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)</ |