您能想象一个“大脑”能够集中控制各种智能设备吗?从某种程度上来说，随着物联网的发展，这是可能的。物联网是指具有传感器、执行器、软件和网络连接的物理对象网络，而这些物理对象可以收集和传输数据并完成用户指定的任务。
这种系统的有效性和适用性与其构建模块的质量及其交互方式直接相关，并且有多种方法可用于物联网架构。在本文中，我们的物联网咨询专家将分享他们的实践经验，并展示他们对可扩展且灵活的物联网架构的最初构想。
物联网架构的基本要素
物联网体系架构图中反映了我们的物联网体系架构方法，图中显示了物联网系统的构建模块，以及它们如何连接以收集、存储和处理数据。
物。“或称设备”是装备有传感器和执行器的物体。传感器将收集数据，而执行器将允许物体行动(例如，打开或关闭灯、打开或关闭门、增加或降低发动机转速等)。这一概念包括冰箱、路灯、建筑物、车辆、生产机械、康复设备和其他一切可以想象的东西。
网关。数据通过网关从物体(设备)传递到云，反之亦然。网关提供物联网解决方案中物体和云之间的连接，在将数据传递到云之前对其进行数据预处理和过滤(以减少用于处理和存储的数据量)，并将控制命令从云传输到物体。然后，物体使用它们的执行器执行命令。
云网关有助于现场网关和云物联网服务器之间的数据压缩和安全数据传输。它还确保与各种协议的兼容，并使用不同协议与现场网关通信。
流数据处理器可确保将输入数据有效地传输到数据湖和控制应用程序。
数据湖。连网设备生成的数据以其自然格式存储在数据湖中。当需要从数据中获得有意义的见解时，会从数据湖中提取并加载到大数据仓库中。
大数据仓库。大数据仓库仅包含经过清理、结构化和与之匹配的数据(相比之下，数据湖包含传感器生成的各种数据)。此外，大数据仓库存储物体和传感器(例如，传感器的安装位置)的上下文信息，以及控制应用程序发送给物体的命令。
数据分析。数据分析师可以使用大数据仓库中的数据来发现趋势并获得可操作的见解。例如，当大数据被分析时(在许多情况下——在方案、图表、信息图形中可视化)，它会显示设备的性能，帮助识别低效之处，并找出改进物联网系统的方法(使其更可靠、更受客户青睐)。此外，手动找到的相关性和模式可以进一步为控制应用程序创建算法。
机器学习和机器学习模型。有了机器学习，就有机会为控制应用创建更精确、更高效的模型。模型会根据大数据仓库中积累的历史数据定期更新(例如，一周一次或一个月一次)。当新模型的适用性和效率被数据分析人员测试和批准时，控制应用程序将使用新模型。
控制应用程序向执行器发送自动命令和警报，例如：
- 智能家居的窗户可以收到自动打开或关闭的命令，而具体命令取决于气象预报服务。
- 当传感器显示土壤干燥时，灌溉系统会自动给作物浇水。
- 传感器有助于监控工业设备的状态，在发生故障前，物联网系统会生成自动警报并发送给现场工程师。
控制应用程序发送给执行器的命令也可以存储在大数据仓库中，这可能有助于调查有问题的情况(比如执行器未按预期执行命令)。(来自物联之家)另一方面，存储来自控制应用程序的命令也可能有助于提高安全性，因为物联网系统可以识别某些命令太荒谬或数量过多，这可能证明存在安全漏洞(以及其他需要调查和纠正措施的问题)。
控制应用程序可以是基于规则的，也可以是基于机器学习的。在第一种情况下，控制应用程序根据专家制定的规则工作。在第二种情况下，控制应用程序使用的模型会定期更新(每周一次、每月一次，取决于物联网系统的具体情况)，并将历史数据存储在大数据仓库中。
尽管控制应用程序确保了物联网系统的优秀自动化，但用户应该始终有一个选项来影响此类应用程序的行为(例如，在紧急情况下或当发现物联网系统未能很好地执行某些操作时)。
用户应用程序是物联网系统的一个软件组件，它使用户能够连接到物联网系统，并提供监视和控制其智能设备的选项。使用移动或Web应用程序，用户可以监视其设备的状态，并发送命令以控制应用程序，以及设置自动行为的选项(当某些数据来自传感器时自动通知和操作)。
设备管理
为了确保物联网设备充分运行，仅仅安装它们并顺其自然是远远不够的。管理连网设备的性能需要一些程序(促进设备之间的交互，确保安全的数据传输等)：
- 设备标识，用于确定设备的身份，以确保它是带有可信任软件的可靠设备，可传输可靠的数据。
- 根据物联网系统的用途调整设备的配置和控制。安装设备后，需要写入一些参数(例如，唯一的设备ID)。其他设置可能需要更新(例如，发送数据的时间)。
- 监控和诊断，以确保网络中每台设备的平稳和安全，并降低发生故障的风险。
- 软件更新和维护，以添加功能、修复错误、解决安全漏洞。
用户管理
除了设备管理之外，对可以访问物联网系统的用户进行控制也非常重要。
用户管理包括识别用户、他们的角色、访问级别和在系统中的权限。它包括添加和删除用户、管理用户设置、控制各种用户对某些信息的访问以及在系统中执行某些操作的权限、控制和记录用户活动等选项。
