物聯網解決方案架構：組件概述設計技巧

企業繼續加入物聯網潮流並轉向物聯網諮詢公司。 根據 Facts & Factors 最近的研究，到 2028 年，全球物聯網市場預計將達到 18420 億美元，複合年增長率為 24.5%。 不過，推出物聯網並不容易。 Beecham Research 報告稱，75% 的物聯網項目要么沒有達到既定的預期，要么失敗。

一個常見的原因是缺乏規劃和由此產生的技術挑戰。 有助於避免失敗風險的是提前為物聯網架構制定藍圖。 在這篇博文中，我們闡明了 IoT 架構的基本組件，並使用 ITRex 產品組合中的一個項目示例展示了設計 IoT 架構在實踐中的樣子。

讓我們從最基本的開始。

什麼是物聯網架構？

物聯網架構是硬件和軟件組件的組合，它們相互作用以構成智能網絡數字系統。 這些組件相互操作，構成了構建物聯網解決方案的基礎。 在我們深入細節之前，讓我們把事情弄清楚：設計物聯網架構沒有萬能的方法。 儘管如此，無論解決方案如何，基本佈局都基本保持不變。

標準物聯網架構：底層是什麼？

常見的數據驅動物聯網應用程序依賴於跨越四層的標準物聯網架構：

• 設備層
• 網絡層
• 服務和應用支持層
• 應用層

然而，最近，越來越多的連接系統開始將重點轉移到邊緣處理上，這導致在傳統的四層架構中增加了一層。 在邊緣執行的活動份額取決於特定的實現，但它通常跨越啟用連接，以及過濾、聚合、保護和處理傳入數據。

設備層

設備層包括各種智能的、連接的設備或非電子對象，這些設備通過相機和/或傳感器以及可選的執行器進行了增強。 傳感器從外部世界獲取數據並將其轉換為電信號，以便計算機對其進行處理。 物聯網傳感器的大小和用途各不相同。 它們能夠記錄所有類型的信息——從溫度到運動到濕度等等。 反過來，執行器使連接的設備根據從處理中心發送的命令進行操作。 一旦執行器收到命令，它就會使設備以某種設定的方式運行。 例如，智能照明系統可以在附近檢測到運動時打開燈。

網絡層

網絡層包含連接設備層和物聯網架構後續層的不同通信技術。 根據所討論的物聯網解決方案，可以直接或通過網關啟用設備連接。 後者通常適用於無法直接連接或協議不匹配的舊設備。 現代物聯網解決方案依賴於以下通信技術：

LPWAN或低功耗廣域網是專門為支持大規模物聯網解決方案而構建的。 LPWAN 為深遠的通信提供了機會，同時具有節能、持久和廉價的特點。 缺點是 LPWAN 僅以相當低的速率傳輸少量數據，因此它們更適合對時間不敏感且不需要高帶寬的用例，例如智能建築或工業物聯網。

Zigbee是一種短距離無線通信標準，最適合節點均勻分佈在附近的中距離物聯網應用，例如智能家居。 與 LPWAN 相比，Zigbee 提供更高的數據速率，但能源效率較低。

蜂窩網絡(3G/4G/5G) 提供可靠的寬帶通信，因此非常適合支持聯網汽車、交通路由、車隊管理或高級駕駛員輔助等用例。 儘管如此，蜂窩網絡不能與電池供電的傳感器網絡很好地配對，並且會產生高昂的運營成本，從而限制了它們的使用。

藍牙提供短距離通信，用於小型消費物聯網設備，如運動或醫療保健可穿戴設備、身體互聯網設備和智能家電。

Wi-Fi支持高吞吐量數據傳輸。 儘管如此，由於覆蓋範圍、可擴展性和能耗問題，Wi-Fi 通常不是擴展物聯網網絡或電池供電物聯網設備的可行選擇。 相反，它更適合連接到電源插座的智能設備，例如智能家居小工具、安全攝像頭或數字標牌。

RFID使用無線電波將少量數據從 RFID 標籤傳輸到附近的閱讀器。 這種通信技術廣泛應用於物流和零售業。

邊緣計算層

邊緣處理層由網關、本地服務器或分散在網絡中的其他邊緣節點組成。 引入邊緣設備背後的想法是在其源頭附近存儲和處理數據，僅將生成的部分記錄發送到雲端或以預設的時間間隔將數據批量上傳到雲端，而不是實時傳輸。 除了處理數據，邊緣層還可以過濾、聚合和加密傳入的信息。

在本地處理數據有助於節省將所有生成的記錄傳輸到雲所需的時間和資源。 因此，這樣做會導致更好的延遲和更高的性能。 對於需要實時分析數據並需要內置可擴展性和增強安全性的物聯網用例，例如醫療物聯網系統、閉路電視系統或智能汽車，添加邊緣層是一個可行的選擇。

服務和應用支持層

這就是物聯網設備收集的大部分數據的最終目的地。 因此，服務和應用支持層用於積累、處理和存儲數據。 在這裡，發生了兩個基本過程：

• 數據積累：物聯網系統產生海量數據，並非所有這些數據都需要立即付諸行動。 因此，物聯網架構可能具有數據湖來存儲所有生成的信息，並且僅將經過清理和過濾的記錄發送到數據管理管道中。 因此，此階段的主要目標是將所有數據匯總在一起，確定某條特定信息是否與業務需求相關，並決定應如何存儲它——在臨時數據庫或數據倉庫中。
• 數據抽象：在這個階段，來自物聯網設備的信息被來自相關外部來源的數據放大。 這些可能包括 ERP、EMR 和其他企業系統。 經過轉換以匹配統一格式，數據進入集中存儲，例如數據倉庫，可以方便地訪問數據以獲得洞察力。

