隨著物聯網設備產生的數據量呈爆炸式增長，迫使企業重新考慮其物聯網存儲策略。
　　
　　Frost＆Sullivan公司物聯網和數字化轉型全球研究總監Dilip Sarangan說，“現在，很多企業并不真正知道哪些數據真正有用，但一旦經過分析，這些信息可以幫助他們做出商業決策。”
　　
　　調研機構Gartner公司估計，2020年將有240億個物聯網設備正在產生數據龐大的數據。Sarangan說，“因此，問題在于是否保留它，如果保留，存儲在哪里。”
　　
　　Gartner公司分析師表示，云計算存儲在過去幾年中是主要目標，而現在正轉向內部部署存儲和邊緣存儲。而這一決定是根據具體的應用和具體的地點來決定的。
　　
　　Sarangan說，“許多擁有物聯網的組織不需要進入云端。他們主要希望在內部部署和本地化進行處理和存儲。尤其是延遲問題，即使在未來十年也很難解決。當邊緣的大多數應用程序至少需要實時分析時，將數據傳輸到云端是沒有意義的。”
　　
　　IDC公司基礎設施系統、平臺和技術研究副總裁EricBurgener表示，關于數據分析發生在何處的決定將推動購買決定存儲容量，無論數據是存儲在云端還是現場數據中心，還是在邊緣。
　　
　　Burgener表示，云中的分層物聯網存儲選項（例如，從熱存儲到冷存儲）在物聯網應用中的相關性較低，因為可以在本地存儲數據。他說，對于分層存儲，基本概念是所有數據不必存儲在同一個高性能、高成本的存儲區域。
　　
　　他說，“企業只需要在那里提供必須以高性能交付的數據，并采用成本更低的數據層，而這些數據是企業不需要在現場或需要經常訪問的數據。”
　　
　　需要立即分析數據的用例（例如自動駕駛汽車）通常不采用云存儲。些時間密集型用例允許數據被送回一個中心位置，在那里機器學習被應用于獲取洞察力。
　　
　　某些行業和應用程序生成大量數據，包括公用事業、建筑自動化系統（照明、供暖）和監控系統。例如，監控攝像機每秒傳輸大約2兆字節的數據。
　　
　　Burgener表示，“物聯網存儲類型的組合適用很多企業使用。在數據中心中，可能會看到數百兆字節和數十兆字節的存儲空間，但在邊緣位置的存儲設備卻不足20兆字節。”
　　
　　邊緣設備不一定需要大量處理能力或大量存儲，只需捕獲數據并將其發送回更集中的位置進行處理。根據它們的位置，這些設備需要堅固耐用，并且具有足夠的電力來維持數據，直到可以更換電池。
　　
　　他說，“設備類型有一個真正廣泛的連續性，因此他們必須開發不同類型的存儲設備，以便在物聯網設備中以非常低的功率運行。這往往是新的固態存儲技術。”
　　
　　Burgener說，例如，自動駕駛汽車用來決定是否停車的數據會在邊緣進行處理，以便立即做出決定，但一旦做出決定，這些數據就會被丟棄。然而，有關車輛是否需要根據行駛里程加油的決定在邊緣收集，然后送回遠程位置進行處理和存儲。
　　
　　IDC公司基礎設施系統、平臺和技術研究副總裁NatalyaYezhkova說，“物聯網沒有統一的存儲方案。每件事都是由一個特定的用例驅動的。一些大型工作負載可能會被傳送到云端進行分析，然后返回到內部數據中心進行微調。”
　　
　　還需要考慮企業對云存儲的舒適程度、數據傳輸量以及在需要移動大量數據時對帶寬的控制程度。
　　
　　物聯網設備收集的結構化數據提供了有關機器特性的信息，這些信息已傳輸到數據中心進行分析。監控視頻產生的是大量的非結構化數據，可能需要實時或經常進行分析，因此不會再次使用。
　　
　　此外，邊緣的存儲量由幾個因素決定，包括邊緣與核心的距離。例如，海洋石油鉆井平臺上的低功耗傳感器可能需要額外的存儲設備和電池電源，這取決于數據從設備上傳的頻率。
　　
　　她說：“如果要實現物聯網的主要目標，數據不能只是保持閑置，需要通過分析來提高運營和客戶體驗。”
　　
　　大多數物聯網數據都是非結構化的，易于存儲在公共云中。所有主要的云提供商都提供可擴展的存儲系統，幾乎不收取數據入口的費用。云端還為本地數據中心過大的作業提供大數據分析工具。
　　
　　在考慮存儲選項時，企業應確保數據管理與工作負載和應用程序的規模保持一致。
　　
　　Yezhkova說，“對于何時使用云端與數據中心，這并沒有一個固定的做法，對于一些企業來說，這需要反復驗證才能得到最終結果。”