Google Cloud IoT Solutions
 |
來源：
隨著時間的發展，物聯網概念所涉及的東西越來越多。除了內置有內部傳感器和處理器外，這些東西還直接與網路相連，線上傳輸它們的數據。
雖然家庭自動化，可能是這一概念的「主要」用武之地，例如冰箱內的牛奶沒有了，冰箱會自動從食品店那裡訂購牛奶。但是物聯網的應用範圍，實際上正變得越來越大。
我們將擁有許多能夠彼此互動，卻又彼此獨立的東西，辦公室會在需要的時候自動訂購辦公物品，無需我們干涉，甚至我們衣服和身體上的傳感器，會即時將我們的健康數據，傳輸我們的醫生。這類M2M（機器對機器）通信是的關鍵之處。
要想充分發揮物聯網的全部潛在優勢，必須將雲計算作為物聯網的基礎。隱藏在互聯背後的理念，是收集的數據，大部分應當在線上傳輸，只有這樣應用才能有效的匯聚、分析和利用這些數據。現在再讓我們回頭看一下冰箱的例子。
在這個例子中，並不是冰箱自己從食品店那裡訂購牛奶，而是冰箱向應用傳輸它們的全部數據，包括目前的食品存量和用戶消耗情況，然後由應用讀取和分析這些數據。
隨後，綜合考慮其它因素，如用戶目前的食品預算資金，以及牛奶會在多長時間內送到等因素，再決定是否購買，而雲正是這些應用的理想歸宿。
如果我們所有的日常用品都安裝這種，那麼生成的數據量，將非常龐大。因此，物聯網必須要考慮到，如何儲存和分析這些生成的數據。
這不僅僅是一個數據量的問題，其中還涉及到這些數據的生成速度問題。傳感器正在生成越來越多的數據，而且這些數據的生成速度，已經超過了大多數商業應用的處理速度。
基於雲的解決方案，是應對數據生成數量，和速度問題的基礎。雲可以根據我們的需求，自動地動態提供預備儲存資源，無需人工干預。
雲還賦予了我們透過雲數據庫集群，或是無需停機，即可調整容量的虛擬化物理儲存，訪問虛擬儲存的能力，和訪問大型儲存資源池的能力，這些都是在本地所無法實現的。
關於這些數據的第二個問題，是如何處理它們。這一問題有兩個難點。
第一個難點是如何即時處理，從每個不一物體那裡獲得的所有數據點。
第二個難點是從所有收集到的可用數據點中，提取有用的資訊，以及關聯從不同物體那裡獲得的資訊，為儲存的數據增加實際價值。
第一個難點是如何即時處理，從每個不一物體那裡獲得的所有數據點。
第二個難點是從所有收集到的可用數據點中，提取有用的資訊，以及關聯從不同物體那裡獲得的資訊，為儲存的數據增加實際價值。
儘管即時處理看似很簡單——接收數據、分析數據，然後再利用這些數據——但是即時情況並非如此。讓我們再回頭看一下那個冰箱的例子吧，想像一下每次有人打開冰箱門，這台冰箱就要發送一個數據包，這些數據包中，包括了哪些東西被移動了，哪些東西被放了進來。
我們估算一下，全球約有20億台冰箱，每天開關冰箱門4次，那麼一天下來將生成80億個數據包，平均下來每秒約有10萬個數據包，這個量是非常驚人的。
更糟糕的是，這些數據點可能主要集中在，一天之中的特點時段（主要是早上和晚上）。如果我們根據最大負載準備處理容量，那麼大量基礎設施將會被浪費。
一旦進行即時處理，那麼我們將會遇到第二個難點，即如何從這些被儲存的數據中，提取有用的資訊，讓它們更上一個台階，而不再是個人事務。
如果冰箱能夠自動為你向食品店下訂單，對於你個人來說這非常不錯，但是如果製造商知道，來自某些特定地區的冰箱有過熱趨勢，或是存儲某些物品的冰箱使用壽命消耗過快，那麼對於製造商來說意義將更大。
為了從儲存的數據中提取這類資訊，我們需要利用現有的大數據解決方案（以及一些即將出現的解決方案）。
雲計算非常適合處理這些問題。在第一個難點中，允許進行動態分配（和回收）處理資源，讓需要即時分析冰箱數據的應用，能夠應對這些海量數據，以及能夠優化基礎設施成本。在第二個難點中，雲計算能夠與大數據解決方案進行協作。
綜上所述，物聯網可能會改變雲計算的總體架構，但與此同時雲計算對於實現這一變化也非常關鍵。在虛擬化計算資源方面，雖然應用無需人工干預自己，可以動態分配這些資源，但是如果這樣的話雲計算不會有任何發展。因為物聯網才是推動它們發展的唯一動力。
沒有留言:
張貼留言