工业场景下IOT数据处理

 

 

昨天偶然聊起工业场景下IOT时序处理问题，有人讨论时序数据库哪家强，有人询问数据收集应该用云服务商的PaaS还是自己搭建，不一而足。笔者认为没有最强的产品，只有最合适的架构。抛开具体应用场景而去谈单一产品性能，无异于缘木求鱼，刻舟求剑。针对客户具体情况，选择相应的架构，灵活结合开源工具和云厂商服务；同时以实用性为原则，解决问题而非为了所谓的最新科技而选择一些实用性有限的产品。在此分享个人一点看法，水平有限，抛砖引玉，欢迎切磋讨论。

首先，我们可以把整个系统分成几部分，随后逐一探讨。在此暂且采用将整个架构分为，终端、分析、行动三部分。

在“终端”部分，微软近期动作很大，预期投入50亿美金进行IOT研发的大部分都花在了这里，其中产品AzureSphere备受期待，目前已经和台积电等厂商联合生产开发中，子弹还要飞一会~其最大的优势就是双套安全机制，确保客户终端安全

暗黑科技Azuresphere传送门：https://azure.microsoft.com/en-us/services/azure-sphere/

 

在“分析”部分，微软IOT solution包含了丰富的产品。

传送门：https://azure.microsoft.com/zh-cn/overview/iot/

 

先从数据收集说起，常见几种收集方式如下：

数据收集说起，常见几种收集方式如下：

其中最常被比较的两种方式为使用云厂商PaaS （在此以微软IOT Hub，Event Hub为例）vs 开源自建（在此以Kafka为例），对比如下：

使用微软服务 （IOT Hub）</