斯蒂爾曼智能科技有限公司——IOTDAE4000-斯蒂爾曼

對(duì)物聯(lián)網(wǎng)設(shè)備的發(fā)展趨勢(shì)進(jìn)行了綜述。據(jù) IOTAnalytics (IOT Analytics)的數(shù)據(jù)，2016年，有47億多臺(tái)設(shè)備與互聯(lián)網(wǎng)相連。如今，即將到2021年，物聯(lián)網(wǎng)設(shè)備的市場(chǎng)規(guī)模將達(dá)到近116億臺(tái)。

互聯(lián)網(wǎng)罪犯將繼續(xù)利用物聯(lián)網(wǎng)設(shè)備實(shí)施 D1DoS攻擊

在2016年，世界上出現(xiàn)了首i款物聯(lián)網(wǎng)惡意軟件 Mirai，這是一款能夠感i染 DVR、攝像頭等網(wǎng)絡(luò)設(shè)備的惡意軟件。惡意軟件 Mirai使用默認(rèn)的密碼和用戶名來訪問設(shè)備。

米拉惡意軟件通過實(shí)施(D1DoS)攻擊，把受影響的設(shè)備變成僵i尸網(wǎng)絡(luò)，利用因特網(wǎng)流量壓制網(wǎng)站。這次攻擊zui終導(dǎo)致全球zui大的一家網(wǎng)站托管公司倒閉，導(dǎo)致眾多知i名網(wǎng)站和服務(wù)暫停數(shù)小時(shí)

也就是說，在物聯(lián)網(wǎng)行業(yè)，資本的力量相對(duì)較弱。假如你擁有先發(fā)制人的優(yōu)勢(shì)，后來者想要單靠資本的力量趕超或?qū)⒛銛D出市場(chǎng)，那么他付出的代價(jià)就比在互聯(lián)網(wǎng)行業(yè)更大。

因此，物聯(lián)網(wǎng)行業(yè)目前仍是一片藍(lán)海，小型企業(yè)也完全有能力與大型企業(yè)同臺(tái)競(jìng)爭。隨著 AI和區(qū)塊i鏈的熱度降溫，物聯(lián)網(wǎng)將成為下一個(gè)風(fēng)口。對(duì)于程序員來說，在風(fēng)吹雨打之前做些準(zhǔn)備是很有必要的。消息隊(duì)列遙測(cè)傳輸協(xié)議(Message Queue Telemetry Transport, Message Queue Telemetry Transport)是 IBM的 AndyStanford-Clark和 Arcom的 Arlen Nipper1999年為一項(xiàng)將石油管道連接到衛(wèi)i星網(wǎng)絡(luò)的項(xiàng)目而開發(fā)的。

我們都知道，分析大數(shù)據(jù)可以對(duì)企業(yè)和他們?nèi)绾芜\(yùn)作有很大的幫助。這里有一些關(guān)于它的問題：

大多數(shù)數(shù)據(jù)是孤立的，不能與其他類型的數(shù)據(jù)相分離，不能用于宏觀分析。舉例來說，很難將財(cái)務(wù)數(shù)據(jù)與消費(fèi)者數(shù)據(jù)進(jìn)行簡單地匯總，以便深入了解特定客戶行為對(duì)公司財(cái)務(wù)業(yè)績的影響。

要快速處理大數(shù)據(jù)來獲得洞察力是非常困難的。大部分類型的數(shù)據(jù)的價(jià)值都是短暫的，消費(fèi)者今天做的事情在明天和后天都會(huì)有所不同。企業(yè)需要洞察力來迅速采取行動(dòng)以獲取zui大收益，但是大多數(shù)傳統(tǒng)的數(shù)據(jù)庫系統(tǒng)不能處理所需的速度。

當(dāng)物聯(lián)網(wǎng)被引入時(shí)，在廣泛分享數(shù)據(jù)方面可能會(huì)產(chǎn)生矛盾，例如，測(cè)量氣候和污染的數(shù)據(jù)點(diǎn)可能會(huì)越來越多，從而暴露出一個(gè)城市日益增長的二氧化碳水平，這將導(dǎo)致這個(gè)城市受到嚴(yán)厲的檢查和罰款。由于對(duì)污染環(huán)境的暴露和對(duì)新型“超級(jí)病毒”的脆弱性之間的聯(lián)系已經(jīng)建立，現(xiàn)在迫切需要測(cè)量空氣質(zhì)量水平。此外，數(shù)據(jù)洞察力和潛在的社會(huì)和商業(yè)影響之間的平衡可能會(huì)成為需要處理的復(fù)雜問題。

但是首先，數(shù)據(jù)必須以一種可用的方式被挖掘和構(gòu)建，所以必須有一個(gè)系統(tǒng)來決定誰有權(quán)使用這些數(shù)據(jù)。資料是否免費(fèi)或商用？或者數(shù)據(jù)是保密的，只供內(nèi)部使用？隨著個(gè)人追i蹤數(shù)據(jù)的公開，在冠狀病毒流行期間的zui新進(jìn)展已經(jīng)超出了對(duì)數(shù)據(jù)保護(hù)的擔(dān)心——是否會(huì)成為確保我們城市居民健康的常規(guī)措施？

