從一個(gè)實(shí)踐者的角度來看，我經(jīng)?？吹接?jì)算更加可用和分布的必要性。當(dāng)我開始將物聯(lián)網(wǎng)與OT和IT系統(tǒng)集成時(shí)，我面臨的第一個(gè)問題是設(shè)備發(fā)送到我們服務(wù)器的數(shù)據(jù)量太大。我在一個(gè)工廠自動(dòng)化場景中工作，我們集成了400個(gè)傳感器，這些傳感器每1秒發(fā)送3組數(shù)據(jù)。

數(shù)據(jù)問題

大多數(shù)產(chǎn)生的傳感數(shù)據(jù)在產(chǎn)生5秒后就完全沒有用了。

我們有400個(gè)傳感器、多個(gè)網(wǎng)關(guān)、多個(gè)進(jìn)程和多個(gè)系統(tǒng)，需要幾乎同時(shí)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，在云模型中，您應(yīng)該始終向云發(fā)送一些內(nèi)容。這也是第一個(gè)物聯(lián)網(wǎng)計(jì)算基礎(chǔ)。

1. 物聯(lián)網(wǎng)云計(jì)算

使用物聯(lián)網(wǎng)和云計(jì)算模型，您基本上可以在云中推送和處理感覺數(shù)據(jù)。您有一個(gè)接收模塊，它接收數(shù)據(jù)并將其存儲(chǔ)在一個(gè)數(shù)據(jù)池(一個(gè)非常大的存儲(chǔ)空間)中，然后對(duì)其應(yīng)用并行處理(可能是Spark、Azure HD Insight、Hive等)，然后使用這些信息來做出決策。

自從我開始構(gòu)建物聯(lián)網(wǎng)解決方案以來，我們現(xiàn)在有許多新的產(chǎn)品和服務(wù)，可以讓您非常容易地做到這一點(diǎn)：

如果您是AWS的忠實(shí)擁護(hù)者，則可以利用AWS Kinesis和大數(shù)據(jù)lambda服務(wù)。

你可以利用Azure的生態(tài)系統(tǒng)，使構(gòu)建大數(shù)據(jù)功能變得非常容易。

或者，您可以將Google Cloud Products與Cloud IoT Core等工具一起使用。

我在物聯(lián)網(wǎng)中面臨的一些云計(jì)算挑戰(zhàn)是：

企業(yè)不愿意將其數(shù)據(jù)存儲(chǔ)在Google，Microsoft和Amazon的平臺(tái)中。

延遲和網(wǎng)絡(luò)中斷問題。

不斷增加的存儲(chǔ)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)建能夠滿足數(shù)據(jù)需求的大型接收模塊。

2. 物聯(lián)網(wǎng)的霧計(jì)算(Fog Computing)

有了霧計(jì)算，我們變得更強(qiáng)大了。我們現(xiàn)在使用本地處理單元或計(jì)算機(jī)，而不是將數(shù)據(jù)一直發(fā)送到云端，等待服務(wù)器處理和響應(yīng)。

實(shí)施此功能的4到5年前，我們還沒有Sigfox和LoraWAN等無線解決方案，而BLE都沒有網(wǎng)狀網(wǎng)絡(luò)或遠(yuǎn)程功能。因此，我們必須使用成本更高的網(wǎng)絡(luò)解決方案來確保我們可以與數(shù)據(jù)處理單元建立安全、持久的連接。這個(gè)中央單元是我們解決方案的核心，并且很少有專門的解決方案提供商。

我對(duì)霧計(jì)算的第一個(gè)實(shí)現(xiàn)是在石油和天然氣管道項(xiàng)目中。該管道生成了數(shù)TB的數(shù)據(jù)，我們創(chuàng)建了一個(gè)霧網(wǎng)絡(luò)，該霧網(wǎng)絡(luò)具有適當(dāng)?shù)撵F節(jié)點(diǎn)來計(jì)算數(shù)據(jù)。

從那時(shí)起，我從實(shí)施霧網(wǎng)絡(luò)中學(xué)到的東西：

它不是很簡單，您需要了解和理解很多事情。構(gòu)建軟件或我們?cè)谖锫?lián)網(wǎng)中的工作更加直接和開放。此外，當(dāng)您將網(wǎng)絡(luò)作為障礙時(shí)，它會(huì)減慢你的速度。

這樣的實(shí)現(xiàn)需要一個(gè)非常大的團(tuán)隊(duì)和多個(gè)供應(yīng)商。

Open Fog及其對(duì)霧計(jì)算的影響

Open Fog(https://www.openfogconsortium.org/)計(jì)算框架用于霧計(jì)算體系結(jié)構(gòu)。它提供：

用例

試驗(yàn)臺(tái)

技術(shù)規(guī)格

以及參考體系結(jié)構(gòu)

3. 物聯(lián)網(wǎng)的邊緣計(jì)算(Edge Computing)

物聯(lián)網(wǎng)捕獲微交互并盡可能快地響應(yīng)。邊緣計(jì)算使我們最接近數(shù)據(jù)源，并允許我們?cè)趥鞲衅鲄^(qū)域應(yīng)用機(jī)器學(xué)習(xí)。邊緣與霧計(jì)算的區(qū)別是，邊緣計(jì)算完全是傳感器節(jié)點(diǎn)的智能，而霧計(jì)算仍然是可以為數(shù)據(jù)繁重的操作提供計(jì)算能力的局域網(wǎng)。

微軟和亞馬遜等行業(yè)巨頭已經(jīng)發(fā)布了Azure IoT Edge和AWS Green Gas，以促進(jìn)具有出色計(jì)算能力的IoT網(wǎng)關(guān)和傳感器節(jié)點(diǎn)上的機(jī)器智能。這些都是使您的工作變得非常輕松的出色解決方案，但它極大地改變了我們從業(yè)人員了解和使用的邊緣計(jì)算的含義。

4. 物聯(lián)網(wǎng)的MIST計(jì)算

我們看到我們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：

基于云的計(jì)算模型

基于霧的計(jì)算模型

邊緣計(jì)算模型

我們可以簡單地引入IoT設(shè)備的網(wǎng)絡(luò)功能并分配工作負(fù)載，利用霧和邊緣計(jì)算都無法提供的動(dòng)態(tài)智能模型。這種計(jì)算類型，可補(bǔ)充霧和邊緣計(jì)算，并使它們變得更好。

建立這種新的模式可以從內(nèi)存大小為256kb、每秒數(shù)據(jù)傳輸速率約為100kb的設(shè)備中實(shí)現(xiàn)高速數(shù)據(jù)處理和智能提取。

我不敢說這個(gè)技術(shù)模型已經(jīng)足夠成熟，可以幫助我們處理物聯(lián)網(wǎng)計(jì)算模型。但對(duì)于Mesh網(wǎng)絡(luò)，我們肯定會(huì)看到這樣一個(gè)計(jì)算模型的促進(jìn)者。

就個(gè)人而言，我已經(jīng)花了一些時(shí)間在實(shí)驗(yàn)室中實(shí)施基于MIST的PoC，而我們要解決的挑戰(zhàn)是分布式計(jì)算模型及其治理。但是，我100%確信，很快有人會(huì)提出一個(gè)更好的基于MIST的模型，我們所有人都可以輕松使用和使用。