IOT將所有設備連接上雲端，各種感測器資料從此得以快速上傳到雲端，資料的爆發性累積造成資料儲存設備不小的壓力，雲端服務提供者必須購買更多設備才能因應資料儲存的需求。

集中式到分散式資料處理

集中式
以往資料會從各類端設備的感測器收集資料儲存在設備本身的記憶體裡進行資料處理，那時的端設備記憶體容量普遍很小，所以可能一段時間就需要清除資料才能夠儲存新資料，後來IOT概念發展起來，各種3C產品皆能夠連上網路，因此就有公司開始提供線上資料儲存中心，像是Dropbox、Google Drive、Mega等免費儲存空間，還有專門用來免費儲存照片服務的Imgur，這些公司透過建立集中管理設備的方法建構大數據資料庫，端設備數據都需要透過網路儲存到設備上，但這種集中式設備如果其中一台設備出問題，就可能會影響線上服務的使用者，加上AI的快速普及，會有更多資料被收集起來做分析，導致儲存資料需求大於設備購買能力，不少企業家開始尋求其他方式來處理資料。

分散式
一般資料儲存會有兩種需求，一種是單純資料儲存，另一種是進行資料分析，對於資料分析，目前都是透過端設備將資料傳送到雲端裡再進行分析，這導致雲端累積過於龐大的資料，若端設備能夠自行分析資料，那資料就不必上傳到雲端，避免資料傳輸時間過長，雲端也不需要儲存額外資料，因此分散式資料處理概念逐漸出現。

邊緣運算
近來常聽到的邊緣運算就是分散式運算，透過各類程式開發版與晶片技術的提升，許多端設備開始有足夠的資料運算能力能夠處理自身資料，端設備只要先從雲端上下載好相關應用程式或AI模型到手機中，透過手機就能夠即時分析資料得到即時回饋。

霧運算
霧運算是處於雲端運算與邊緣運算的中間，相比於雲的遠，霧更接近於日常生活。

有些資料的處理並不需要得到即時回饋，這些資料就可以透過網路將資料傳到最近的小型伺服器進行資料處理，相較於資料傳到雲端，傳到近地的資料處理中心，在資料管理上或網路設備維護上都來得更有效率，Facebook就是透過在許多國家建立本地資料庫來提升資料處理的速度。

分散式運算除了分散設備壞掉風險，針對顧客小型服務也能迅速處理與反饋，因此未來分散式服務將會越來越多，但同時資料安全與隱私問題也會逐漸出現。

Reference

1. 边缘计算的“完美风暴”
2. 一文看懂："邊緣計算"究竟是什麼？為何潛力無限