5.需要實時流式計算。各種實時預警或預測已經(jīng)不是簡單的基于某一個閾值進行，而是需要通過將一個或多個設(shè)備產(chǎn)生的數(shù)據(jù)流進行實時聚合計算，不只是基于一個時間點、而是基于一個時間窗口進行計算。不僅如此，計算的需求也相當復雜，因場景而異，應容許用戶自定義函數(shù)進行計算。6.需要支持數(shù)據(jù)訂閱。與通用大數(shù)據(jù)平臺比較一致，同一組數(shù)據(jù)往往有很多應用都需要，因此系統(tǒng)應該提供訂閱功能，只要有新的數(shù)據(jù)更新，就應該實時提醒應用。而且這個訂閱也應該是個性化的，容許應用設(shè)置過濾條件，比如只訂閱某個物理量五分鐘的平均值。7.實時數(shù)據(jù)和歷史數(shù)據(jù)的處理要合二為一。實時數(shù)據(jù)在緩存里，歷史數(shù)據(jù)在持久化存儲介質(zhì)里，而且可能依據(jù)時長，保留在不同存儲介質(zhì)里。系統(tǒng)應該隱藏背后的存儲，給用戶和應用呈現(xiàn)的是同一個接口和界面。無論是訪問新采集的數(shù)據(jù)還是十年前的老數(shù)據(jù)，除輸入的時間參數(shù)不同之外，其余應該是一樣的。設(shè)備是很難同步的，不同設(shè)備采集數(shù)據(jù)的時間點是很難對齊的。南京物聯(lián)網(wǎng)大數(shù)據(jù)平臺綜合服務

   人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)以及云計算，彼此之間皆存在著千絲萬縷的“親緣”關(guān)系??！半個多世紀的某個夏天，麥卡錫、明斯基等眾科學家們舉辦了一次Party，共同研究用機器模擬智能的問題，也是在那時，“人工智能(AI)”的理念正式被提出！人工智能（ArtificialIntelligence）簡稱AI，AI能根據(jù)大量的歷史資料和實時觀察（real－timeobservation）找出對于未來預測性的洞察（predictiveinsights）。如今人工智能商業(yè)化正在快速推進中，比如我們所知道和了解的人像識別、圖像識別技術(shù)、語音識別、自然語言理解、用戶畫像等。此類技術(shù)也現(xiàn)階段已經(jīng)在金融、物聯(lián)網(wǎng)等行業(yè)得到應用！深圳智能化物聯(lián)網(wǎng)大數(shù)據(jù)平臺開發(fā)為降低成本，一個節(jié)點的處理性能必須是高效的，需要支持數(shù)據(jù)的快速寫入和快速查詢。

需要支持邊云協(xié)同。要有一套靈活的機制將邊緣計算節(jié)點的數(shù)據(jù)上傳到云端，根據(jù)具體需要，可以將原始數(shù)據(jù)，或加工計算后的數(shù)據(jù)，或**符合過濾條件的數(shù)據(jù)同步到云端，而且隨時可以取消，更改策略。16.需要單一的后臺管理系統(tǒng)。便于查看系統(tǒng)運行狀態(tài)、管理集群、管理用戶、管理各種系統(tǒng)資源等，而且系統(tǒng)能夠與第三方IT運維監(jiān)測平臺無縫集成，便于管理。17.便于私有化部署。因為很多企業(yè)出于安全以及各種因素的考慮，希望采用私有化部署。而傳統(tǒng)的企業(yè)往往沒有很強的IT運維團隊，因此在安裝、部署上需要做到簡單、快捷，可維護性強。以上總結(jié)了物聯(lián)網(wǎng)大數(shù)據(jù)平臺的主要功能和特點，而物聯(lián)網(wǎng)大數(shù)據(jù)平臺本身也在演變之中，但總的目標不會改變，那就是高效、可伸縮、實時、可靠、靈活、開放、簡單、易維護。

