物聯(lián)網(wǎng)卡計(jì)算模式有哪些?
從物聯(lián)網(wǎng)卡從業(yè)人員的視角看來,三天兩頭看見對(duì)換算更為可用和分布式架構(gòu)的需求。當(dāng)逐漸將物聯(lián)網(wǎng)卡與OT和IT系統(tǒng)軟件融合時(shí),亟待解決的第一個(gè)難題是機(jī)器設(shè)備發(fā)送至網(wǎng)絡(luò)服務(wù)器的巨大信息量。 在一個(gè)加工廠智能化的情景中,將會(huì)有數(shù)以百計(jì)集成化的控制器,這種控制器每1秒轉(zhuǎn)發(fā)3個(gè)數(shù)據(jù)資料點(diǎn)。絕大多數(shù)的控制器數(shù)據(jù)在5秒左右以后就徹底無用了。 數(shù)以百計(jì)控制器,好幾個(gè)網(wǎng)關(guān)ip,好幾個(gè)系統(tǒng)進(jìn)程,和好幾個(gè)系統(tǒng)軟件,必須全部在一瞬間處理這些數(shù)據(jù)資料。
大部分?jǐn)?shù)據(jù)處理方法的維護(hù)者都支持云模型,即老是應(yīng)當(dāng)向云轉(zhuǎn)發(fā)一些內(nèi)容。 這都是第一種物聯(lián)網(wǎng)卡計(jì)算的基礎(chǔ)。
一、 物聯(lián)網(wǎng)卡的云計(jì)算模式
根據(jù)物聯(lián)網(wǎng)卡和云計(jì)算技術(shù)實(shí)體模型,大部分可以通過云促進(jìn)和解決你的感觀數(shù)據(jù)資料。 給你一個(gè)攝取控制模塊,它能夠接收數(shù)據(jù)并儲(chǔ)存在一個(gè)數(shù)據(jù)資料庫(一個(gè)十分大的存儲(chǔ)芯片) ,隨后對(duì)它開展并行處理(它能夠是 Spark,Azure HD Insight,Hive,這些) ,隨后應(yīng)用節(jié)奏快的信息內(nèi)容來做決策。
自打逐漸搭建物聯(lián)網(wǎng)卡解決方法,如今擁有很多新的產(chǎn)品與服務(wù),能夠很容易地保證這一點(diǎn):
1. 能夠應(yīng)用 AWS Kinesis 和 Big data lambda services
2. 能夠運(yùn)用 Azure 的生態(tài)體系,讓搭建互聯(lián)網(wǎng)大數(shù)據(jù)工作能力越來越極為非常容易
3. 或是,能夠應(yīng)用像 Google Cloud 商品那樣的專用工具如Cloud IoT Core
在物聯(lián)網(wǎng)卡中亟待解決的一些挑戰(zhàn)是:
1. 獨(dú)享服務(wù)平臺(tái)的使用人和公司針對(duì)有著它們的數(shù)據(jù)資料在Google,微軟公司,amazon等感到不舒服。
2. 延遲時(shí)間和互聯(lián)網(wǎng)終斷問題。
3. 增高了儲(chǔ)存成本費(fèi)、數(shù)據(jù)資料安全系數(shù)和耐受性。一般,互聯(lián)網(wǎng)大數(shù)據(jù)框架結(jié)構(gòu)不能夠建立一個(gè)可以滿足數(shù)據(jù)資料要求的大中型攝取控制模塊。
二、面向物聯(lián)網(wǎng)卡的霧計(jì)算模式
根據(jù)霧計(jì)算,能夠變得越來越強(qiáng)勁。霧計(jì)算是使用當(dāng)?shù)靥幚韱卧螂娔X,而并不是將數(shù)據(jù)資料一路發(fā)送至云空間并等候網(wǎng)絡(luò)服務(wù)器解決和響應(yīng)。
4-5年里,還沒像 Sigfox 和 LoraWAN 那般的無線網(wǎng)絡(luò)解決方法,BLE都沒有mesh或遠(yuǎn)程控制作用。因而,務(wù)必使用更價(jià)格昂貴的網(wǎng)絡(luò)解決方案,以保證可以創(chuàng)建一個(gè)安全性,長(zhǎng)久的聯(lián)接到數(shù)據(jù)資料處理單元。 這一核心模塊是解決方法的核心,很少有技術(shù)專業(yè)的解決方法服務(wù)提供商。
從實(shí)行一個(gè)物聯(lián)網(wǎng)卡霧計(jì)算能夠掌握到:
這并非簡(jiǎn)單的事,必須了解和理解許多事兒。搭建設(shè)備軟件,也就是說在物聯(lián)網(wǎng)卡上所做的,是更立即和對(duì)外開放的。 并且,當(dāng)把網(wǎng)絡(luò)當(dāng)做一道天然屏障時(shí),它會(huì)減少速率。
針對(duì)這樣的實(shí)際情況,必須一個(gè)十分大的精英團(tuán)隊(duì)和好幾個(gè)經(jīng)銷商。 一般也會(huì)面臨經(jīng)銷商的鎖定問題。
