物聯(lián)網(wǎng) （IoT） 解決方案對任何數(shù)據(jù)庫都提出了獨特的挑戰(zhàn)。來自非常廣泛的物聯(lián)網(wǎng)設備的數(shù)據(jù)越來越大，速度越來越快，再加上關鍵的延遲要求。鑒于此，數(shù)據(jù)的處理和分析必須越來越多地在網(wǎng)絡邊緣處理，靠近傳感器、執(zhí)行器和其他物聯(lián)網(wǎng)設備。

我們不再奢侈地能夠在云環(huán)境中處理物聯(lián)網(wǎng)數(shù)據(jù)，因為云環(huán)境中似乎有無限的計算和存儲資源，因為延遲是不可接受的。值得慶幸的是，有強大的數(shù)據(jù)庫和平臺解決方案可以正面應對這一挑戰(zhàn)，我們將在下面進行探討。但首先，讓我們回顧一下物聯(lián)網(wǎng)環(huán)境特有的一些數(shù)據(jù)要求。

考慮到物聯(lián)網(wǎng)和大數(shù)據(jù)的數(shù)量、速度、多樣性和準確性（“四個V”）要求，以及許多這些用例的分布式性質(zhì)，邊緣計算越來越多地成為賭注的隱喻。

那么，如果我們回到邊緣的分布式計算，有沒有辦法保持我們長期享有的功能（以及我們在過去 10 年中云計算的巨大趨勢的原因）？我們也可以吃蛋糕嗎？

通過霧計算將云主體帶到邊緣

幸運的是，在這種情況下 - 隨著霧計算的普及和增長趨勢 - 答案是肯定的。解決方案是將云主體帶到邊緣，霧和云環(huán)境協(xié)同運行，以處理復雜的物聯(lián)網(wǎng)用例。當您有關鍵的延遲要求時，例如對于槍擊檢測或犯罪人臉識別等智能城市物聯(lián)網(wǎng)用例，您的數(shù)據(jù)必須由靠近 IP 攝像機和其他傳感器的加固霧節(jié)點處理。

非延遲關鍵數(shù)據(jù)仍可同步到核心或云。通過這種方式，來自 IoT 解決方案中所有邊緣設備和霧節(jié)點的數(shù)據(jù)可以在核心級別（例如，智能城市用例中的城市街區(qū)）聚合，并最終聚合到云或數(shù)據(jù)中心環(huán)境以進行商業(yè)智能和其他分析。

對于霧計算，我們將物聯(lián)網(wǎng)設備、邊緣設備、霧節(jié)點和云之間的數(shù)據(jù)通信稱為“南北”通信，將整個系統(tǒng)中邊緣/霧節(jié)點之間的數(shù)據(jù)通信稱為“東西向”通信。為了有效，我們必須在邊緣擁有通用的云或數(shù)據(jù)中心環(huán)境功能，例如機器學習、深度學習和其他人工智能。

這就帶來了下一個挑戰(zhàn)：考慮到邊緣設備和霧節(jié)點的分布式性質(zhì)以及適度的存儲和計算能力，我們?nèi)绾翁幚磉@些需求？讓霧和云環(huán)境協(xié)同運行至關重要。例如，通過機器學習，我們需要在擁有大量計算和存儲資源的云中訓練模型。然后，我們需要將這些經(jīng)過訓練的模型部署到霧節(jié)點和/或邊緣設備，以便它們可以靠近物聯(lián)網(wǎng)設備，以最大程度地減少延遲。

面向“智能邊緣”的數(shù)據(jù)庫

“智能邊緣”已經(jīng)到來，并將我們從這些看似無法解決的問題中解救出來（或者小林丸為你們《星際迷航》粉絲）。邊緣已經(jīng)成為當今物聯(lián)網(wǎng)的戰(zhàn)場，但地球上是否有一個數(shù)據(jù)庫可以處理來自數(shù)千個傳感器、攝像頭和其他設備的大量高速數(shù)據(jù)？一個可以實時處理數(shù)據(jù)，使用許多不同的數(shù)據(jù)庫模型，并且占用空間小？

業(yè)界正在解決這個問題，答案是：是的。

現(xiàn)在市場上有解決方案可以提供快速的性能，并且能夠在物聯(lián)網(wǎng)邊緣每秒攝取數(shù)百萬次寫入，延遲不到 1 毫秒。這很強大。由于這些解決方案的硬件和軟件占用空間很小，因此在某些情況下，它們非常適合安裝在霧節(jié)點、邊緣網(wǎng)關設備甚至物聯(lián)網(wǎng)設備上。

其中一些解決方案（例如 Redis Enterprise）具有許多本機數(shù)據(jù)結構（集合、排序集、列表、哈希、流等），為 IoT 應用程序開發(fā)人員提供了最大的靈活性。此外，由于已經(jīng)存在許多模塊來擴展它，這些解決方案可以采用多模型數(shù)據(jù)庫，可以處理物聯(lián)網(wǎng)邊緣所需的非常多樣化的工作負載：時間序列、圖形、機器學習、搜索等。

簡化的架構

這些平臺無需部署六個不同的數(shù)據(jù)庫來支持這些需求，而是可以管理所有這些數(shù)據(jù)庫，從而極大地簡化了您的架構。許多任務關鍵型物聯(lián)網(wǎng)用例在地理上分布在許多地區(qū)，這是另一個用例，可以通過具有高可用性、主動-主動（具有 CRDT）、災難恢復和自動擴展功能的平臺優(yōu)雅地處理。

既然我們已經(jīng)展示了值得在智能邊緣上使用的數(shù)據(jù)庫，您可能想知道哪個平臺最適合在物聯(lián)網(wǎng)邊緣運行它們？當然，有很多變量和選項。在Redis Labs，我們與Microsoft Azure合作開發(fā)了物聯(lián)網(wǎng)邊緣解決方案。關鍵是為客戶提供快速的常規(guī)數(shù)據(jù)存儲、Azure Edge 模塊之間的消息代理、流處理、時序數(shù)據(jù)庫和內(nèi)存中處理（機器學習模型服務、圖形處理等），以實現(xiàn)最佳性能。

物聯(lián)網(wǎng)社區(qū)將從聯(lián)合物聯(lián)網(wǎng)邊緣解決方案中受益匪淺。但是，將正確的數(shù)據(jù)庫與正確的智能物聯(lián)網(wǎng)邊緣解決方案集成對于所有物聯(lián)網(wǎng)工作的成功至關重要。

審核編輯：郭婷