物联网下有哪几种计算模式
从物联网从业者的角度来看,经常看到对计算更加可用和分布式的需求。当开始将物联网与OT和IT系统整合时,面临的第一个问题是设备发送到服务器的庞大数据量。 在一个工厂自动化的场景中,可能有数百个集成的传感器,这些传感器每1秒发送3个数据点。大部分的传感器数据在5秒钟之后就完全没用了。 数百个传感器,多个网关,多个进程,和多个系统,需要几乎在瞬间处理这些数据。
大多数数据处理的支持者都支持云模型,即总是应该向云发送一些东西。 这也是第一种物联网计算基础。
物联网的四种计算模式
1. 物联网的云计算
通过物联网和云计算模型,基本上推动和处理你的感官数据在云。 你有一个摄入模块,它可以接收数据并存储在一个数据湖(一个非常大的存储器) ,然后对它进行并行处理,然后使用快节奏的信息来做决定。
自从开始构建物联网解决方案,现在有了许多新的产品和服务,可以非常容易地做到这一点:
在物联网中面临的一些挑战是:
私有平台的使用者和企业对于拥有他们的数据在谷歌,微软,亚马逊等感到不舒服
延迟和网络中断问题
增加了存储成本、数据安全性和持久性
通常,大数据框架不足以创建一个能够满足数据需求的大型摄入模块
2. 面向物联网的雾计算
通过雾计算,可以变得更加强大。 雾计算使用的是本地处理单元或计算机,而不是将数据一路发送到云端并等待服务器处理和响应。
4-5年前,还没有像 Sigfox 和 LoraWAN 那样的无线解决方案,BLE也没有mesh或远程功能。因此,必须使用更昂贵的网络解决方案,以确保能够建立一个安全,持久的连接到数据处理单元。 这个中心单元是解决方案的核心,很少有专业的解决方案提供商。
从实施一个雾网络中可以了解到:
这并不是很简单,需要知道和理解很多事情。构建软件,或者说在物联网上所做的,是更直接和开放的。 而且,当把网络当成一道屏障时,它会降低速度。
对于这样的实现,需要一个非常大的团队和多个供应商。 通常也会面临供应商的锁定。
3. 物联网边缘计算
物联网是关于捕捉微小的交互作用,并尽可能快地做出反应。 边缘计算离数据源最近,能够在传感器区域应用机器学习。 如果陷入了边缘和雾计算的讨论,应该明白,边缘计算是所有关于智能传感器节点的应用,而雾计算仍然是关于局域网络,可以为数据量大的操作提供计算能力。
边缘计算不应该要求机器学习算法在网关上运行来构建智能。 2015年,Alex 在 ECI 会议上谈到了嵌入式人工智能在神经记忆处理器上的工作:
真正的边缘计算将发生在这样的神经元装置上,它们可以预装机器学习算法,服务于单一的目的和责任。 那会很棒吗? 让我们假设仓库的结束节点可以对很少的几个关键字符串执行本地 NLP,这些关键字符串构成密码,比如"芝麻开门"!
这种边缘设备通常有一个类似神经网络的结构,所以当加载一个机器学习算法的时候,基本上就是在里面燃烧了一个神经网络。 但这种燃烧是永久性的,无法逆转.
有一个全新的嵌入式设备空间,可以在低功率传感器节点上促进嵌入式边缘智能。
4. 物联网的 MIST 计算
可以做以下事情来促进物联网的数据处理和智能化:
基于云计算的模型
边缘计算模型
这里有一种计算机类型,它补充了雾和边缘计算,使它们变得更好,而不需要再等上年。 可以简单地引入物联网设备的网络功能,分配工作负载,既没有雾也没有边缘计算提供的动态智能模型。
建立这种模式可以带来高速的数据处理和智能提取的设备,具有256kb 的内存大小和 ~ 100kb / 秒的数据传输速率。 对于 Mesh 网络,肯定会看到这样一个计算模型的促进者,会有人提出一个更好的基于 MIST 系统的模型,可以很容易地使用它。
-
TG462路灯集中控制器:城市照明效能的创新升级TG462城市路灯照明控制系统的核心设备,该设备搭载工业级ARM处理器和Linux系统,配备7寸触摸屏,是城市照明数字化与智能化的核心;具备丰富的IO接口、强大的通信与边缘自治能力,支持远
-
高标准城市照明智能化应用,计讯物联创新城市节能之光计讯物联高标准城市照明智能化升级,自动化控制策略、平台可视化、数字化孪生管理TG462集中控制器,基于ARM架构和Linux系统,具备软硬件多重保护机制、多种通信能力、丰富的IO接口,为配电
-
连接未来医疗:计讯物联TG453,智慧医疗生态圈的创新驱动通过计讯物联5G微型网关TG453的边缘计算和智能识别技术,实现了医疗信息的全面感知和实时管理,物资管理可视化、医疗信息的电子化和医疗流程的智能化,加强了患者、医务人员、医疗机构
-
智慧农业大数据平台计讯物联智慧农业大数据平台是一个集管理数字化、作业自动化、生产智能化、产品绿色化、环境信息化、服务现代化于一体的多功能监管系统。它通过与硬件产品的搭配使用,实现对农业生产