物联网数据管理与计算堆栈

事实上，物联网传感器生成的数据才是搭建物联网系统时最大的挑战。在最新的IT网络中，发端于一台计算机或者一台服务器的数据往往是由客户端/服务器这种通信模型产生的，这类数据可以满足应用的需求。

在传感器网络中，绝大部分数据都是非结构化的，这些数据本身几乎没有任何用处。比如，一个智能电表生成的大部分数据都是轮询数据；通信系统只需要判断这个电表与网络之间的连接是不是正常就可以了。这个数据本身用处着实不大。

智能电表的真正价值在于那些电表管理系统（MMS）读取到的那部分测量数据。不过，如果我们从另一个角度来看待那些原始的轮询数据，这些信息可能就会非常重要。比如，一家公用事业单位可能有上百万门电表，这些电表覆盖了这家公司提供服务的整个区域。如果智能电网覆盖的整个区段都显示与电表的连接断开，那我们就可以对这些数据进行分析，并且将这些数据和其他数据源（如天气预报和电网的电力需求）结合起来，依此判断这次故障的成因。

这类信息可以帮助人们判断，电表连接中断是不是表示真的存在电力损失，还是说电网中出现了其他问题。此外，分析这类数据可以帮助这家公用事业单位发现服务中断的原因，并且迅速修复故障。

在大多数情况下，数据处理的进程都是在物联网设备之外执行的。数据处理的天然位置是在云端完成。智能设备需要连接到云，数据需要以集中式的方式进行处理。这个模型的一大优势就是简单。物联网设备只需要连接到一个中央的云应用即可。应用可以看到全部的物联网节点，而且可以处理所有我们在今天或者未来需要进行的数据分析。

不过，这个模型也有缺陷。当数据量增大，连网之“物”种类增加，且人们对效率的要求进一步提升时，就会出现新的需求，而这些新的需求往往会要求执行数据分析的位置更加贴近物联网系统。这里所说的需求如下所示。

最小化延迟：各类工业系统中，在诸如防止流水线停顿或者恢复电力服务这类场合中，毫秒级的差异都是很重要的。在距离数据收集设备很近的位置分析数据，可以让整个系统免遭级联系统故障。

节省系统带宽：海上石油钻机每周可以产生500GB的数据。商用喷气机每30分钟的航程就可以产生10TB的数据。把如此海量的数据从上百万台边缘设备传输到云端是不切实际的，也是完全没有必要的，因为很多重要的分析其实根本用不到云级别的处理与存储资源。

增加本地效率：在自然条件差异巨大的广大地理范围内收集和保护数据有可能用处并不大。一个区域中的条件会触发本地设备做出某种响应，这种响应和上百公里之外另一个自然条件下的站点所做出的响应是相互独立的。如果以提升效率作为出发点的话，我们其实不必须在同一个系统中分析这两个区域。

因此，在设计的时候，一项重要的考量因素在于如何设计出一个物联网，以高效的方式管理如此海量的数据，这样数据才能迅速得到分析，而分析的结果也能够直接作用于商业利益。物联网设备所生成的海量数据可以轻而易举地让数据中心或者云中的前端系统难以为继。例如，一个中等规模的智能电表网络包含100万台电表，这样一个网络每天可以生成近10亿个数据点（包括读表和其他控制数据），由此产生的数据量将达1TB之多。对于一个无法实时分析和储存如此海量数据的IT机构而言，这会造成巨大的问题。

庞大的数据量也会给带宽管理带来难题。随着大量物联网数据开始涌入数据中心，网络真的能够支持如此庞大的流量吗？应用服务器能够正确接收、存储和分析如此庞大的入站数据吗？我们将这种情况称为物联网系统生成的数据和管理应用处理数据的能力存在“阻抗失配”。

如图所示，传统IT系统中的数据管理是非常简单的。端点设备（笔记本电脑、打印机、IP电话等）通过IP核心网络与数据中心或者云端的服务器进行通信。数据一般会储存在数据中心中，而接入层到核心层之间的物理链路一般都拥有高带宽，因此访问IT数据的速度也是很快的。

物联网系统的工作方式与此不同。很多与数据相关的问题都需要得到解决。

“最后一公里”物联网的带宽是很低的。在处理成千上万台设备的时候，每台设备可用的带宽可能只有几十kbit/s，甚至更低。

延迟可能非常高。除了处理延迟（以毫秒为单位）之外，大型物联网往往会引入数百毫秒甚至数秒的延迟。

从网关的回程路径有可能并不可靠，这条路径往往需要依靠3G/LTE甚至卫星链路来建立连接。如果必须借助逐字节的数据使用模型，回程链路有可能价值非常昂贵。

通过回程链路传输的数据量可能非常高，其中有很多数据或许价值不大（比如普通的轮询消息）。

大数据越来越大。在云中存储和分析所有传感器的数据是不现实的。设备产生的数据量极大，执行实时数据分析和响应早已成为天方夜谭。

亿联云是一家云网服务提供商、大带宽租赁、光纤专线接入、云服务器等行业，提供性价比高的产品和优质的技术服务，赢得了数十万用户的青睐，如有任何疑问，欢迎致电010-53390328！