随着IoT将新的架构层和拓扑推入组织，数字领域已进入高速发展阶段。物联网架构层和拓扑处于不断变化的状态，技术进步和发展将对物联网的扩展和增长产生巨大影响。未来的物联网将像电话、电视、汽车、电脑、电子游戏和手机一样迅速发展和普及。当然，根据定义，计算机、视频游戏设备和手机现在都属于物联网的一部分。物联网甚至包含建筑物内的手表、恒温器、相机、门锁、插座和开关等常见设备。研究报告显示，到明年年底，物联网设备数量将接近400亿台。大多数这些物联网设备都绑定到云端。物联网设备的数量每年以数十亿的速度增长，但现有云平台或附加服务器的数量增长不到1%。这是一个严重的数字流量问题。物联网的扩散不仅带来了前所未有的数字流量和所有相关问题；随着攻击面增加一个数量级，它会产生全新的安全问题类别。这种增长增加了在数据到达云之前清理和验证数据的需求。IoT的扩展为需要企业防火墙外的机器学习和人工智能的新应用类别开辟了机会，并且IoT需要新的数据使用和存储标准。简而言之，组织之间对更好的物联网架构层和拓扑的需求从未如此强烈。边缘计算解决了IoT架构层问题现有的IoT架构基于经过验证的模型，该模型具有高度可扩展性和适应各种拓扑结构的能力。即使是这个由三个物联网架构层组成的实体模型目前也在发生重大变化。三个架构层如下：(1)设备层。这是客户端，包括传感器、开关、执行器和摄像头在内的所有设备都可以实时收集或响应数据。(2)网关层。该层从IoT设备收集数据，然后跳转到Internet或终止于数据采集系统。物联网数据的模数转换通常发生在这一层。(3)平台层。该路径将客户端连接到运营商，通常终止于云或数据中心。这三个架构层不包括物联网所需的许多资源。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几个数量级；在将不必要的数据转储到云端或数据中心进行存储之前，应仔细筛选。如果数据位于多个位置，而不是将数据发送到一个目的地然后将其移动到另一个目的地，您还需要弄清楚数据是在哪里创建的。许多IoT需要增强处理能力以实时响应IoT应用程序。没有更多时间将数据传入和传出云端，例如支持无人驾驶车辆和面部识别。本地处理资源使这项技术变得实用。IoT网络变得越来越智能，并对现实世界中的活动做出响应。在这里，也不总是有时间进行云通信。在架构中嵌入机器学习和人工智能资源会更有效，尤其是当用于机器学习的数据在云端没有单独使用时。为了满足这些需求，物联网架构的一个新层正在出现：边缘层。在网关层和平台层之间，边缘是物联网架构中的一项新创新，可提供上述所有资源。边缘计算通常将服务器放置在靠近其支持的物联网设备的地方，通常在企业防火墙之外，当然也不会部署在承载云计算的物理服务器上。这种分布式计算范式并不新鲜，但代表了对物联网问题的创新解决方案。边缘节点可以提供即时数据清理和路由，以及复杂应用程序中的实时周转，延迟要少得多，从而支持机器学习。它的节点还可以作为物联网扩展攻击面的屏障，提高网关层的安全性。如何选择正确的IoT拓扑在这个基本架构模型中，组织可以使用许多拓扑来分布和互连IoT元素。在这里做出正确的选择非常重要，因为这些物联网拓扑是专门为适应具有特定用途的网络而设计的。所有这些都以不同的方式与网关层交互，糟糕的设计会限制网络性能、危及安全性，甚至导致某些应用程序无法使用。最常见的拓扑结构是点对点、星形和网状。对等网络在节点之间具有一对一的连接，通信仅发生在两点之间。这是最简单和最便宜的配置。缺点是点对点配置不可扩展且没有冗余。通常这只是一个简单的连接，例如将耳机连接到电话或具有单点互联网访问权限的单个设备。在星型网络中，许多节点连接到一个中央集线器。集线器的基数是一对多的。但是没有节点相互连接；它们只连接到一个集线器。这种配置往往具有低延迟和一致性。网络工具可以轻松检测和隔离故障。缺点是，虽然可靠性通常很高，但如果发生干扰，则不会重新路由。此外，集线器代表整个网络的单点故障。例如，家庭Wi-Fi有许多设备通过路由器连接到互联网。网状网络包括多个设备，具有网关和路由器节点。网状网络具有高可扩展性和冗余性，以及出色的容错性。网状配置的缺点是相当复杂和高维护要求，多个数据包不得不增加延迟。网状网络包括工业自动化、大规模火灾监控和安全以及能源管理系统。确定哪种IoT拓扑结构良好需要考虑它可以支持的复杂性，并优先考虑延迟、容错、可靠性以及网络是否需要扩展。IoT架构层和拓扑一旦组织决定了IoT网络的架构和拓扑，就会出现其他问题。管理网络的良好做法是什么？物联网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。万能的孤立平台已经过时，物联网的有机性质预示着一个更加多样化的数字景观。它比以往任何时候都需要更多的计划、努力和创新。