OpenFog是一個(gè)由知名行業(yè)內(nèi)人士開發(fā)設(shè)計(jì)的致力于霧計(jì)算構(gòu)架而設(shè)計(jì)方案的對(duì)外開放霧計(jì)算框架結(jié)構(gòu)。 它出示了用例,實(shí)驗(yàn)室中央臺(tái),技術(shù)性規(guī)格型號(hào), 還有一個(gè)參照系統(tǒng)架構(gòu)。
三、 物聯(lián)網(wǎng)卡邊緣計(jì)算模式
物聯(lián)網(wǎng)卡是有關(guān)捕獲細(xì)微的交互作用,并盡量快地作出反映。 邊緣計(jì)算離數(shù)據(jù)庫近期,可以在控制器地域運(yùn)用深度學(xué)習(xí)。 假如深陷了邊沿和霧計(jì)算的探討,應(yīng)當(dāng)搞清楚,邊緣計(jì)算是全部有關(guān)智能傳感器連接點(diǎn)的運(yùn)用,而霧計(jì)算依然是有關(guān)局域網(wǎng)絡(luò),能夠?yàn)樾畔⒘看蟮膶?shí)際操作出示數(shù)學(xué)計(jì)算。
像微軟公司和amazon那樣的制造行業(yè)大佬早已公布了 Azure IoT Edge 和 AWS Green Gas,用以提升物聯(lián)網(wǎng)卡網(wǎng)關(guān)ip和控制器連接點(diǎn)上的設(shè)備智能化,這種網(wǎng)關(guān)ip和控制器連接點(diǎn)有著優(yōu)良的數(shù)學(xué)計(jì)算。 盡管這種全是很好的解決方法,能夠讓工作中越來越比較簡(jiǎn)單,可是它明顯地更改了從業(yè)人員所了解和應(yīng)用的邊緣計(jì)算的含意。
邊緣計(jì)算不應(yīng)當(dāng)規(guī)定機(jī)器學(xué)習(xí)算法在網(wǎng)關(guān)ip上運(yùn)作來搭建智能化。 2015年,Alex 在 ECI 大會(huì)上提到了內(nèi)嵌式人工智能技術(shù)在神經(jīng)系統(tǒng)記憶力CPU上的工作中:
真實(shí)的邊緣計(jì)算將產(chǎn)生在那樣的神經(jīng)細(xì)胞設(shè)備上,他們能夠自帶機(jī)器學(xué)習(xí)算法,服務(wù)項(xiàng)目于單一的目地和義務(wù)。 那會(huì)非常好嗎? 我們一起假定庫房的完畢連接點(diǎn)能夠?qū)Ψ浅I俚暮枚鄠€(gè)重要字符數(shù)組實(shí)行當(dāng)?shù)?/span> NLP,這種重要字符數(shù)組組成登陸密碼,例如"芝麻開門"!
這類邊沿機(jī)器設(shè)備一般有一個(gè)相近神經(jīng)元網(wǎng)絡(luò)的構(gòu)造,因此當(dāng)載入一個(gè)機(jī)器學(xué)習(xí)算法的那時(shí)候,大部分就是說在里邊點(diǎn)燃了一個(gè)神經(jīng)元網(wǎng)絡(luò)。 但這類點(diǎn)燃是永久的,沒法大逆轉(zhuǎn)。
有一個(gè)全新升級(jí)的內(nèi)嵌式機(jī)器設(shè)備室內(nèi)空間,能夠在低輸出功率控制器連接點(diǎn)上推動(dòng)內(nèi)嵌式邊沿智能化。
四、物聯(lián)網(wǎng)卡的 MIST 換算模式
能夠做下列事兒來推動(dòng)物聯(lián)網(wǎng)卡的數(shù)據(jù)處理方法和智能化系統(tǒng):
1. 根據(jù)云計(jì)算技術(shù)的實(shí)體模型
2. 根據(jù)霧的換算實(shí)體模型
3. 邊緣計(jì)算實(shí)體模型
這兒有一種電腦種類,它填補(bǔ)了霧和邊緣計(jì)算,使他們?cè)絹碓礁鼜?qiáng),而不用再等去年。 能夠簡(jiǎn)易地引進(jìn)物聯(lián)網(wǎng)卡機(jī)器設(shè)備的互聯(lián)網(wǎng)作用,分派工作中負(fù)荷,既沒有霧都沒有邊緣計(jì)算出示的日常動(dòng)態(tài)智能化實(shí)體模型。
中億物聯(lián)網(wǎng)認(rèn)為創(chuàng)建這類方式能夠產(chǎn)生髙速的數(shù)據(jù)處理方法和智能化獲取的機(jī)器設(shè)備,具備256kb 的內(nèi)存和 ~ 100kb / 秒的數(shù)據(jù)資料傳輸率。 針對(duì) Mesh 互聯(lián)網(wǎng),毫無疑問會(huì)看見那樣一個(gè)換算實(shí)體模型的促進(jìn)者,會(huì)許多人明確提出一個(gè)更強(qiáng)的根據(jù) MIST 系統(tǒng)軟件的實(shí)體模型,能夠非常容易地應(yīng)用它。