數(shù)據(jù)令人頭痛
你之前可能聽說過這個，但大部分產(chǎn)生的感官數(shù)據(jù)在它產(chǎn)生5秒后完全沒有用處?，F(xiàn)在你明白我的觀點了嗎?
我們有400個傳感器，多個網(wǎng)關(guān)，多個進(jìn)程和多個系統(tǒng)，這些系統(tǒng)幾乎可以即時處理這些數(shù)據(jù)。
那時候，大多數(shù)數(shù)據(jù)處理的支持者都在倡導(dǎo)Cloud模式，在這種模式下你總是應(yīng)該向云發(fā)送一些東西。這也是第一種類型的物聯(lián)網(wǎng)計算基礎(chǔ)。
1.物聯(lián)網(wǎng)的云計算
借助物聯(lián)網(wǎng)和云計算模型，您基本上可以在云中推送和處理您的感官數(shù)據(jù)。您有一個攝取模塊，它接收數(shù)據(jù)并將其存儲在數(shù)據(jù)湖(一個非常大的存儲)中，然后對其應(yīng)用并行處理(可以是Spark，Azure HD Insight，Hive等)，然后使用這個快速調(diào)節(jié)信息做出決定。
自從我開始構(gòu)建物聯(lián)網(wǎng)解決方案以來，我們現(xiàn)在有許多新產(chǎn)品和服務(wù)可以使您對此非常輕松：
如果您是AWS迷，則可以使用AWS Kinesis和Big data lambda服務(wù)。
您可以利用Azure的生態(tài)系統(tǒng)，使構(gòu)建大數(shù)據(jù)功能變得非常簡單。
或者，您可以使用Cloud Cloud產(chǎn)品和Cloud IoT Core等工具。
我在物聯(lián)網(wǎng)云計算面臨的一些挑戰(zhàn)是：
使用專有平臺和企業(yè)在谷歌，微軟和亞馬遜物業(yè)上使用他們的數(shù)據(jù)感到不安
延遲和網(wǎng)絡(luò)中斷問題
增加存儲成本，數(shù)據(jù)安全性和持久性
通常，大數(shù)據(jù)框架不足以創(chuàng)建可以促進(jìn)數(shù)據(jù)需求的大型攝入模塊
但是你必須在某處處理你的數(shù)據(jù)，對吧?
現(xiàn)在來霧計算!
2.物聯(lián)網(wǎng)霧計算
隨著霧計算，我們變得更加強(qiáng)大。我們現(xiàn)在使用本地處理單元或計算機(jī)，而不是一直將數(shù)據(jù)發(fā)送到云端并等待服務(wù)器進(jìn)行處理和響應(yīng)。
4-5年前，當(dāng)我們實現(xiàn)這一點時，我們沒有像Sigfox和LoraWAN這樣的無線解決方案，BLE沒有網(wǎng)狀或遠(yuǎn)距離功能。因此，我們必須使用成本較高的網(wǎng)絡(luò)解決方案來確保我們能夠建立到數(shù)據(jù)處理單元的安全，持續(xù)的連接。這個中央單位是我們解決方案的核心，并且很少有這種解決方案的專業(yè)供應(yīng)商。
我首次實施霧計算是在一個石油和天然氣管道項目。這條管道產(chǎn)生了TB級的數(shù)據(jù)，我們創(chuàng)建了一個霧網(wǎng)絡(luò)，其中有霧節(jié)點來計算數(shù)據(jù)。
從那時起實施一個霧網(wǎng)絡(luò)，我學(xué)到了一些東西：
這不是很直接，有很多事情你需要知道和理解。構(gòu)建軟件或我們在物聯(lián)網(wǎng)中所做的更直接，更開放。另外，當(dāng)你把網(wǎng)絡(luò)作為一個障礙時，它會降低你的速度。
您需要一個非常龐大的團(tuán)隊和多個提供者來執(zhí)行此類實施。通常你也會面臨供應(yīng)商鎖定。
開放霧及其對霧計算的影響
一年前，一位同事向我介紹OpenFog，這是由領(lǐng)先的從業(yè)者開發(fā)的霧計算架構(gòu)的開放式霧計算框架。它提供：
用例
測試床
