在物联网时代，数量庞大的“物”会产生PB级的海量数据，传统的数据处理服务的处理速度已无法跟上数据产生的速度。如果没法及时分析与利用这庞大的物联网设备数据，就无法将数据的价值比较大化，大数据分析能力的建设对物联网企业来说又成为了一个新的挑战。针对这种情况，大数据...

2024/04/12 查看详细

利用物联网技术，从源头监控化粪池的液位、有毒有害气体、温湿度等，采用科学的分析模型，对化粪池的各项指标进行分析、预测，对数值达到阈值后产生预警、报警。采用大数据平台调度指挥现代化作业方式的车辆，对现场进行无害化环保处理。将处理后的不可降解垃圾及粪渣运往制肥中心...

2024/04/12 查看详细

该方案的数据流向如下：物联网平台将设备上报的数据通过规则引擎功能转发至数据接入服务（DIS）。DIS使用对象存储服务（OBS）作为中介，再将数据转储至MapReduce服务（MRS）。MRS从OBS获取用户定制的分析程序包，运行程序分析数据，并保存分析结果（可...

2024/04/12 查看详细

而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。7.和历史数据处理合二为一实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，...

2024/04/12 查看详细

而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。7.和历史数据处理合二为一实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，...

2024/04/11 查看详细

.数据多维度分析需要对数据支持灵活的多维度分析。对于联网设备产生的数据，需要进行各种维度的统计分析，比如从设备所处的地域进行分析，从设备的型号、供应商进行分析，从设备所使用的人员进行分析等等。而且这些维度的分析是无法事先想好的，而是在实际运营过程中，根据业务发...

2024/04/11 查看详细

数据接入服务（DIS）：数据接入服务（DataIngestionService）为处理或分析流数据的自定义应用程序构建数据流管道，主要解决云服务外的数据实时传输到云服务内的问题。数据接入服务每小时可从数十万种数据源（如IoT数据采集、日志和定位追踪事件、网站点...

2024/04/11 查看详细

趋势二：与云计算的深度结合大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据*...

2024/04/10 查看详细

开放的系统必须是开放的。系统需要支持业界流行的标准SQL，提供各种语言开发接口，包括C/C++，Java，Go，Python，RESTful等等，也需要支持Spark，R，Matlab等等，方便集成各种机器学习、人工智能算法或其他应用，让大数据处理平台能够不断...

2024/04/10 查看详细

需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的***状态。5.需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是...

2024/04/10 查看详细

必须是高效的分布式系统。物联网产生的数据量巨大，中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的,水平扩展的。为降低成本，一个节点的处...

2024/04/10 查看详细

数据处理：数据处理包括实时计算和离线计算两种。TIZASTAR采用Storm作为实时处理引擎，并在它的基础上包装了自己的实时计算服务，可以支持应用层的调度和管理。基于实时计算服务可以很容易实现对物联网数据的清洗、解析、报警等实时的处理。离线计算支持Map...

2024/04/10 查看详细