很容易就得出这样的结论：边缘计算解决了云计算无法解决的很多问题，但由于边缘系统的高度分布性，这一结论有待商榷。每个边缘节点都不是完全独立的，因为每个边缘节点都需要有其他节点共享信息，保持数据的一致性将是一大挑战。问题是：如何协调大量边缘计算系统，同时仍需要它们独立工作？这是一个多年来一直困扰分布式系统设计者的问题，也是大家认知当中的分布式、一致性和同步问题。
边缘计算系统的数量将会很庞大，因此任何解决方案都需要大幅度扩展。总而言之，这是一个亟待解决的重大问题。
边缘数据
除了一些专门处理事件和上传数据的工作负载之外，很多在边缘处理的应用程序需要共享安全性、用户和其他信息。这些应用程序包括：物联网应用、游戏、广告、VR/AR以及移动应用等等。
有些人提出了数据引力（data gravity）的想法，任何应用程序工作负载的相关部分都是数据，因此应用程序的设计和部署使得访问数据不会遇到瓶颈，如果程序和数据彼此靠近，这样的效果最好。如电商运营培训报价果需要维护一个中央共享数据库，那么这些程序需要驻留在中央数据库附近，这不是我们需要的分布式边缘怎样做营销站计算。
另一个挑战是边缘计算的计算功率不高，很难运行传统的数据库或应用程序服务器，其中许可和数据处理成本可能很高。轻量计算如容器或无服务系统可能更适合边缘计算应用场景。
新兴的解决方案
为了解决这些问题，一些厂商正在推出可实现基于边缘计算和存储的轻量级系统。如AWS Greengrass是一种使用无服务器计算和本地缓存数据，在本地处理数据的系统，但需要依赖云进行长期存储。
而以Kuhiro大数据舆情系统为代表的初创公司通过创建一个illusion加以实现，illusion每个边缘节点在其本地副本上工作时存在单个逻辑一致性数据库。
尽管云服务提供商已经开发出了用于内部使用的边缘解决方案，但随着物联网应用日益普及，企业可能很快意识到他们需要解决类似的问题。此外，一些应用程序在移动设备商运行，也可能需要在边缘进行处理，例如靠近手机基站。
与边缘计算和边缘数据相关的问题非常复杂，但云服务提供商和初创公司提供的解决方案将能够解决这些问题，帮助企业快速部署边缘计算。
