变得极其容易。
或者，可以使用像 Google Cloud 产品这样的工具如Cloud IoT Core。
在物联网中面临的一些挑战是：私有平台的使用者和企业对于拥有他们的数据在谷歌，微软，亚马逊等感到不舒服；延迟和网络中断问题，增加了存储成本、数据安全性和持久性。通常，大数据框架不足以创建一个能够满足数据需求的大型摄入模块
2． 面向物联网的雾计算通过雾计算，可以变得更加强大。 雾计算使用的是本地处理单元或计算机，而不是将数据一路发送到云端并等待服务器处理和响应。4－5年前，还没有像 Sigfox 和 LoraWAN 那样的无线解决方案，BLE也没有mesh或远程功能。因此，必须使用更昂贵的网络解决方案，以确保能够建立一个安全，持久地连接到数据处理单元。 这个中心单元是解决方案的核心，很少有专业的解决方案提供商。从实施一个雾网络中可以了解到：这并不是很简单，需要知道和理解很多事情。构建软件，或者说在物联网上所做的，是更直接和开放的。 而且，当把网络当成一道屏障时，它会降低速度。对于这样的实现，需要一个非常大的团队和多个供应商。 通常也会面临供应商的锁定。OpenFog是一个由著名业内人士开发的专为雾计算架构而设计的开放雾计算框架。 它提供了用例，试验台，技术规格， 还有一个参考体系结构。