物聯(lián)網(wǎng)勿被數(shù)據(jù)洪流淹沒

傳感器抓取各式各樣的數(shù)據(jù)，這些信息哪些有用?哪些是垃圾?哪些需要歸檔?哪些僅僅是需要短暫保留的中間信息?物聯(lián)網(wǎng)應該具備基本的分辨能力。

物聯(lián)網(wǎng)的第一階段是完善信息獲取途徑，通過各式各樣的傳感器抓取信息;隨之而來的，就是如何處理急速膨脹的數(shù)據(jù)。這些信息哪些有用?哪些是垃圾?哪些需要歸檔?哪些僅僅是需要短暫保留的中間信息?物聯(lián)網(wǎng)應該具備基本的分辨能力。

在日前舉行的“第八屆全球電子峰會”(Electronics Summit 2010)上，IBM Fellow(院士)、系統(tǒng)與科技事業(yè)部戰(zhàn)略聯(lián)盟副總裁及首席技術官Bernard S. Meyerson強調(diào)，建設物聯(lián)網(wǎng)，現(xiàn)在就應該關注如何處理紛繁復雜的數(shù)據(jù)，否則，當傳感器網(wǎng)絡越來越完善時，隨之而來的數(shù)據(jù)爆炸將讓企業(yè)淹沒在信息洪流中，無法自拔。

“物聯(lián)網(wǎng)讓物與物之間對話，但首先要研究傳感器如何與IT更好地對話。” Meyerson認為，終端設備采集來的數(shù)據(jù)進入IT系統(tǒng)之前，就應該被智能地處理。IBM研發(fā)的流計算(Stream Computing)系統(tǒng)可以應對信息的爆增，包括網(wǎng)站、博客、電子郵件、視頻和新聞短片，尤其是物聯(lián)網(wǎng)時代傳感器收集上來的龐大信息流。

在通常情況下，數(shù)據(jù)分析的步驟是:首先搜集數(shù)據(jù)，將其存儲在數(shù)據(jù)庫程序中，然后再用模型對數(shù)據(jù)庫進行搜索。這種高度結構化的方式通常需要耗費很多時間。在流計算模式下，先進的軟件算法在數(shù)據(jù)流入的同時即對其進行分析，機器可以實時分析上百個數(shù)據(jù)流，讓用戶在短時間內(nèi)對環(huán)境變化做出回應。

“可以設想一下，當智能交通深入應用時，駕駛員開車行進過程中，汽車可能會實時采集許多信息，有車速、溫度、交通流量、車輛間距等大量數(shù)據(jù)。當他來到一個路口時，其實最需要的是看到前方道路擁堵情況，可是傳感器采集來的各式各樣的數(shù)據(jù)會讓人迷惑不清，也增加了有效數(shù)據(jù)篩選的難度。” Meyerson舉例說，這個時候的智能，就不是以數(shù)據(jù)量的多少來衡量的，而是在合適的時候告訴駕駛員該直行，還是右轉。

如今，泛在計算發(fā)展迅猛，網(wǎng)絡、傳感器、計算機等價格急速下降，為物聯(lián)網(wǎng)的建設提供了技術上的可能性。復雜的實時分析處理和大范圍的傳感器數(shù)據(jù)需要不同的處理進程相互交叉校驗，IBM云交付管理系統(tǒng)設計與處理的多樣性讓IT資產(chǎn)的利用率得到優(yōu)化，比如使CPU使用率達到80%～90%。

除了基礎設施外，Meyerson認為，建設物聯(lián)網(wǎng)還必須著眼于“系統(tǒng)的系統(tǒng)”，就是要把各行業(yè)IT系統(tǒng)整合在一起，才能體現(xiàn)出多種多樣的可管理性。這也是處理高速膨脹的數(shù)據(jù)的另一個著眼點，即關注數(shù)據(jù)的流向。數(shù)據(jù)如何從眼前相對封閉的某個行業(yè)信息系統(tǒng)流轉到另一個應用系統(tǒng)，而且保證數(shù)據(jù)始終有效。在很多情況下，數(shù)據(jù)在產(chǎn)生它的系統(tǒng)中能發(fā)揮作用，但當進入另一個系統(tǒng)時，由于格式、標準、體系的差異，很可能它就變成了垃圾數(shù)據(jù)，無法發(fā)揮應有的效能。

物聯(lián)網(wǎng)要依賴數(shù)據(jù)，更要控制好數(shù)據(jù)!