物聯(lián)網(wǎng) （IoT） 解決方案對任何數(shù)據(jù)庫來說都是一個獨特的挑戰(zhàn)。來自非常廣泛的物聯(lián)網(wǎng)設備的數(shù)據(jù)越來越大，速度越來越快，再加上關鍵的延遲要求。鑒于此，數(shù)據(jù)的處理和分析必須越來越多地在網(wǎng)絡邊緣處理，靠近傳感器，執(zhí)行器和其他物聯(lián)網(wǎng)設備。

我們不再奢侈地能夠在云環(huán)境中處理物聯(lián)網(wǎng)數(shù)據(jù)，因為云環(huán)境中似乎有無限的計算和存儲資源，因為延遲是不可接受的。值得慶幸的是，有強大的數(shù)據(jù)庫和平臺解決方案可以正面應對這一挑戰(zhàn)，我們將在下面進行探討。但首先，讓我們回顧一下物聯(lián)網(wǎng)環(huán)境特有的一些數(shù)據(jù)要求。

鑒于物聯(lián)網(wǎng)和大數(shù)據(jù)的數(shù)量、速度、多樣性和準確性（“四個V”）要求，以及其中許多用例的分布式性質(zhì)，邊緣計算越來越成為賭注的隱喻。

那么，如果我們回到邊緣的分布式計算，有沒有辦法保持我們長期以來所享有的功能（以及我們在過去10年中云計算的巨大趨勢）？我們也可以吃蛋糕嗎？

通過霧計算將云原則帶到邊緣

幸運的是，在這種情況下 - 隨著霧計算的普及和增長趨勢 - 答案是肯定的。解決方案是將云主體帶到邊緣，霧和云環(huán)境協(xié)同運行以處理復雜的物聯(lián)網(wǎng)用例。當您有關鍵的延遲要求時，例如對于智能城市物聯(lián)網(wǎng)用例，例如槍聲檢測或犯罪面部識別，您的數(shù)據(jù)必須由位于IP攝像機和其他傳感器附近的加固霧節(jié)點處理。

非延遲關鍵數(shù)據(jù)仍可同步到核心或云。通過這種方式，來自物聯(lián)網(wǎng)解決方案中所有邊緣設備和霧節(jié)點的數(shù)據(jù)可以在核心級別（例如，智能城市用例中的城市街區(qū)）聚合，并最終聚合到云或數(shù)據(jù)中心環(huán)境中進行商業(yè)智能和其他分析。

對于霧計算，我們將物聯(lián)網(wǎng)設備、邊緣設備、霧節(jié)點和云之間的數(shù)據(jù)通信稱為“南北”通信，將系統(tǒng)中邊緣/霧節(jié)點之間的數(shù)據(jù)通信稱為“東西向”通信。為了有效，我們必須在邊緣擁有通用的云或數(shù)據(jù)中心環(huán)境功能，例如機器學習，深度學習和其他人工智能。

這帶來了下一個挑戰(zhàn)：鑒于邊緣設備和霧節(jié)點的分布式性質(zhì)以及適度的存儲和計算能力，我們?nèi)绾翁幚磉@些需求？讓霧和云環(huán)境協(xié)同運行至關重要。例如，通過機器學習，我們需要在云中訓練模型，在那里我們擁有大量的計算和存儲資源。然后，我們需要將這些經(jīng)過訓練的模型部署到霧節(jié)點和/或邊緣設備，以便它們可以在物聯(lián)網(wǎng)設備附近提供服務，以最大限度地減少延遲。

“智能邊緣”數(shù)據(jù)庫

“智能邊緣”已經(jīng)到來，并將我們從這些看似無法解決的問題中解救出來（或者小林丸為你們“星際迷航”粉絲）。如今，邊緣已成為物聯(lián)網(wǎng)的戰(zhàn)場，但地球上是否有一個數(shù)據(jù)庫可以處理來自數(shù)千個傳感器，攝像頭和其他設備的海量和高速數(shù)據(jù)？一個可以實時處理這些數(shù)據(jù)，具有許多不同的數(shù)據(jù)庫模型，并且占用空間小？

業(yè)界正在解決這個問題，答案是：是的。

現(xiàn)在有解決方案進入市場，提供快速性能，并能夠在物聯(lián)網(wǎng)邊緣以小于1ms的延遲每秒攝取數(shù)百萬次寫入。這很強大。由于這些解決方案可以提供較小的硬件和軟件占用空間，因此在某些情況下，它們非常適合生活在霧節(jié)點，邊緣網(wǎng)關設備甚至物聯(lián)網(wǎng)設備上。

其中一些解決方案，如Redis Enterprise，具有許多本機數(shù)據(jù)結(jié)構(gòu)（集，排序集，列表，哈希，流等），為物聯(lián)網(wǎng)應用程序開發(fā)人員提供了最大的靈活性。此外，由于已經(jīng)存在許多模塊來擴展它，這些解決方案可以具有多模型數(shù)據(jù)庫，可以處理物聯(lián)網(wǎng)邊緣所需的非常多樣化的工作負載：時間序列，圖形，機器學習，搜索等。

簡化的架構(gòu)

這些平臺無需部署六個不同的數(shù)據(jù)庫來支持這些需求，而是可以管理所有這些數(shù)據(jù)庫，從而極大地簡化了您的架構(gòu)。許多任務關鍵型 IoT 用例分布在多個區(qū)域，這代表了另一個用例，可以通過即將推出的具有高可用性、主動-主動（帶 CRDT）、災難恢復和自動擴展功能的平臺來優(yōu)雅地處理。

現(xiàn)在我們已經(jīng)展示了值得在智能邊緣上使用的數(shù)據(jù)庫，您可能想知道哪個平臺最適合在物聯(lián)網(wǎng)邊緣運行它們？當然，有很多變量和選擇。在 Redis 實驗室，我們與微軟 Azure 合作開發(fā)物聯(lián)網(wǎng)邊緣解決方案。關鍵是為客戶提供快速的常規(guī)數(shù)據(jù)存儲、Azure Edge 模塊之間的消息代理、流處理、時序數(shù)據(jù)庫和內(nèi)存中處理（機器學習模型服務、圖形處理等），以獲得最佳性能。

物聯(lián)網(wǎng)社區(qū)將從聯(lián)合物聯(lián)網(wǎng)邊緣解決方案中受益匪淺。但是，將正確的數(shù)據(jù)庫與正確的智能 IoT 邊緣解決方案集成對于所有 IoT 工作的成功至關重要。

審核編輯：郭婷