技術(shù)規(guī)格
還有一個參考架構(gòu)
3.物聯(lián)網(wǎng)邊緣計算
物聯(lián)網(wǎng)是關(guān)于捕捉微觀互動并盡可能快地做出反應(yīng)。邊緣計算使我們最接近數(shù)據(jù)源，并允許我們在傳感器的區(qū)域應(yīng)用機(jī)器學(xué)習(xí)。如果您已經(jīng) 認(rèn)識到邊緣與霧計算的討論，您應(yīng)該了解邊緣計算都是關(guān)于傳感器節(jié)點的智能，而霧計算仍然是可以為數(shù)據(jù)大量操作提供計算能力的局域網(wǎng)。
像微軟和亞馬遜這樣的行業(yè)巨頭已經(jīng)發(fā)布了Azure物聯(lián)網(wǎng)邊緣和AWS綠色天然氣，以促進(jìn)物聯(lián)網(wǎng)網(wǎng)關(guān)和傳感器節(jié)點上具有相當(dāng)計算能力的機(jī)器智能。雖然這些解決方案非常好，可以讓您的工作變得非常簡單，但它顯著改變了我們從業(yè)者所了解和使用的邊緣計算的含義。
邊緣計算不應(yīng)該要求機(jī)器學(xué)習(xí)算法在網(wǎng)關(guān)上運行以建立智能。2015年，我遇到了Knowm，并看到了他們在Neuromemristive處理器上的令人印象深刻的工作。Knowm的Alex談到ECI會議上關(guān)于神經(jīng)元處理器上嵌入式AI的工作：
真正的邊緣計算將發(fā)生在這種可以預(yù)裝載機(jī)器學(xué)習(xí)算法的神經(jīng)元晶體裝置上，以實現(xiàn)單一目的和責(zé)任。那會很棒嗎?假設(shè)您的倉庫的終端節(jié)點可以在本地執(zhí)行NLP，以獲得像“Open Sesame”這樣的密碼的少數(shù)幾個關(guān)鍵字符串!
這樣的邊緣設(shè)備通常在其內(nèi)部具有類似神經(jīng)網(wǎng)絡(luò)的構(gòu)造，因此當(dāng)你加載機(jī)器學(xué)習(xí)算法時，基本上在它們內(nèi)部燒制了神經(jīng)網(wǎng)絡(luò)。但是這種灼傷是永久的，你不能扭轉(zhuǎn)這種情況。
嵌入式設(shè)備有一個全新的空間，可以在低功耗傳感器節(jié)點上實現(xiàn)嵌入式邊緣智能。
現(xiàn)在讓我們來看看IOT - MIST計算的第四種計算類型。
4.物聯(lián)網(wǎng)MIST計算
我們看到我們可以做到以下幾點，以促進(jìn)物聯(lián)網(wǎng)的數(shù)據(jù)處理和智能：
基于云的計算模型
基于霧的計算模型
邊緣計算模型
這是一種計算類型，它彌補了霧和邊緣計算的不足，并使它們更好，而不需要我們等待另外的十年。我們可以簡單地引入物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)功能，并分配工作負(fù)載，并利用霧或邊緣計算所提供的動態(tài)智能模型。
建立這種新的范例可以從具有256kb存儲器大小和?100kb /秒數(shù)據(jù)傳輸速率的設(shè)備引入高速數(shù)據(jù)處理和智能提取。
我不會說這個技術(shù)模型足夠成熟，可以幫助我們處理物聯(lián)網(wǎng)計算模型。但是對于Mesh網(wǎng)絡(luò)，我們肯定會看到這樣的計算模型的協(xié)調(diào)者。
就個人而言，我花了一些時間在實驗室中實施基于MIST的PoC，我們試圖解決的挑戰(zhàn)是分布式計算模型和治理。但是，我有100%的把握，在6個月后，有人會提出一個更好的基于MIST的模型，我們都可以輕松使用和消費。
物聯(lián)網(wǎng)在同一時間是令人著迷和具有挑戰(zhàn)性的，我寫的主要來自我自己經(jīng)驗的部分內(nèi)容。如果你有什么要分享，增加或批評的話，我全都是耳朵!