在數(shù)據(jù)處理過程中，數(shù)據(jù)的時(shí)效性是指數(shù)據(jù)在處理過程中的產(chǎn)生時(shí)間，它是由系統(tǒng)的運(yùn)行部署來決定的。資料可使用多次，或可在使用一次之后清除資料。從整體上看，是遠(yuǎn)程數(shù)據(jù)部署還是邊緣數(shù)據(jù)部署影響數(shù)據(jù)的時(shí)效性，通常是邊緣數(shù)據(jù)部署時(shí)間短，遠(yuǎn)程數(shù)據(jù)部署時(shí)間長。邊界部署所需的數(shù)據(jù)通常具有及時(shí)性，但邊界存儲(chǔ)空間較小，計(jì)算能力較差，因此無法長期保存；遠(yuǎn)程數(shù)據(jù)通常用于顯示歷史數(shù)據(jù)，進(jìn)行計(jì)算分析，同時(shí)具有云端空間和計(jì)算的可擴(kuò)展性，因此數(shù)據(jù)的時(shí)效性較高。

實(shí)時(shí)性也是數(shù)據(jù)時(shí)效性的一部分，實(shí)時(shí)性與數(shù)據(jù)的放置位置、數(shù)據(jù)的重要性及傳輸方式有關(guān)。

通過 AR和 VR，遠(yuǎn)程學(xué)習(xí)可以創(chuàng)造出沉浸式的學(xué)習(xí)體驗(yàn)。網(wǎng)上學(xué)習(xí)是課堂教學(xué)的標(biāo)準(zhǔn)化延伸。學(xué)校可以與 IT部門合作，為學(xué)生創(chuàng)建一套“技術(shù)套件”，其中包括便攜式筆記本電腦、網(wǎng)絡(luò)設(shè)備和桌面數(shù)據(jù)存儲(chǔ)解決方案。

一般架構(gòu)不再適用

很多企業(yè)仍然使用通用架構(gòu)來管理 IoT數(shù)據(jù)。但多數(shù)時(shí)候，通用計(jì)算架構(gòu)不能完全滿足 IoT工作負(fù)載要求。這種方法不能滿足 IoT應(yīng)用程序?qū)稍L問性、容量、可靠性和可伸縮性的要求，因?yàn)橐话愕纳虡I(yè)架構(gòu)都沒有考慮 IoT系統(tǒng)可能面臨的各種因素。

特別建立的體系結(jié)構(gòu)使用設(shè)備、平臺(tái)、系統(tǒng)和解決方案，它們可以將數(shù)據(jù)價(jià)值z(mì)ui大化地用于實(shí)時(shí)物聯(lián)網(wǎng)用例。必須為 IoT專門設(shè)計(jì)存儲(chǔ)策略。試想一下，一個(gè)蜂窩塔樓，一個(gè)地下礦，或者一個(gè)風(fēng)車，其中的物聯(lián)網(wǎng)設(shè)備可能很遙遠(yuǎn)，并且能夠承受溫度和濕度等惡劣環(huán)境條件。存儲(chǔ)器不能是事后想的；相反，系統(tǒng)架構(gòu)師需要盡早與存儲(chǔ)專i家合作，設(shè)計(jì)能夠滿足系統(tǒng)i獨(dú)特i需求的架構(gòu)。

互聯(lián)網(wǎng)新常態(tài)

存儲(chǔ)的重要性無疑會(huì)影響到家庭、企業(yè)環(huán)境和整個(gè)供應(yīng)鏈中的所有這些數(shù)據(jù)場(chǎng)景。它必須被看作是組織經(jīng)營策略的一部分。存儲(chǔ)器不僅支持人與機(jī)器之間的通訊，而且還可以與 AI、 IoT和5 G結(jié)合使用，讓企業(yè)快速獲取數(shù)據(jù)，從中獲得洞察力。隨著新常態(tài)下大流行后新業(yè)務(wù)模式的發(fā)展，在正確的時(shí)間和正確的地點(diǎn)訪問這類數(shù)據(jù)將成為關(guān)鍵。

概括物聯(lián)網(wǎng)中各種類型的數(shù)據(jù)和特征，或者抽象它們的通用性，目的在于更好地選擇不同的物聯(lián)網(wǎng)技術(shù)，以便快速有效地實(shí)施。在物聯(lián)網(wǎng)中，以數(shù)據(jù)為中心的解決方案和商業(yè)模式將成為主流的設(shè)計(jì)思想。

下面我們從數(shù)據(jù)如何采集，數(shù)據(jù)如何預(yù)處理，數(shù)據(jù)如何傳輸?shù)炔煌慕嵌葋矸治鑫锫?lián)網(wǎng)的各種技術(shù)應(yīng)用。

設(shè)計(jì)思想以數(shù)據(jù)流為核心

來自數(shù)據(jù)流的設(shè)計(jì)包括：數(shù)據(jù)采集，數(shù)據(jù)匯聚，數(shù)據(jù)傳輸，數(shù)據(jù)持久，數(shù)據(jù)顯示，數(shù)據(jù)處理，數(shù)據(jù)校正，數(shù)據(jù)消耗等。