物聯(lián)網(wǎng)的四種計算模式

1、 物聯(lián)網(wǎng)的四種計算模式目 錄 TOC o 1-3 h z u HYPERLINK l _Toc533500507 1. 物聯(lián)網(wǎng)的云計算 PAGEREF _Toc533500507 h 4 HYPERLINK l _Toc533500508 2. 面向物聯(lián)網(wǎng)的霧計算 PAGEREF _Toc533500508 h 5 HYPERLINK l _Toc533500509 3. 物聯(lián)網(wǎng)邊緣計算 PAGEREF _Toc533500509 h 6 HYPERLINK l _Toc533500510 4. 物聯(lián)網(wǎng)的 MIST 計算 PAGEREF _Toc533500510 h 7從物聯(lián)網(wǎng)從業(yè)者的角度來

2、看，經(jīng)常看到對計算更加可用和分布式的需求。當(dāng)開始將物聯(lián)網(wǎng)與OT和IT系統(tǒng)整合時，面臨的第一個問題是設(shè)備發(fā)送到服務(wù)器的龐大數(shù)據(jù)量。 在一個工廠自動化的場景中，可能有數(shù)百個集成的傳感器，這些傳感器每1秒發(fā)送3個數(shù)據(jù)點。大部分的傳感器數(shù)據(jù)在5秒鐘之后就完全沒用了。 數(shù)百個傳感器，多個網(wǎng)關(guān)，多個進(jìn)程，和多個系統(tǒng)，需要幾乎在瞬間處理這些數(shù)據(jù)。大多數(shù)數(shù)據(jù)處理的支持者都支持云模型，即總是應(yīng)該向云發(fā)送一些東西。 這也是第一種物聯(lián)網(wǎng)計算基礎(chǔ)。1. 物聯(lián)網(wǎng)的云計算通過物聯(lián)網(wǎng)和云計算模型，基本上推動和處理你的感官數(shù)據(jù)在云。 你有一個攝入模塊，它可以接收數(shù)據(jù)并存儲在一個數(shù)據(jù)湖(一個非常大的存儲器) ，然后對它進(jìn)行并行

3、處理(它可以是 Spark，Azure HD Insight，Hive，等等) ，然后使用快節(jié)奏的信息來做決定。自從開始構(gòu)建物聯(lián)網(wǎng)解決方案，現(xiàn)在有了許多新的產(chǎn)品和服務(wù)，可以非常容易地做到這一點:可以使用 AWS Kinesis 和 Big data lambda services可以利用 Azure 的生態(tài)系統(tǒng)，讓構(gòu)建大數(shù)據(jù)能力變得極其容易或者，可以使用像 Google Cloud 產(chǎn)品這樣的工具如Cloud IoT Core在物聯(lián)網(wǎng)中面臨的一些挑戰(zhàn)是:私有平臺的使用者和企業(yè)對于擁有他們的數(shù)據(jù)在谷歌，微軟，亞馬遜等感到不舒服延遲和網(wǎng)絡(luò)中斷問題增加了存儲成本、數(shù)據(jù)安全性和持久性通常，大數(shù)據(jù)框架不

4、足以創(chuàng)建一個能夠滿足數(shù)據(jù)需求的大型攝入模塊2. 面向物聯(lián)網(wǎng)的霧計算通過霧計算，可以變得更加強(qiáng)大。 霧計算使用的是本地處理單元或計算機(jī)，而不是將數(shù)據(jù)一路發(fā)送到云端并等待服務(wù)器處理和響應(yīng)。4-5年前，還沒有像 Sigfox 和 LoraWAN 那樣的無線解決方案，BLE也沒有mesh或遠(yuǎn)程功能。因此，必須使用更昂貴的網(wǎng)絡(luò)解決方案，以確保能夠建立一個安全，持久的連接到數(shù)據(jù)處理單元。 這個中心單元是解決方案的核心，很少有專業(yè)的解決方案提供商。從實施一個霧網(wǎng)絡(luò)中可以了解到:這并不是很簡單，需要知道和理解很多事情。構(gòu)建軟件，或者說在物聯(lián)網(wǎng)上所做的，是更直接和開放的。 而且，當(dāng)把網(wǎng)絡(luò)當(dāng)成一道屏障時，它會降低

5、速度。對于這樣的實現(xiàn)，需要一個非常大的團(tuán)隊和多個供應(yīng)商。 通常也會面臨供應(yīng)商的鎖定。OpenFog是一個由著名業(yè)內(nèi)人士開發(fā)的專為霧計算架構(gòu)而設(shè)計的開放霧計算框架。 它提供了用例，試驗臺，技術(shù)規(guī)格， 還有一個參考體系結(jié)構(gòu)。3. 物聯(lián)網(wǎng)邊緣計算物聯(lián)網(wǎng)是關(guān)于捕捉微小的交互作用，并盡可能快地做出反應(yīng)。 邊緣計算離數(shù)據(jù)源最近，能夠在傳感器區(qū)域應(yīng)用機(jī)器學(xué)習(xí)。 如果陷入了邊緣和霧計算的討論，應(yīng)該明白，邊緣計算是所有關(guān)于智能傳感器節(jié)點的應(yīng)用，而霧計算仍然是關(guān)于局域網(wǎng)絡(luò)，可以為數(shù)據(jù)量大的操作提供計算能力。像微軟和亞馬遜這樣的行業(yè)巨頭已經(jīng)發(fā)布了 Azure IoT Edge 和 AWS Green Gas，用于提

6、高物聯(lián)網(wǎng)網(wǎng)關(guān)和傳感器節(jié)點上的機(jī)器智能，這些網(wǎng)關(guān)和傳感器節(jié)點擁有良好的計算能力。 雖然這些都是非常好的解決方案，可以讓工作變得非常簡單，但是它顯著地改變了從業(yè)者所知道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)上運行來構(gòu)建智能。 2015年，Alex 在 ECI 會議上談到了嵌入式人工智能在神經(jīng)記憶處理器上的工作:真正的邊緣計算將發(fā)生在這樣的神經(jīng)元裝置上，它們可以預(yù)裝機(jī)器學(xué)習(xí)算法，服務(wù)于單一的目的和責(zé)任。 那會很棒嗎？ 讓我們假設(shè)倉庫的結(jié)束節(jié)點可以對很少的幾個關(guān)鍵字符串執(zhí)行本地 NLP，這些關(guān)鍵字符串構(gòu)成密碼，比如芝麻開門！這種邊緣設(shè)備通常有一個類似神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，所以當(dāng)加載一個機(jī)器學(xué)習(xí)算法的時候，基本上就是在里面燃燒了一個神經(jīng)網(wǎng)絡(luò)。 但這種燃燒是永久性的，無法逆轉(zhuǎn).有一個全新的嵌入式設(shè)備空間，可以在低功率傳感器節(jié)點上促進(jìn)嵌入式邊緣智能。4. 物聯(lián)網(wǎng)的 MIST 計算可以做以下事情來促進(jìn)物聯(lián)網(wǎng)的數(shù)據(jù)處理和智能化:基于云計算的模型基于霧的計算模型邊緣計算模型這里有一種計算機(jī)類型，它補(bǔ)充了霧和邊緣計算，使它們變得更好，而不需要再等上年。 可以簡單地引入物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)功能，分配工作負(fù)載，既沒有霧也沒有邊緣計算提供的動態(tài)智能模型。建立這種模式可以帶來高速的數(shù)據(jù)