由于物联网将新的架构层和拓扑结构推进到组织中，数字领域的发展已经进入了高速发展阶段。
　　物联网架构层和拓扑处于不断变化的状态，而技术的进步和发展将对物联网的扩展与增长产生巨大影响。
　　未来的物联网将会像电话、电视、汽车、电脑、视频游戏、手机一样迅速发展和普及。当然根据其定义，电脑、视频游戏设备以及手机如今已成为物联网的一部分。物联网甚至纳入了一些常用设备，如手表、恒温器、摄像头、门锁、建筑物内的插座和开关。
　　研究报告表明，到明年年底，物联网的设备数量将接近400亿台。这些物联网设备大部分都绑定到云端。物联网设备的数量每年增长数十亿台，但现有的云平台或额外服务器的数量仅以不到1%的速度增长。这是一个严重的数字流量问题。
　　物联网扩散不仅创造了众多的数字流量和所有相关问题;它创造了全新的安全问题类别，因为将攻击面提高了一个数量级。这种增长增加了在数据到达云端之前清理和验证数据的需求。物联网的扩展为需要机器学习和企业防火墙之外的人工智能的新应用类别提供了机会，而物联网需要新的数据使用和存储标准。简而言之，组织对更好的物联网架构层和拓扑的需求从未如此强烈。
　　边缘计算可满足物联网架构层的需求
　　现有的物联网架构基于一种经过验证的模型，该模型具有高度可扩展性，并且可以适应多种拓扑结构。即使是这个由三个物联网架构层组成的稳固的模型，目前正在发生重大变化。三个架构层如下所示：
　　(1)设备层。这是客户端，所有设备(包括传感器、交换机、执行器和摄像头)都可以实时收集或响应数据。
　　(2)网关层。该层收集来自物联网设备的数据，并跳转到互联网或终止于数据采集系统。物联网数据的模数转换经常发生在这一层。
　　(3)平台层。该路径连接客户端和运营商，通常终止于云端或数据中心。
　　这三个架构层没有包括物联网所需的多种资源。组织需要更好的工具来进行本地数据分析和路由。物联网按数量级生成的数据远远多于传统网络;在将不必要的数据转储到云端或数据中心存储之前，应谨慎筛选。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再将其移动到另一个目的地，还需要弄清楚数据在何处创建。
　　许多物联网需要增强的处理来实时响应物联网应用程序。没有更多的时间让数据往返于云端，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切实可行。
　　物联网网络越来越智能化，并对现实世界中的活动作出响应。在这里，也不总是有时间进行云端通信。在架构中嵌入机器学习和人工智能资源更有效，尤其是当用于机器学习的数据在云中没有单独的用途时。
　　为了满足这些需求，目前正在出现一个新的物联网架构层：边缘层。在网关和平台层之间，边缘是物联网架构的一项新创新，可提供上述所有资源。
　　边缘计算通常将服务器放置在其所支持的物联网设备的附近，通常在企业防火墙之外，当然也没有部署在承载云计算的物理服务器场合。这种分布式计算模式并不新颖，但代表了物联网问题的创新解决方案。边缘节点可以提供即时的数据清理和路由，以及在延迟小得多的复杂应用程序中的实时周转，使机器学习成为可能。其节点还可以作为抵御物联网扩展攻击面的屏障，提高网关层的安全性。
　　如何选择正确的物联网拓扑
　　在这种基本架构模型中，组织可以使用许多拓扑来分配和互连物联网元素。在这里做出正确的选择很重要，因为这些物联网拓扑结构专门设计用于适应具有特定用途的网络。所有这些都以不同的方式与网关层进行交互，糟糕的设计可能会限制网络性能，危及安全性，甚至使某些应用程序无法使用。通用的拓扑结构是点对点、星形、网状。
　　点对点网络在节点之间有一对一的连接，通信只发生在两