應用層

在應用層，通過分析算法運行來自物聯網設備和外部來源的累積、處理和集成數據，並將分析結果呈現給用戶。 應用程序的類型因物聯網系統的業務需求而異。 它們可能包括 Web 或移動應用程序，可通過執行器、商業智能工具或依賴機器學習和人工智能的高級分析解決方案向最終用戶呈現可視化洞察或控制物聯網設備。

在實踐中設計物聯網架構：未來會發生什麼？

既然我們已經闡明了物聯網架構的理論概念，那麼讓我們看看設計一個在實踐中會是什麼樣子。 為了說明構建物聯網解決方案的特殊性，我們將轉向 ITRex 產品組合中的一個項目。

我們的一位客戶向我們求助，並提出了構建智能健身鏡的想法，以幫助人們在家中進行與在健身房一樣有效的訓練。 鏡子將取代健身教練，“觀察”一個人鍛煉身體，為訓練課程提供反饋，並為未來的鍛煉準備量身定制的訓練計劃。 ITRex 的工程師接受了挑戰，並為解決方案設計了一個架構，涵蓋了從硬件到固件到最終用戶移動應用程序的所有內容。

我們最終設計的架構主要集中在邊緣計算上。 來自鏡子傳感器和攝像頭的大部分數據都在設備本身上進行處理，只有一部分統計信息被傳遞到雲端。

ITRex 的首席技術官 Kirill Stashevski 解釋了將邊緣計算優先於傳統的基於雲的模型的選擇：“我們測試了這兩種方法——邊緣計算在提供更高性能方面獲勝。 因此，來自鏡子的攝像頭和附著在鏡子上的粘合劑運動傳感器的數據會在靠近它產生的地方進行分析。 這可以節省大量時間並有助於減少運營費用。 這就是設計成功的物聯網架構的問題——你必須做出選擇並測試假設，選擇最適合你的。” 因此，該解決方案的高級架構如下所示：

這面鏡子配備了人工智能網絡，這些網絡對人們鍛煉的大量視頻片段進行了預訓練。 當一個人鍛煉時，鏡子的內置攝像頭會記錄他們，視頻片段會立即通過人工智能網絡運行，將鍛煉與參考模型進行比較。

因此，人工智能引擎會生成關於一個人的鍛煉程序是否健康的實時建議，並提出所需的改進建議——無論是在重量、技術還是強度方面。 當學員使用鏡子時，視頻片段被用來個性化本地部署的 AI 網絡，因此建議的質量會隨著時間的推移而提高。

根據 Kirill 的說法，個性化是我們選擇面向邊緣的架構的另一個原因。 根據實際使用鏡像的上下文中記錄的視頻在本地訓練網絡比在雲中訓練依賴通用內容的算法產生更好的結果。 選擇以邊緣為中心的架構的另一個原因是隱私，因為在靠近數據生成位置處理數據時，無需通過網絡傳輸素材進行分析。

儘管是面向邊緣的，但該解決方案的架構也具有云部分。 但是，其主要目的是收集有關鏡像使用情況和性能的統計數據。 該解決方案的另一個組成部分是一個社交移動應用程序，供最終用戶記錄他們的表現、與朋友分享並一起訓練。

回顧，或者為什麼提前為物聯網架構設計藍圖至關重要

如果您打算採用物聯網，那麼儘早為未來的解決方案設計一個經過深思熟慮的架構至關重要。 架構不佳的系統不可擴展且無法處理複雜性，而設計良好的物聯網架構將使您能夠規劃未來並保證：

• 可維護性。 架構良好的物聯網系統更易於維護且成本更低。 由於所有組件、流程和集成的大局都很清晰，因此更容易跳到較小的任務。 在項目採購方面，架構良好的系統也有助於引進新人才並減少知識轉移所需的時間。
• 可擴展性。 隨著初始架構的規劃，物聯網系統的縱向和橫向擴展變得更加簡單，引入新功能或添加更多終端節點。
• 成本效益。 花時間徹底設計您的物聯網系統有助於做出更好的技術選擇，從而降低物聯網解決方案的開發和運營成本。
• 高性能。 擁有清晰的架構願景有助於構建更好的數據流，以及使用適當的工具處理傳入數據，從而有助於實現更高的系統性能。
• 互操作性。 物聯網架構可以跨越使用不同通信協議的多個設備，這些協議並不總是很好地配對在一起。 深思熟慮的物聯網架構有助於確保不同的設備和組件順利協同工作。
• 安全。 通過將初始精力投入到系統設計中，您可以避免安全漏洞並規劃必要的物聯網安全機制。

如果您有任何懸而未決的問題或想在幾乎沒有風險的情況下加入物聯網潮流，請聯繫 ITRex 物聯網開發團隊。 它們將幫助您設計可靠且可擴展的架構，為您未來的解決方案提供動力。

最初於2022 年 5 月 10 日在https://itrexgroup.com上發布。