從物聯(lián)網(wǎng)數據中提取終極價(jià)值

　　物聯(lián)網(wǎng)正在不斷產(chǎn)生不可思議的數據量。分析師預計，2019年將有266.6億臺物聯(lián)網(wǎng)設備投入使用。此外，IDC預計，到2025年，物聯(lián)網(wǎng)設備將產(chǎn)生超過(guò)90 zettabytes的數據。
 

 

　　所有這些數據意味著(zhù)什么?

　　通過(guò)流式分析，它意味著(zhù)可以對拯救生命事件的實(shí)時(shí)反應。例如，卡車(chē)接收關(guān)于道路上結冰的數據，然后，卡車(chē)不僅可以提醒駕駛員，而且還可以提醒其他車(chē)輛結冰的確切位置。

　　為了使這種實(shí)時(shí)數據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靜態(tài)事務(wù)數據所需的數據管理解決方案。

　　以卡車(chē)為例。想象一下，冬天的時(shí)候，你在路上開(kāi)著(zhù)一輛卡車(chē)。貴公司為車(chē)輛安裝了物聯(lián)網(wǎng)傳感器，可持續監控車(chē)輪打滑、氣溫、速度和轉速情況。突然，當氣溫降至冰點(diǎn)以下時(shí)，車(chē)輪打滑測量值急劇上升，如果卡車(chē)或司機能在幾毫秒內做出反應，事故就可以避免，如果沒(méi)有，傳感器數據就沒(méi)有意義。

　　事件流處理

　　事件流處理系統使您能夠通過(guò)實(shí)時(shí)數據清理和分析及時(shí)處理這些數據。

　　讓我們定義事件流處理：“事件”是在明確定義的時(shí)間發(fā)生并記錄在數據字段集合中的任何事件; “流”是數據事件的持續流動(dòng)，或者是從成千上萬(wàn)個(gè)連網(wǎng)設備流入企業(yè)內部和企業(yè)周?chē)某掷m數據流;“處理”是指分析數據的行為。

　　當事件流處理系統管理來(lái)自物聯(lián)網(wǎng)傳感器的數據時(shí)，它們會(huì )執行將原始數據轉化為實(shí)時(shí)操作信息的過(guò)程。隨著(zhù)大量數據快速流入系統，事件流處理系統會(huì )立即清理、規范和聚合內存中的數據。同時(shí)，在這些數據流中編碼的實(shí)時(shí)分析模型將執行分析，以確定特定事件是否相關(guān)，并在需要緊急行動(dòng)時(shí)生成即時(shí)警報。
 

 

　　實(shí)時(shí)分析與事后分析

　　事件流處理系統實(shí)時(shí)過(guò)濾數據。因為這些系統最初存儲數據的內存是有限的，所以事件流處理系統決定要丟棄哪些數據或者要保存哪些數據，甚至可能以聚合形式保存，因為多個(gè)事件通常比單個(gè)事件更具信息性。

　　例如，當卡車(chē)在結冰的道路上有打滑的危險時(shí)，網(wǎng)絡(luò )邊緣的實(shí)時(shí)分析會(huì )立即提醒司機減速，甚至自動(dòng)減速。

　　相比之下，傳統的關(guān)系數據庫管理系統(RDBMS)存儲所有數據，并在事后進(jìn)行清理和分析。關(guān)系數據庫管理系統從預定義的來(lái)源收集數據，并將其存儲在存儲系統中，如數據集市。一旦進(jìn)入存儲，數據就會(huì )被清理、規范化并整合到數據倉庫或Hadoop中。只有這樣，用戶(hù)才能通過(guò)報告、歷史分析，甚至預測分析和機器學(xué)習，從數據中獲得意義。

　　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定，則系統不會(huì )存儲持續的讀數。相反，它可能只保留指示變化的讀數。

　　多階段分析提供了優(yōu)勢

　　事件流處理為您提供了多個(gè)從數據中提取價(jià)值的機會(huì )。對于傳統的數據管理，數據是歷史的，不會(huì )改變。它可能會(huì )在事后進(jìn)行分析一兩次，而不是更多。

　　事件流處理系統首先實(shí)時(shí)分析數據，從而能夠對事件做出即時(shí)響應。然后，您可以實(shí)時(shí)或接近實(shí)時(shí)地將來(lái)自多個(gè)傳感器的數據子集帶回云端或現場(chǎng)進(jìn)行跨傳感器分析。

　　假設您希望對整個(gè)卡車(chē)車(chē)隊進(jìn)行分析，以確定在某一海拔處發(fā)生的故障情況。如果系統檢測到問(wèn)題，則可能觸發(fā)車(chē)隊中所有卡車(chē)的大規模維修。

　　最后，事件流處理系統還將指定的數據存儲在數據倉庫或Hadoop中。在那里，您可以對現在的歷史數據進(jìn)行可視化分析或可視化統計。

　　利用數據倉庫中的歷史數據，您可以使用機器學(xué)習算法進(jìn)行預測性維護。隨著(zhù)時(shí)間推移，機器學(xué)習算法可以學(xué)習模式，指示卡車(chē)何時(shí)需要維護并提前發(fā)現故障。

　　在多階段分析的所有步驟中，機器學(xué)習可以訓練系統更好地預測結果。隨著(zhù)模型的變化，流處理解決方案可以根據需要在邊緣、本地或云中更新模型。

　　流數據允許您在需要時(shí)從物聯(lián)網(wǎng)數據中收集見(jiàn)解，并實(shí)時(shí)地和歷史地識別跨傳感器分析的趨勢。通過(guò)處理邊緣數據，組織、個(gè)人和社區可以從實(shí)時(shí)數據提供的見(jiàn)解中受益。這些實(shí)時(shí)數據有望拯救生命、改善交通狀況和危機溝通。

　　讓我們生活在邊緣，看看它會(huì )把我們帶去哪里!