應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點新聞
企業(yè)注冊個人注冊登錄

生活在邊緣:從物聯(lián)網(wǎng)數(shù)據(jù)中提取終極價值

2019-09-04 11:46 物聯(lián)之家網(wǎng)

導(dǎo)讀:物聯(lián)網(wǎng)正在不斷產(chǎn)生不可思議的數(shù)據(jù)量。分析師預(yù)計,2019年將有266.6億臺物聯(lián)網(wǎng)設(shè)備投入使用。此外,IDC預(yù)計,到2025年,物聯(lián)網(wǎng)設(shè)備將產(chǎn)生超過90 zettabytes的數(shù)據(jù)。

生活在邊緣:從物聯(lián)網(wǎng)數(shù)據(jù)中提取終極價值

圖片來源:pixabay

來源:物聯(lián)之家網(wǎng)(iothome.com)

物聯(lián)網(wǎng)正在不斷產(chǎn)生不可思議的數(shù)據(jù)量。分析師預(yù)計,2019年將有266.6億臺物聯(lián)網(wǎng)設(shè)備投入使用。此外,IDC預(yù)計,到2025年,物聯(lián)網(wǎng)設(shè)備將產(chǎn)生超過90 zettabytes的數(shù)據(jù)。

所有這些數(shù)據(jù)意味著什么?

通過流式分析,它意味著可以對拯救生命事件的實時反應(yīng)。例如,卡車接收關(guān)于道路上結(jié)冰的數(shù)據(jù),然后,卡車不僅可以提醒駕駛員,而且還可以提醒其他車輛結(jié)冰的確切位置。

為了使這種實時數(shù)據(jù)能夠以高容量和高速度從物聯(lián)網(wǎng)傳感器和網(wǎng)絡(luò)操作中不斷流入組織,您需要一種不同于傳統(tǒng)靜態(tài)事務(wù)數(shù)據(jù)所需的數(shù)據(jù)管理解決方案。

以卡車為例。想象一下,冬天的時候,你在路上開著一輛卡車。貴公司為車輛安裝了物聯(lián)網(wǎng)傳感器,可持續(xù)監(jiān)控車輪打滑、氣溫、速度和轉(zhuǎn)速情況。突然,當(dāng)氣溫降至冰點以下時,車輪打滑測量值急劇上升,如果卡車或司機能在幾毫秒內(nèi)做出反應(yīng),事故就可以避免,如果沒有,傳感器數(shù)據(jù)就沒有意義。

事件流處理

事件流處理系統(tǒng)使您能夠通過實時數(shù)據(jù)清理和分析及時處理這些數(shù)據(jù)。

讓我們定義事件流處理:“事件”是在明確定義的時間發(fā)生并記錄在數(shù)據(jù)字段集合中的任何事件; “流”是數(shù)據(jù)事件的持續(xù)流動,或者是從成千上萬個連網(wǎng)設(shè)備流入企業(yè)內(nèi)部和企業(yè)周圍的持續(xù)數(shù)據(jù)流;“處理”是指分析數(shù)據(jù)的行為。

當(dāng)事件流處理系統(tǒng)管理來自物聯(lián)網(wǎng)傳感器的數(shù)據(jù)時,它們會執(zhí)行將原始數(shù)據(jù)轉(zhuǎn)化為實時操作信息的過程。隨著大量數(shù)據(jù)快速流入系統(tǒng),事件流處理系統(tǒng)會立即清理、規(guī)范和聚合內(nèi)存中的數(shù)據(jù)。同時,在這些數(shù)據(jù)流中編碼的實時分析模型將執(zhí)行分析,以確定特定事件是否相關(guān),并在需要緊急行動時生成即時警報。

實時分析與事后分析

事件流處理系統(tǒng)實時過濾數(shù)據(jù)。因為這些系統(tǒng)最初存儲數(shù)據(jù)的內(nèi)存是有限的,所以事件流處理系統(tǒng)決定要丟棄哪些數(shù)據(jù)或者要保存哪些數(shù)據(jù),甚至可能以聚合形式保存,因為多個事件通常比單個事件更具信息性。

例如,當(dāng)卡車在結(jié)冰的道路上有打滑的危險時,網(wǎng)絡(luò)邊緣的實時分析會立即提醒司機減速,甚至自動減速。

相比之下,傳統(tǒng)的關(guān)系數(shù)據(jù)庫管理系統(tǒng)(RDBMS)存儲所有數(shù)據(jù),并在事后進行清理和分析。關(guān)系數(shù)據(jù)庫管理系統(tǒng)從預(yù)定義的來源收集數(shù)據(jù),并將其存儲在存儲系統(tǒng)中,如數(shù)據(jù)集市。一旦進入存儲,數(shù)據(jù)就會被清理、規(guī)范化并整合到數(shù)據(jù)倉庫或Hadoop中。(來自物聯(lián)之家網(wǎng))只有這樣,用戶才能通過報告、歷史分析,甚至預(yù)測分析和機器學(xué)習(xí),從數(shù)據(jù)中獲得意義。

例如,對于事件流處理,如果傳感器跟蹤氣溫并且氣溫保持穩(wěn)定,則系統(tǒng)不會存儲持續(xù)的讀數(shù)。相反,它可能只保留指示變化的讀數(shù)。

多階段分析提供了優(yōu)勢

事件流處理為您提供了多個從數(shù)據(jù)中提取價值的機會。對于傳統(tǒng)的數(shù)據(jù)管理,數(shù)據(jù)是歷史的,不會改變。它可能會在事后進行分析一兩次,而不是更多。

事件流處理系統(tǒng)首先實時分析數(shù)據(jù),從而能夠?qū)κ录龀黾磿r響應(yīng)。然后,您可以實時或接近實時地將來自多個傳感器的數(shù)據(jù)子集帶回云端或現(xiàn)場進行跨傳感器分析。

假設(shè)您希望對整個卡車車隊進行分析,以確定在某一海拔處發(fā)生的故障情況。如果系統(tǒng)檢測到問題,則可能觸發(fā)車隊中所有卡車的大規(guī)模維修。

最后,事件流處理系統(tǒng)還將指定的數(shù)據(jù)存儲在數(shù)據(jù)倉庫或Hadoop中。在那里,您可以對現(xiàn)在的歷史數(shù)據(jù)進行可視化分析或可視化統(tǒng)計。

利用數(shù)據(jù)倉庫中的歷史數(shù)據(jù),您可以使用機器學(xué)習(xí)算法進行預(yù)測性維護。隨著時間推移,機器學(xué)習(xí)算法可以學(xué)習(xí)模式,指示卡車何時需要維護并提前發(fā)現(xiàn)故障。

在多階段分析的所有步驟中,機器學(xué)習(xí)可以訓(xùn)練系統(tǒng)更好地預(yù)測結(jié)果。隨著模型的變化,流處理解決方案可以根據(jù)需要在邊緣、本地或云中更新模型。

流數(shù)據(jù)允許您在需要時從物聯(lián)網(wǎng)數(shù)據(jù)中收集見解,并實時地和歷史地識別跨傳感器分析的趨勢。通過處理邊緣數(shù)據(jù),組織、個人和社區(qū)可以從實時數(shù)據(jù)提供的見解中受益。(來源物聯(lián)之家網(wǎng))這些實時數(shù)據(jù)有望拯救生命、改善交通狀況和危機溝通。

讓我們生活在邊緣,看看它會把我們帶去哪里!