數(shù)據(jù)令人頭痛
你之前可能聽說(shuō)過(guò)這個(gè),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(méi)有用處。現(xiàn)在你明白我的觀點(diǎn)了嗎?
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),這些系統(tǒng)幾乎可以即時(shí)處理這些數(shù)據(jù)。
那時(shí)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(jì)算基礎(chǔ)。
1.物聯(lián)網(wǎng)的云計(jì)算
借助物聯(lián)網(wǎng)和云計(jì)算模型,您基本上可以在云中推送和處理您的感官數(shù)據(jù)。您有一個(gè)攝取模塊,它接收數(shù)據(jù)并將其存儲(chǔ)在數(shù)據(jù)湖(一個(gè)非常大的存儲(chǔ))中,然后對(duì)其應(yīng)用并行處理(可以是Spark,Azure HD Insight,Hive等),然后使用這個(gè)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(lái),我們現(xiàn)在有許多新產(chǎn)品和服務(wù)可以使您對(duì)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(jiǎn)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(jì)算面臨的一些挑戰(zhàn)是:
使用專有平臺(tái)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(wèn)題
增加存儲(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(duì)吧?
現(xiàn)在來(lái)霧計(jì)算!
2.物聯(lián)網(wǎng)霧計(jì)算
隨著霧計(jì)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(jì)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(shí)現(xiàn)這一點(diǎn)時(shí),我們沒(méi)有像Sigfox和LoraWAN這樣的無(wú)線解決方案,BLE沒(méi)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(lái)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(gè)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(shí)施霧計(jì)算是在一個(gè)石油和天然氣管道項(xiàng)目。這條管道產(chǎn)生了TB級(jí)的數(shù)據(jù),我們創(chuàng)建了一個(gè)霧網(wǎng)絡(luò),其中有霧節(jié)點(diǎn)來(lái)計(jì)算數(shù)據(jù)。
從那時(shí)起實(shí)施一個(gè)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?cè)谖锫?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(gè)障礙時(shí),它會(huì)降低你的速度。
您需要一個(gè)非常龐大的團(tuán)隊(duì)和多個(gè)提供者來(lái)執(zhí)行此類實(shí)施。通常你也會(huì)面臨供應(yīng)商鎖定。
開放霧及其對(duì)霧計(jì)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(jì)算架構(gòu)的開放式霧計(jì)算框架。它提供:
用例
測(cè)試床
技術(shù)規(guī)格
還有一個(gè)參考架構(gòu)
3.物聯(lián)網(wǎng)邊緣計(jì)算
物聯(lián)網(wǎng)是關(guān)于捕捉微觀互動(dòng)并盡可能快地做出反應(yīng)。邊緣計(jì)算使我們最接近數(shù)據(jù)源,并允許我們?cè)趥鞲衅鞯膮^(qū)域應(yīng)用機(jī)器學(xué)習(xí)。如果您已經(jīng) 認(rèn)識(shí)到邊緣與霧計(jì)算的討論,您應(yīng)該了解邊緣計(jì)算都是關(guān)于傳感器節(jié)點(diǎn)的智能,而霧計(jì)算仍然是可以為數(shù)據(jù)大量操作提供計(jì)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(diǎn)上具有相當(dāng)計(jì)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(jiǎn)單,但它顯著改變了我們從業(yè)者所了解和使用的邊緣計(jì)算的含義。
邊緣計(jì)算不應(yīng)該要求機(jī)器學(xué)習(xí)算法在網(wǎng)關(guān)上運(yùn)行以建立智能。2015年,我遇到了Knowm,并看到了他們?cè)?/font>Neuromemristive處理器上的令人印象深刻的工作。Knowm的Alex談到ECI會(huì)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(jì)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(shí)現(xiàn)單一目的和責(zé)任。那會(huì)很棒嗎?假設(shè)您的倉(cāng)庫(kù)的終端節(jié)點(diǎn)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(gè)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(shí),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(gè)全新的空間,可以在低功耗傳感器節(jié)點(diǎn)上實(shí)現(xiàn)嵌入式邊緣智能。
現(xiàn)在讓我們來(lái)看看IOT - MIST計(jì)算的第四種計(jì)算類型。
4.物聯(lián)網(wǎng)MIST計(jì)算
我們看到我們可以做到以下幾點(diǎn),以促進(jìn)物聯(lián)網(wǎng)的數(shù)據(jù)處理和智能:
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
這是一種計(jì)算類型,它彌補(bǔ)了霧和邊緣計(jì)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(jiǎn)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(jì)算所提供的動(dòng)態(tài)智能模型。
建立這種新的范例可以從具有256kb存儲(chǔ)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(huì)說(shuō)這個(gè)技術(shù)模型足夠成熟,可以幫助我們處理物聯(lián)網(wǎng)計(jì)算模型。但是對(duì)于Mesh網(wǎng)絡(luò),我們肯定會(huì)看到這樣的計(jì)算模型的協(xié)調(diào)者。
就個(gè)人而言,我花了一些時(shí)間在實(shí)驗(yàn)室中實(shí)施基于MIST的PoC,我們?cè)噲D解決的挑戰(zhàn)是分布式計(jì)算模型和治理。但是,我有100%的把握,在6個(gè)月后,有人會(huì)提出一個(gè)更好的基于MIST的模型,我們都可以輕松使用和消費(fèi)。
物聯(lián)網(wǎng)在同一時(shí)間是令人著迷和具有挑戰(zhàn)性的,我寫的主要來(lái)自我自己經(jīng)驗(yàn)的部分內(nèi)容。如果你有什么要分享,增加或批評(píng)的話,我全都是耳朵!