物联网数据库管理注意事项

物联网不再只是一个流行词。尽管智能连接设备的概念已经讨论了几十年，但最近它已经形成了一个由硬件设备、软件、分析平台和标准连接在一起的行业、企业和消费者的生态系统。

物联网设备涵盖现代生活的方方面面——影响我们所有人的工业、汽车、医疗和商业应用。这些现实生活中的应用程序创建数据流和大量内容衍生数据（例如聚合或分析结果），需要近乎实时的存储和处理。虽然物联网设备保留了许多与老式“嵌入式”设备相同的属性，但物联网工程师和数据库管理系统供应商必须解决很多差异。

数据量和连接点

设备产生的海量数据一直是嵌入式数据库厂商、网络基础设施厂商和物理存储厂商关心的问题。新的数据源已经出现，可以生成更多数据。从各种流媒体源、传感器收集数据或通过算法生成数据然后通过物联网边缘设备和网关的速度只会增加对系统的需求。现代转发器的频率比以前更高，传感器的精度更高，移动设备上的定位服务经常被消费者用于日常琐事等。然而，就其本质而言，边缘设备没有足够的资源——内存、持久存储和 CPU power - 自行分析数据，至少在实现设备的主要目的时不会。刹车必须能够让汽车停下来，

同样，连接的边缘设备的数量通常比以前多得多。不久前，系统管理着数十个连接的设备。如今，智能数据采集点（“智能连接设备”）的数量可以达到数千甚至更多。此外，物联网设备的数量可以在一次设置中实时变化——数百个新传感器可以一次在线购买，仪器和控制机制在一夜之间被更换，网关被添加或移除等等。这些变化通常发生在物联网环境保持运行时。

总体而言，到 2025 年，全球物联网 （IoT） 连接设备的总安装基数预计将达到 754.4 亿，在 10 年内增长五倍（见图表）。

物联网环境的海量数据、大量且不断增长的数据采集和处理点、弹性实时连接和功能可扩展性对物联网数据库管理提出了新的要求：

数据库必须与通信设施无缝集成。

在边缘必须有一个平衡的数据库管理功能选择；资源消耗必须保持低水平，但仍允许进行充分的分析以减少进出云或服务器的数据流。

需要先进的可扩展数据管理拓扑，包括多个层，平衡数据收集与聚合和高级处理。

连接性

物联网最独特的特性之一是其组件对世界的开放性以及将这些设备用于多种不同应用的能力。例子无处不在，经常融入社会结构，肉眼常常看不见。建筑门禁系统、智能狗项圈、多功能自动售货机、定位服务、无现金支付系统、无线户外天气传感器，不胜枚举。这些设备是真正“连接的”，数据处理通常发生在设备本身之外。

边缘节点的物理连接通常是不可预测的。这是由于各种媒体和带宽的可用性，连接设备的协议栈范围广泛——Wi-Fi、以太网、蜂窝，以及 ZigBee、NFC 和 RFID、LPWAN、低功耗蓝牙等专用协议栈，等等。有时边缘设备连接由于物理设备位置而断断续续，或者它们是电池供电的，并且只能定期打电话回家以最大限度地延长电池寿命。

从数据管理的角度来看，数据库管理系统应该能够根据各种应用程序定义的标准自动调整其数据复制模式。具体来说，对“推送”和“拉取”协议以及其他精巧的复制算法的完全集成支持对于防止数据丢失和漏洞至关重要。

另一个值得一提的小连接点是物联网设备通常通过互联网连接到外部世界，并且它们的数据集合应该可以通过用 Java、Python 和/或脚本语言编写的 Web 客户端应用程序以及通过其他与 Web 相关的技术。常见的技术是数据库系统通过 Web 服务通过轻量级 REST 协议实现对物联网设备数据库的访问，该协议提供端点 URL 来访问设备的数据容器。

概括

在物联网边缘设备上收集和管理的数据量不断增长，这对物联网工程师和数据库管理系统供应商必须不断研究和解决提出了挑战。物联网收集的数据量及其收集方法的增长速度几乎与新系统的数量一样快。虽然一些变量保持不变，例如对低资源消耗的需求，但数据处理需求只会增长。边缘数据库管理和分析必须小而快，但要足够强大以增强设备功能。此外，高度可配置的数据库管理成为关键。有些设备除了简单的数据收集任务外，没有足够的能量来运行任何东西。其他人更有能力。必须考虑和计划间歇性和可变连接性，

在本系列的第 2 部分中，我将讨论其他强制性考虑的细微差别，包括系统适应性、安全性和代码质量。

审核编辑：郭婷