部署物聯(lián)網(wǎng)有什么訣竅數(shù)據(jù)到底有多重要

物聯(lián)網(wǎng)繼續(xù)在許多行業(yè)引起轟動(dòng)并被廣泛應(yīng)用。圍繞物聯(lián)網(wǎng)的討論主要集中在設(shè)備上——智能電視、冰箱、汽車、可穿戴設(shè)備等精巧的小玩意。但對(duì)于企業(yè)而言，物聯(lián)網(wǎng)的最終價(jià)值不僅僅在于設(shè)備，還在于他們產(chǎn)生的數(shù)據(jù)。要真正釋放物聯(lián)網(wǎng)的價(jià)值，您需要馴服這些數(shù)據(jù)。 物聯(lián)網(wǎng)技術(shù)正日益成為許多企業(yè)的關(guān)鍵任務(wù)工具。汽車制造商利用物聯(lián)網(wǎng)開發(fā)自動(dòng)駕駛汽車，最終將成為一個(gè)數(shù)萬(wàn)億美元的產(chǎn)業(yè)。但是這些設(shè)備共同產(chǎn)生大量數(shù)據(jù)，如果管理和監(jiān)控不當(dāng)，可能導(dǎo)致物聯(lián)網(wǎng)應(yīng)用崩潰，并導(dǎo)致潛在的致命錯(cuò)誤。 想象一輛充滿物聯(lián)網(wǎng)設(shè)備和互聯(lián)技術(shù)的自動(dòng)駕駛汽車，如果其中一個(gè)設(shè)備發(fā)生故障（例如雷達(dá)傳感器），車輛可能會(huì)撞毀，甚至?xí)斐扇藛T傷亡。為了解決這個(gè)問題，汽車制造商正在采用一種稱為異常檢測(cè)的方法，該異常檢測(cè)可實(shí)時(shí)分析大量物聯(lián)網(wǎng)數(shù)據(jù)，以查找任何異?；顒?dòng)。

當(dāng)物聯(lián)網(wǎng)設(shè)備開始表現(xiàn)出異常行為時(shí)，這種方法會(huì)提醒司機(jī)，允許他們?cè)谠O(shè)備故障之前將其帶去修理或更換。這使汽車制造商能夠保證安全并加速自動(dòng)駕駛汽車的采用。 另一個(gè)很好的使用案例來(lái)自制造業(yè)，在制造業(yè)，工業(yè)物聯(lián)網(wǎng)（IIoT）正受到越來(lái)越多的關(guān)注。這里，IIoT用于自動(dòng)化各種流程和機(jī)械，這包括您在裝配線上可能會(huì)發(fā)現(xiàn)的任何東西，比如傳送帶、高架起重機(jī)和叉車。在IIOT設(shè)置中，這些機(jī)器會(huì)產(chǎn)生大量傳感器數(shù)據(jù)，與上面的自動(dòng)駕駛汽車示例一樣，異常檢測(cè)的使用可以確定這些機(jī)器中的一臺(tái)何時(shí)發(fā)生故障，從而允許企業(yè)快速采取行動(dòng)來(lái)修理或更換它。此外，這些數(shù)據(jù)可用于執(zhí)行預(yù)測(cè)性維護(hù)，在這種維護(hù)中，企業(yè)會(huì)檢測(cè)某些模式，這些模式顯示機(jī)器在實(shí)際發(fā)生故障之前可能需要修理或更換的時(shí)間。 在這兩個(gè)例子中，只有當(dāng)數(shù)據(jù)被正確捕獲和處理時(shí)，物聯(lián)網(wǎng)技術(shù)才能實(shí)現(xiàn)其全部?jī)r(jià)值。這項(xiàng)技術(shù)產(chǎn)生了大量的流數(shù)據(jù)，有太多企業(yè)甚至沒有制定一個(gè)計(jì)劃來(lái)處理他們將產(chǎn)生的大量數(shù)據(jù)——這需要考慮他們的分析引擎從數(shù)據(jù)中得出結(jié)論的速度，以及快速處理大量數(shù)據(jù)需要的網(wǎng)絡(luò)帶寬，甚至需要考慮存儲(chǔ)數(shù)據(jù)的方式和位置，以進(jìn)行后期分析。結(jié)果，他們的物聯(lián)網(wǎng)部署存在缺陷并且表現(xiàn)不佳。企業(yè)可能會(huì)遷怒于硬件，但責(zé)任在于他們無(wú)法正確處理數(shù)據(jù)。 當(dāng)然，物聯(lián)網(wǎng)數(shù)據(jù)也不容易收集、存儲(chǔ)和分析，它以高速、大量和不同的格式出現(xiàn)，所有這些變量都會(huì)根據(jù)設(shè)備和用例而變化。

再比如監(jiān)測(cè)病人心跳的設(shè)備將不斷產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)需要實(shí)時(shí)處理。此外，用于抓取和分析這些數(shù)據(jù)的系統(tǒng)非常復(fù)雜，這些包括用于收集數(shù)據(jù)的流存儲(chǔ)，例如Kafka或HBase，以及用于解析數(shù)據(jù)的處理組件，例如Spark of Flink。存儲(chǔ)組件必須在精巧的編排中有效地與處理組件協(xié)調(diào)，以使其全部工作。這些系統(tǒng)經(jīng)常遭受數(shù)據(jù)分區(qū)不當(dāng)、將傳入數(shù)據(jù)發(fā)送到流存儲(chǔ)的錯(cuò)誤位置、資源爭(zhēng)用問題，導(dǎo)致瓶頸或配置不匹配，最終導(dǎo)致崩潰和錯(cuò)誤。 為了找出在這些場(chǎng)景中出了什么問題，唯一的選擇是梳理大量的原始系統(tǒng)和應(yīng)用程序日志，并嘗試?yán)斫馑鼈?。這通常需要專家級(jí)別的經(jīng)驗(yàn)，即便如此，這也是耗時(shí)且低效的。要真正理解物聯(lián)網(wǎng)數(shù)據(jù)，您需要一個(gè)自動(dòng)化的大數(shù)據(jù)應(yīng)用程序管理軟件，該軟件能夠快速查明物聯(lián)網(wǎng)應(yīng)用程序的哪個(gè)部分工作不正常，甚至提供如何修復(fù)這些錯(cuò)誤的建議。 在過去的20年里，每家公司基本上都變成了一家科技公司——如果他們不接收科技，他們就沒有希望在現(xiàn)代經(jīng)濟(jì)中競(jìng)爭(zhēng)。同樣，如今，每家公司都在成為一家數(shù)據(jù)公司。允許數(shù)據(jù)累積而不實(shí)際挖掘數(shù)據(jù)的企業(yè)將錯(cuò)失關(guān)鍵洞察力，并危及他們可能投入巨資的各種部署，包括物聯(lián)網(wǎng)。