從從業(yè)者的角度來(lái)看，我經(jīng)?？吹接?jì)算需要更加可用和分布式。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(wèn)題是設(shè)備發(fā)送到我們服務(wù)器的大量數(shù)據(jù)。我在工廠自動(dòng)化場(chǎng)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個(gè)數(shù)據(jù)點(diǎn)。

數(shù)據(jù)的頭痛

您之前可能聽說(shuō)過(guò)這一點(diǎn)，但是生成的大部分感官數(shù)據(jù)在生成5秒后就完全沒有用了?，F(xiàn)在你明白我的意思了嗎?

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)，需要幾乎立即處理這些數(shù)據(jù)。

當(dāng)時(shí)，大多數(shù)數(shù)據(jù)處理的支持者都在提倡云模型，您應(yīng)該始終將某些內(nèi)容發(fā)送到云。這也是第一種物聯(lián)網(wǎng)計(jì)算基礎(chǔ)。

1. 物聯(lián)網(wǎng)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(可能是 Spark、Azure HD Insight、Hive 等)，然后以如此快的速度消耗調(diào)整信息以做出決策。

自從我開始構(gòu)建物聯(lián)網(wǎng)解決方案以來(lái)，我們現(xiàn)在擁有許多新產(chǎn)品和服務(wù)，可以讓您輕松完成這項(xiàng)工作：

• 如果您是AWS粉絲，則可以使用AWS Kinesis和大數(shù)據(jù)lambda服務(wù)。
• 您也可以利用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產(chǎn)品與Cloud IoT Core等工具結(jié)合使用。

我在物聯(lián)網(wǎng)中的云計(jì)算面臨的一些挑戰(zhàn)是：

• 使用專有平臺(tái)和企業(yè)對(duì)將數(shù)據(jù)放在谷歌、微軟、亞馬遜的資產(chǎn)上感到不舒服
• 延遲和網(wǎng)絡(luò)中斷問(wèn)題
• 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)建可滿足數(shù)據(jù)需求的大型攝取模塊

但是您必須在某處處理您的數(shù)據(jù)，對(duì)嗎?

現(xiàn)在是霧計(jì)算!

2. 物聯(lián)網(wǎng)霧計(jì)算

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)，而不是將您的數(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，當(dāng)我們實(shí)施此功能時(shí)，我們沒有像Sigfox和LoraWAN這樣的無(wú)線解決方案，BLE也沒有網(wǎng)狀網(wǎng)絡(luò)或遠(yuǎn)程功能。因此，我們不得不使用更昂貴的網(wǎng)絡(luò)解決方案來(lái)確保我們可以建立到數(shù)據(jù)處理單元的安全、持久的連接。這個(gè)中央單元是我們解決方案的核心，并且此類解決方案的專業(yè)供應(yīng)商很少。

我第一次使用霧計(jì)算是在一個(gè)石油和天然氣管道項(xiàng)目上。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)，其中有霧節(jié)點(diǎn)來(lái)計(jì)算數(shù)據(jù)。

[bctt tweet=”有了霧計(jì)算，我們變得更強(qiáng)大了。“用戶名=”iotforall”]

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

• 這不是很簡(jiǎn)單，有很多事情你需要知道和理解。構(gòu)建軟件，或者說(shuō)我們?cè)谖锫?lián)網(wǎng)中所做的事情，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)減慢您的速度。
• 您需要一個(gè)非常大的團(tuán)隊(duì)和多個(gè)提供者來(lái)進(jìn)行此類實(shí)現(xiàn)。通常，您還會(huì)面臨供應(yīng)商鎖定問(wèn)題。

開放霧及其對(duì)霧計(jì)算的影響

一年前，一位同事向我介紹了OpenFog，一個(gè)由領(lǐng)先從業(yè)者開發(fā)的霧計(jì)算架構(gòu)的 Open Fog計(jì)算框架。它提供：

• 應(yīng)用
• 試驗(yàn)臺(tái)
• 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)于捕捉微交互并盡可能快地做出響應(yīng)。邊緣計(jì)算使我們離數(shù)據(jù)源最近，并允許我們?cè)趥鞲衅鲄^(qū)域應(yīng)用機(jī)器學(xué)習(xí)。如果您對(duì) 邊緣計(jì)算與霧計(jì)算的 討論有所了解，您應(yīng)該了解邊緣計(jì)算完全是關(guān)于傳感器節(jié)點(diǎn)的智能，而霧計(jì)算仍然是關(guān)于可以為數(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)具有良好計(jì)算能力的物聯(lián)網(wǎng)網(wǎng)關(guān)和傳感器節(jié)點(diǎn)上的機(jī)器智能。雖然這些出色的解決方案可以讓您的工作變得非常輕松，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)行來(lái)構(gòu)建智能。2015年，我遇到了Knowm，并看到了他們?cè)贜euromemristive處理器方面令人印象深刻的工作。Knowm的Alex在ECI會(huì)議上談到了嵌入式AI在神經(jīng)記憶處理器上的工作：

真正的邊緣計(jì)算將發(fā)生在這樣的神經(jīng)記憶設(shè)備上，這些設(shè)備可以預(yù)裝機(jī)器學(xué)習(xí)算法以服務(wù)于單一目的和責(zé)任。那會(huì)很棒嗎?假設(shè)您的倉(cāng)庫(kù)端節(jié)點(diǎn)可以在本地執(zhí)行NLP以生成像“芝麻開門”這樣的密碼的極少數(shù)關(guān)鍵字符串!

此類邊緣設(shè)備通常內(nèi)部具有類似神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，因此當(dāng)您加載機(jī)器學(xué)習(xí)算法時(shí)，您基本上會(huì)在其中燒毀一個(gè)神經(jīng)網(wǎng)絡(luò)。但這種燒傷是永久性的，你無(wú)法逆轉(zhuǎn)。

有一個(gè)全新的嵌入式設(shè)備空間，可促進(jìn)低功耗傳感器節(jié)點(diǎn)上的嵌入式邊緣智能。

現(xiàn)在讓我們看看物聯(lián)網(wǎng)的第四種計(jì)算類型——MIST計(jì)算。

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(lái)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，它補(bǔ)充了霧計(jì)算和邊緣計(jì)算，并使它們變得更好，而無(wú)需我們?cè)俚却?。我們可以?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)載并利用霧計(jì)算和邊緣計(jì)算都無(wú)法提供的動(dòng)態(tài)智能模型。

建立這種新范式可以從具有256kb內(nèi)存大小和約100kb/秒數(shù)據(jù)傳輸速率的設(shè)備中實(shí)現(xiàn)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)模型已經(jīng)足夠成熟，可以幫助我們開發(fā)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)看到這種計(jì)算模型的推動(dòng)者。

就個(gè)人而言，我花了一些時(shí)間在我們的實(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)算模型及其治理。但是，我100%確信在6個(gè)月內(nèi)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)既迷人又具有挑戰(zhàn)性，我所寫的內(nèi)容主要來(lái)自我自己的部分經(jīng)驗(yàn)。