在物聯(lián)網(wǎng)時代，數(shù)量龐大的“物”會產(chǎn)生PB級的海量數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理服務的處理速度已無法跟上數(shù)據(jù)產(chǎn)生的速度。如果沒法及時分析與利用這龐大的物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)，就無法將數(shù)據(jù)的價值比較大化，大數(shù)據(jù)分析能力的建設(shè)對物聯(lián)網(wǎng)企業(yè)來說又成為了一個新的挑戰(zhàn)。針對這種情況，大數(shù)據(jù)處理服務應運而生。服務提供商提供大數(shù)據(jù)處理平臺，為企業(yè)消除了大數(shù)據(jù)處理的效率問題和可靠性問題，讓企業(yè)能夠?qū)Ｗ⒂谖锫?lián)網(wǎng)數(shù)據(jù)的分析與利用。時序數(shù)據(jù)有些數(shù)據(jù)實時性沒那么強，但是和時間順序強相關(guān)，分析后的數(shù)據(jù)需要分類后按時序儲存，并提供按時序瀏覽、查詢數(shù)據(jù)的能力，我們稱之為時序數(shù)據(jù)。典型的時序數(shù)據(jù)包括設(shè)備移動軌跡、**價格曲線等，應用于行為分析、趨勢預測等場景，例如，基于物聯(lián)網(wǎng)的公路監(jiān)控系統(tǒng)保存了近期所有車輛的行駛軌跡，警方可隨時從中提取指定嫌疑人車輛的形式的軌跡，推測出嫌疑人的目的地，從而進行包抄逮捕。時序數(shù)據(jù)的分析一般依賴于時序數(shù)據(jù)庫，數(shù)據(jù)保存至時序數(shù)據(jù)庫進行分類與排序，再由其他應用或服務從數(shù)據(jù)庫中獲取進行進一步處理。實時數(shù)據(jù)在緩存里，歷史數(shù)據(jù)在持久化存儲介質(zhì)里，而且可能依據(jù)時長，保留在不同存儲介質(zhì)里。

高效緩存需要高效的緩存功能。絕大部分場景，都需要能快速獲取設(shè)備當前狀態(tài)或其他信息，用以報警、大屏展示或其他。系統(tǒng)需要提供一高效機制，讓用戶可以獲取全部、或符合過濾條件的部分設(shè)備的***狀態(tài)。5.實時流式計算需要實時流式計算。各種實時預警或預測已經(jīng)不是簡單的基于某一個閾值進行，而是需要通過將一個或多個設(shè)備產(chǎn)生的數(shù)據(jù)流進行實時聚合計算，不只是基于一個時間點、而是基于一個時間窗口進行計算。不僅如此，計算的需求也相當復雜，因場景而異，應容許用戶自定義函數(shù)進行計算。6.數(shù)據(jù)訂閱需要支持數(shù)據(jù)訂閱。與通用大數(shù)據(jù)平臺比較一致，同一組數(shù)據(jù)往往有很多應用都需要，因此系統(tǒng)應該提供訂閱功能，只要有新的數(shù)據(jù)更新，就應該實時提醒應用。而且這個訂閱也應該是個性化的，容許應用設(shè)置過濾條件，比如只訂閱某個物理量五分鐘的平均值。準確的說，系統(tǒng)必須是一個寫優(yōu)先系統(tǒng)。浙江機房物聯(lián)網(wǎng)大數(shù)據(jù)平臺

需要保證數(shù)據(jù)能持續(xù)穩(wěn)定寫入。南京物聯(lián)網(wǎng)大數(shù)據(jù)平臺綜合服務

趨勢二：與云計算的深度結(jié)合大數(shù)據(jù)離不開云處理，云處理為大數(shù)據(jù)提供了彈性可拓展的基礎(chǔ)設(shè)備，是產(chǎn)生大數(shù)據(jù)的平臺之一。自2013年開始，大數(shù)據(jù)技術(shù)已開始和云計算技術(shù)緊密結(jié)合，預計未來兩者關(guān)系將更為密切。除此之外，物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等新興計算形態(tài)，也將一齊助力大數(shù)據(jù)**，讓大數(shù)據(jù)營銷發(fā)揮出更大的影響力。趨勢三：科學理論的突破隨著大數(shù)據(jù)的快速發(fā)展，就像計算機和互聯(lián)網(wǎng)一樣，大數(shù)據(jù)很有可能是新一輪的技術(shù)**。隨之興起的數(shù)據(jù)挖掘、機器學習和人工智能等相關(guān)技術(shù)，可能會改變數(shù)據(jù)世界里的很多算法和基礎(chǔ)理論，實現(xiàn)科學技術(shù)上的突破。趨勢四：數(shù)據(jù)科學和數(shù)據(jù)聯(lián)盟的成立未來，數(shù)據(jù)科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設(shè)立專門的數(shù)據(jù)科學類專業(yè)，也會催生一批與之相關(guān)的新的就業(yè)崗位。與此同時，基于數(shù)據(jù)這個基礎(chǔ)平臺，也將建立起跨領(lǐng)域的數(shù)據(jù)共享平臺，之后，數(shù)據(jù)共享將擴展到企業(yè)層面，并且成為未來產(chǎn)業(yè)的**一環(huán)。南京物聯(lián)網(wǎng)大數(shù)據(jù)平臺綜合服務