安全监控
安全是物联网中最重要的问题之一。连网设备产生大量数据，需要安全地传输这些数据并保护其免受网络罪犯分子的侵害。另一方面，网络上的设备可以成为坏人的切入点。此外，网络犯罪分子可以进入整个物联网系统的“大脑”，并对其进行控制。
为了防止此类问题，有必要记录和分析控制应用程序发送给设备的命令，监视用户的行为并将所有这些数据存储在云中。通过这种方法，可以在早期阶段解决安全漏洞，并采取措施以减少其对物联网系统的影响。
此外，还可以识别可疑行为的模式，存储这些样本，并将其与物联网系统生成的日志进行比较，以防止潜在的渗透，并将其对物联网系统的影响降至很低。
物联网架构示例——智能照明
让我们以智能照明为例，看看我们的物联网架构元素是如何协同工作的，这也是物联网解决方案如何同时为用户带来便利和能效的一个鲜明例证。智能照明系统有很多功能，我们将在这里介绍一些最基本的。
- 基本组件
传感器从环境中获取数据(例如，日光、声音、人的活动)。而灯配备有执行器，用于打开和关闭灯。数据池存储来自传感器的原始数据。大数据仓库中包含智能家居居民一周中不同时间的行为、能源费用等信息。
- 手动监控和手动控制
用户通过一个带有院子地图的移动应用程序来控制智能照明系统。使用该应用程序，用户可以看到哪些灯是开着和关着的，并向控制应用程序发送命令，控制应用程序再将命令发送给灯执行器。这样的应用程序还可以显示哪些灯即将出现故障。
- 数据分析
通过分析用户应用智能照明的方式、他们的时间表(由用户提供或由智能系统识别)以及传感器收集的其他信息，数据分析师可以制定和更新控制应用的算法。
数据分析还有助于评估物联网系统的有效性，并揭示系统工作方式中的问题。例如，如果用户在系统自动打开灯后立即关闭灯，反之亦然，则算法中可能存在漏洞，因此有必要尽快解决。
- 自动控制的缺陷
监测自然光的传感器将光线数据发送到云端。当日光不足时(根据先前设定的阈值)，控制应用程序向执行器发送自动命令以打开灯。而其余时间灯都是关着的。
然而，照明系统可能会被街道照明、邻居院子里的灯和任何其他光源“误导”。传感器捕捉到的外来光线会让智能系统得出结论，光线足够了，应该关闭照明。因此，使智能系统更好地了解影响照明的因素并在云中积累这些数据是有意义的。
当传感器监测活动和声音时，仅仅在院子里识别出活动或声音时打开灯或者在安静状态下关闭所有灯是不够的。例如，宠物也可以产生活动和声音，云应用程序应该区分人类和宠物的声音和活动。并且来自街道和邻居房屋的噪音以及其他声音也是如此。为了解决这个问题，可以将各种声音的示例存储在云中，并将它们与来自传感器的声音进行比较。
- 机器学习
智能照明可以应用机器学习生成的模型，例如，识别智能家居业主的行为模式(早上8点离家，晚上7点回来)，并相应地调整灯的开关时间(例如，在需要前5分钟打开灯)。
从长远角度分析用户的行为，智能系统可以开发高级行为，例如，当传感器没有识别到住宅居民的典型活动和声音时，智能系统可以“假设”居民正在度假并调整行为：例如，偶尔打开灯，让人感觉家里有人(出于安全原因)，但不要一直开灯以降低能耗。
- 用户管理选项
为了确保有效的用户管理，智能照明系统可以为多个角色分配不同的用户权限：例如屋主、居民、访客。在这种情况下，标为“屋主”的用户将完全控制系统(包括改变智能灯行为模式和监控庭院灯的状态)和发出命令的优先级(当多个用户发出相互矛盾的命令时)。(来源物联之家网)而其他用户只能访问有限数量的系统功能。“居民”将能够打开和关闭灯，而无法更改设置。“访客”将只能打开和关闭房屋中某些区域的灯(例如客厅)。
总之，我们的物联网架构包含以下组件：
- 装备有收集数据的传感器和从云中接收命令的执行器。
- 用于数据过滤、预处理并将其移动到云中的网关，反之亦然，从云中接收命令。
- 云网关，确保现场网关和中央物联网服务器之间的数据转换。
- 流数据处理器，将来自传感器的数据分发到物联网解决方案的组件中。
- 数据湖，用于存储所有已定义和未定义值的数据。
- 大数据仓库，用于收集有价值的数据。
- 控制应用程序可以向执行器发送命令。
- 机器学习生成模型，然后由控制应用程序使用。
- 用户应用程序，使用户能够监控其连接的设备。
- 用于数据处理的数据分析。
我们的物联网架构还包含设备和用户管理组件，以提供稳定、安全的功能，并控制用户的访问权限。
在开发特定解决方案的物联网架构时，同样重要的是要关注一致性(对物联网架构的每一个元素给予足够的关注并使它们协同工作)、灵活性(添加新功能和新逻辑的机会)以及与企业系统的集成(将新的物联网解决方案与以前实施的企业IT解决方案，如ERP、制造执行系统、WMS、交付管理等系统结合在一起)。
