24小时联系电话:18217114652、13661815404
中文
行业资讯
更有效的基于云的环境传感器数据自动分析
更有效的基于云的环境传感器数据自动分析
物联网 (IoT) 现在开始得到重要实施，预计未来几年将有数百亿个节点投入运行。随着广泛部署的开始，这项技术的主要用途之一将是监测不同的关键环境参数——例如温度、空气湿度、一氧化碳水平等。通过这些捕获的数据，可以做出决策并确定要采取的适当行动。例如，让我们考虑一个化学加工厂。如果烟囱输出的气体含量超过预定阈值，则可能有必要降低当时的处理活动水平。或者，这可能是需要解决的长期趋势的标志——也许涉及的加工设备需要维护，
找到一种有效的方法对通过并入庞大的物联网节点网络的传感器设备不断获取的海量数据进行深入分析，然后启动适当的反应并不是那么简单。虽然当数据来自少量节点时可能不会带来挑战，但应对工业控制或环境监控系统将拥有的数字权重是完全不同的事情。这同样适用于广泛的潜在环境，例如智能家居/建筑、工厂自动化、农业、智能城市等。
为了最大限度地提高效率并保持尽可能短的响应时间，有必要建立一个自动化的决策过程——这将需要采用先进的算法。当您考虑可能涉及的物联网节点的绝对数量时，仅在数据库中存储一组规则然后将它们与收到的数据交叉引用是无效的。这样的安排很快就会雪上加霜。因此，需要一种更复杂但更精简的方法。
一些人得出结论认为，Rete 算法是实现这一目标的关键。Rete 算法最早于 1970 年代后期开发，已应用于大量商业案例。该算法的核心目标是提供一种模式匹配机制，通过该机制可以将大量模式数据（例如 IoT 网络现在开始生成的数据）与包含许多不同对象的数据库进行快速比较。避免了数据迭代的需要，特定模式的状态在整个过程中都保存在内存储备中。这样做的结果是，无需恢复到以前应用的规则，从而加快整个过程并使其比其他方法更省时。
采用的基于树的方法意味着该系统是完全可扩展的，能够处理网络中任何预期数量的连接物联网节点，而不是仅限于一定数量。因此，每秒有可能处理数十万个事件/警报。即使使用中型服务器，系统每秒也可以处理 500,000 条消息，而使用大容量服务器可以将其推至 100 万至 200 万条。
图 1： UrsaLeo 物联网硬件——包括一个 Thunderboard 2 模块和 Raspberry Pi 3B+
通过高度优化的支持云的硬件和卓越的算法相结合，物联网数据的处理方式可以比现在更加省时。这将有助于将物联网部署扩大到涉及数十万个连接节点的程度，从而使该技术的真正优势能够在各个行业领域实现。