物聯網(Internet of Things IOT)在大數據 (Big Data) 之后順理成章的響應起來, 比起較為看不見的大數據，物聯網看得見摸得著，而且也是人類從19世紀第一次工業革命之后，第一次考慮地球永續的產業升級。從智能恒溫器到健身追蹤器，物聯網設備在人們的日常生活中已經司空見慣。這些連接網絡的設備收集，處理和共享人們周圍物理世界的數據，以幫助人們的生活更輕松，更美好。

同樣，許多企業正在采用物聯網來使用數據，從而更好地了解其運營情況，做出更明智的決策，重新定位客戶參與度，并重新思考如何創造價值。例如，一家供應鏈管理公司在其托盤、箱子和容器中部署了傳感器，跟蹤貨物的地理位置，環境溫度和壓力等環境變量。這將企業提供給客戶的價值轉變為從租賃托盤到優化供應鏈成本，這些將成為獲知運輸貨物剩余保質期的數據。

隨著低成本傳感器，彈性計算和數據科學的快速發展，許多行業觀察家期望企業迅速部署物聯網設備。事實上，根據調研機構Gartner公司預測，企業將在2018年安裝約41億個物聯網設備，到2020年最終達到75億個。

專家預計，在這一時期內，所有這些開發項目將在全球范圍內產生大約44萬億兆字節的額外的物聯網數據。這使人們想到了一個核心問題：采用哪種最佳技術架構來解決這一爆炸性增長的數據趨勢?這里有三個廣泛的選擇：本地部署，云計算，或混合架構。其答案始終取決于使用情況。

本地部署的物聯網架構

本地部署的物聯網架構采用邊緣計算，其中在網絡邊緣處理數據，這個位置最接近數據源頭。而根據調研機構IDC的調查，到2019年，45%的物聯網設備數據將被存儲，處理，并靠近邊緣計算。該模式可以提供更小的性能足跡，可以幫助企業對數據進行更多的實時響應。例如，在石油鉆井平臺上，采用傳感器可以檢測故障的閥門是否產生火災隱患。在這種情況下，企業不能承受任何延誤。如果數據需要發送到衛星，在數據中心返回到通知關閉閥門之前，其響應時間可能太晚了。但是，隨著更快的邊緣部署，數據不必遠離其數據來源。這可以減少時間延遲，并允許做出關鍵的決定。

此外，本地部署的架構不依賴互聯網連接，如云環境。并且本地部署的架構也受到面臨嚴重數據安全問題的企業的青睞。利用邊緣計算的本地體系結構有很多意義。

云端物聯網架構

云端物聯網架構有利于組織管理大量的連接設備，通過內部和外部數據的組合驅動價值。例如，供應鏈應用程序可以從理解一個部分相對于整體聚合視圖的具體視圖而受益。而完整視圖之外只有一組數據失去意義。例如，通過單獨使用本地部署的架構，就不可能試圖為資產構建的每個組件協調供應鏈。

此外，云計算架構在與其他物聯網設備和云系統集成和交互方面提供更大的互操作性。該模型提供了更多的架構靈活性和外部數據源的利用率。云應用程序在生態系統中看到了更多的創新，其部分原因是軟件開發人員重點關注大型市場。利用云計算架構的物聯網部署可以更有效，因為很多具有技術創新和競爭性的產品已經可用。從本質上說，云計算架構可以使組織能夠面對未來的投資回報。

混合的物聯網架構

通常最好的方法是高效地結合邊緣計算的大型核心數據集的處理，然后在核心處理一組簡化的聚合衍生數據。例如，智能城市部署的停車傳感器可以處理靠近車位的所有傳感器的數據，只提供有關不同車庫開放的地點和數量的匯總數據，從而為進入市區的司機提供智能尋找車位的建議。畢竟，每隔幾秒就傳輸所有這些數據的成本可能是很昂貴的，而接近目的地的駕駛人員不一定知道停車場的那些位置是開放的。在這種情況下，采用混合架構是理想的選擇。

資產優化的另一個例子是風力渦輪機的應用，風力渦輪機使用傳感器在本地部署收集和分析每個渦輪機上的數據，并總體優化其總體性能。在這里，通過許多數據點可以深入了解渦輪機組件的運行狀況。每個組件的健康狀況匯總在一起提供了風力發電機的狀況視圖。最后，匯總來自所有風力發電機的數據，為風電場提供可操作的信息。在這樣的情況下，應該在網絡邊緣處理多少數據，而將哪些數據在數據中心處理，這是一個重要考慮的架構。本地部署架構的實時響應以及云計算的全系統訪問和可擴展性的組合將會得到最好的發揮。

考慮業務需求

最終，設計考慮可以為物聯網系統的數據和處理架構提供知情的選擇。要確定什么物聯網架構最適合，請查看組織當前和計劃的設備，業務目標和場景，相關流程和計劃結果的范圍。通過可擴展性，性能，帶寬經濟性和技術創新率的技術考慮評估這些業務需求。

隨著物聯網設備在工作和生活中的不斷普及，企業不僅要考慮業務模式和部署計劃，還需要考慮采用什么樣的系統架構來實現物聯網在其業務中的承諾。