1、細粒度的配置

　　邊緣具有許多精細的配置，這些配置通過API進行個性化和連接。這些通常需要手動設置、配置和干預。

　　2、網絡限制

　　在傳感器和機器生成數據的時代，工作量的大小、復雜性和屬性將達到巨大的規模。在目前沒有大規模邊緣網絡實現的情況下，傳入的工作負載可能使設備不堪重負，并且網絡限制會帶來大規模的性能問題。高密度的物聯網設備也會增加網絡擁塞。在物聯網的某些領域中，也缺乏存在檢測，所有東西都必須通過智能集線器或路由器。因此，日志、監視、報告和其他操作功能將很快超出人類的能力。

　　3、工作量問題

　　網絡限制和帶寬限制不斷上升。更多設備的激增增加了負載。許多物聯網功能需要較低的延遲才能有效使用，并且將需要本地服務器或服務提供商為具有獨特要求的工作負載提供新的帶寬和QoS。即使不考慮人為操作成本，實施起來也會變得昂貴。

　　4、環境因素

　　物聯網設備所在的物理環境可能包括高濕度、極端溫度、未經測試的地形等。這些變量以無數不可預測的方式影響物聯網設備的性能。運營需要做好準備，在沒有人為干預的情況下，在一定范圍內自主地預防、發現和解決問題。

　　5、集成問題

　　許多設備需要自己的軟件，這些軟件可能不一定與標準物聯網網關、集線器、路由器、協議等兼容。不同接口之間缺乏集成將導致更高的故障率和更長的檢測時間。

　　6、零散的服務和支持

　　快速檢測、分析和修復問題的能力可以決定物聯網設備的成功與規模。原始設備制造商（OEM）的保修很昂貴，而且操作數十億臺設備的物聯網技術也很缺乏。ISP和SIs在處理學習曲線和技能短缺的同時，對各種復雜設備的性能和操作負有更大的責任。公司的IT部門被成千上萬的新設備和數以百萬計的警報所淹沒，這使得檢測、預測和修復變得更加困難。

　　如何幫助擴展物聯網

　　邊緣計算的實現可以解決數據管理、延遲和網絡可靠性方面的一些問題。但它仍然無法抵消上述操作的復雜性。由于遠程生存能力、大型數據集、快速變化的工作負載和硬件集成而導致的問題仍然存在。

　　自主能力感知與上下文相關的系統狀態，并基于上下文和狀態做出決策和執行操作。上下文不僅是環境，也是外部因素（如工作負載、生態系統中發生的事件等）的理想狀態。

　　自主操作需要考慮非常不同的指標。傳統的平均解決時間（MTTR）的時代已經一去不復返了。自主操作可以測量平均預防時間（MTTP）和平均識別時間（MTTI）。

　　建議各組織做好自主化準備，并開始通過考慮其用例和工作負載，以及在各種地點解決問題的技能的可用性來制定其運營戰略。雖然自動化（automation）可能是一個很好的開端，但自主化（autonomization）是IT運營的最終目的地。

　　綜上所述，物聯網驅動的大規模工作負載使其難以以傳統方式進行管理。 手動甚至基本自動化水平都無法克服復雜性和可變性。 如果這些操作挑戰中的任何一個逐漸加劇，請確保考慮上述建議，以幫助擴展由IoT驅動的工作負載。