物聯網（IoT）現已開始部屬實施，預計未來幾年將有數百億個節點投入運行。伴隨這些節點的快速推出和廣泛應用，其主要用途之一是監測多種重要環境參數，如溫度、空氣濕度、一氧化碳含量等。通過分析采集的數據，可以做出適當的決策，并確定要采取的行動。我們以一個化工廠為考慮對象，如果煙囪中某種氣體含量排出超過設定閾值，則可能需要降低當時的工藝活動水平。或者，如果這可能是一個長期趨勢的跡象，則需要加以解決，可能所使用的加工設備需要維護，或者已達到壽命周期的終點，應該完全更換。

重要的是需要找到一種有效方法，對集成到 IoT 節點網絡中的傳感器設備持續采集的大量數據進行深入分析，然后啟動適當的回應，但這些并非易事。在面對只有來自少數節點的數據時，可能不會帶來多大挑戰，但如果需要考慮工業控制或環境監測系統中的巨大數量傳感器，情況則完全不同，這同樣適用于各種可能的環境監測，如智能家居 / 建筑、工廠自動化、農業、智能城市等。

為了最大限度地提高效率和保持盡可能短的響應時間，有必要實施一種自動化的決策過程，這將要求采用更高級的算法。如果考慮到可能涉及 IoT 節點的絕對巨大數量，僅僅在數據庫上設立和存儲一組規則，然后交叉引用這些規則來處理收到的數據基本無效，這樣的配置可能很快就會顧此失彼。因此，需要采取一種更高級但又精簡的辦法。

一些人斷定 Rete 算法是解決該問題的關鍵。Rete 算法最早是在 20 世紀 70 年代末開發，已經廣泛用于大量商業案例，這種算法的核心目標是提供一種模式匹配機制（pattern matching mechanism），由此可以快速將大量模式數據（例如 IoT 網絡現在開始生成的數據）與包含許多不同對象的數據庫進行比較。這樣可以避免數據迭代，在整個過程中，特定模式的狀態將保存在存儲器。這樣做的結果是，沒有必要重復回到以前采用的規則，從而加快了整個過程，使其比其它競爭方法更加高效。

UrsaLeo 公司基于云的分析軟件能夠通過與 Silicon Labs 的 Thunderboard 2 傳感器模塊和樹莓派 3B+（Raspberry Pi 3B+）（預裝有 Yocto Linux）一起運行來實施上述策略，它采用樹型規則架構進行模式匹配，而不是多次引用查找表，從而對采集的數據進行處理。這樣可確保做出更明智的決策，而不會給系統增加不必要的延遲。自定義顯示面板可以顯示已編譯數據集，也可以訪問和設置觸發以提醒操作人員，并可以在發生某些事件時進行人工干預。

通過使用直觀的基于視覺的編輯工具，可以建立一組完全符合特定應用需求的規則。每當接收到消息時，可以設置觸發，相反，也可以設定為在指定時間段內未收到消息，同樣也可以啟動觸發。或者，為了進行長時間的監控，可以設定為定時啟動觸發（一小時、一天或一周后）。也可以定義地理圍欄規則（geo-fencing rule）：當運動節點移動到給定區域時觸發。這種技術可用于將叉車保持在工廠車間的指定范圍內，或用于車隊管理和牲畜跟蹤等應用。此外，如果采集的數據值異常（例如數據值保持不變，或永久為零），則表示傳感器可能工作不正常，然后可以做出標記，以便指派工程師到現場進行任何必要的維修。

Thunderboard 2 模塊可以從已集成的大量傳感器中獲取環境數據信息，包括環境光、空氣質量、氣壓、相對濕度和溫度等，還可以添加氣體檢測功能。該模塊包括一個 6 軸慣性傳感器（用于空間定位）和一個霍爾效應傳感器（用于地理定位），隨附的樹莓派板可作為 IoT 網關（直接與 Google 云平臺端接）。由此，所有經過編譯的數據通過無線（Wi-Fi）或有線（以太網）連接傳輸回云端。根據應用場景，硬件可由 USB 或使用鋰離子電池供電。

這里采用的樹型架構意味著該系統完全可擴展，能夠處理網絡中任何可能數量的 IoT 節點連接，而不是局限于一定數量的節點。因此，每秒將可能需要處理數十萬個事件 / 警報。即便采用中型服務器，系統每秒也能處理 50 萬條消息，如果使用高容量服務器，則可以處理 100～200 萬條消息。

通過結合使用高度優化的支持云的硬件和卓越的算法，處理 IoT 數據的方式將能夠比現在更加高效，更加節省時間，這將促進 IoT 部署的升級，使其可以支持數十萬個互連節點，從而能夠跨越許多不同的行業領域來實現該技術帶來的真正優勢。

審核編輯 黃昊宇