物聯網 （IoT） 解決方案對任何數據庫來說都是一個獨特的挑戰。來自非常廣泛的物聯網設備的數據越來越大，速度越來越快，再加上關鍵的延遲要求。鑒于此，數據的處理和分析必須越來越多地在網絡邊緣處理，靠近傳感器，執行器和其他物聯網設備。

我們不再奢侈地能夠在云環境中處理物聯網數據，因為云環境中似乎有無限的計算和存儲資源，因為延遲是不可接受的。值得慶幸的是，有強大的數據庫和平臺解決方案可以正面應對這一挑戰，我們將在下面進行探討。但首先，讓我們回顧一下物聯網環境特有的一些數據要求。

鑒于物聯網和大數據的數量、速度、多樣性和準確性（“四個V”）要求，以及其中許多用例的分布式性質，邊緣計算越來越成為賭注的隱喻。

那么，如果我們回到邊緣的分布式計算，有沒有辦法保持我們長期以來所享有的功能（以及我們在過去10年中云計算的巨大趨勢）？我們也可以吃蛋糕嗎？

通過霧計算將云原則帶到邊緣

幸運的是，在這種情況下 - 隨著霧計算的普及和增長趨勢 - 答案是肯定的。解決方案是將云主體帶到邊緣，霧和云環境協同運行以處理復雜的物聯網用例。當您有關鍵的延遲要求時，例如對于智能城市物聯網用例，例如槍聲檢測或犯罪面部識別，您的數據必須由位于IP攝像機和其他傳感器附近的加固霧節點處理。

非延遲關鍵數據仍可同步到核心或云。通過這種方式，來自物聯網解決方案中所有邊緣設備和霧節點的數據可以在核心級別（例如，智能城市用例中的城市街區）聚合，并最終聚合到云或數據中心環境中進行商業智能和其他分析。

對于霧計算，我們將物聯網設備、邊緣設備、霧節點和云之間的數據通信稱為“南北”通信，將系統中邊緣/霧節點之間的數據通信稱為“東西向”通信。為了有效，我們必須在邊緣擁有通用的云或數據中心環境功能，例如機器學習，深度學習和其他人工智能。

這帶來了下一個挑戰：鑒于邊緣設備和霧節點的分布式性質以及適度的存儲和計算能力，我們如何處理這些需求？讓霧和云環境協同運行至關重要。例如，通過機器學習，我們需要在云中訓練模型，在那里我們擁有大量的計算和存儲資源。然后，我們需要將這些經過訓練的模型部署到霧節點和/或邊緣設備，以便它們可以在物聯網設備附近提供服務，以最大限度地減少延遲。

“智能邊緣”數據庫

“智能邊緣”已經到來，并將我們從這些看似無法解決的問題中解救出來（或者小林丸為你們“星際迷航”粉絲）。如今，邊緣已成為物聯網的戰場，但地球上是否有一個數據庫可以處理來自數千個傳感器，攝像頭和其他設備的海量和高速數據？一個可以實時處理這些數據，具有許多不同的數據庫模型，并且占用空間小？

業界正在解決這個問題，答案是：是的。

現在有解決方案進入市場，提供快速性能，并能夠在物聯網邊緣以小于1ms的延遲每秒攝取數百萬次寫入。這很強大。由于這些解決方案可以提供較小的硬件和軟件占用空間，因此在某些情況下，它們非常適合生活在霧節點，邊緣網關設備甚至物聯網設備上。

其中一些解決方案，如Redis Enterprise，具有許多本機數據結構（集，排序集，列表，哈希，流等），為物聯網應用程序開發人員提供了最大的靈活性。此外，由于已經存在許多模塊來擴展它，這些解決方案可以具有多模型數據庫，可以處理物聯網邊緣所需的非常多樣化的工作負載：時間序列，圖形，機器學習，搜索等。

簡化的架構

這些平臺無需部署六個不同的數據庫來支持這些需求，而是可以管理所有這些數據庫，從而極大地簡化了您的架構。許多任務關鍵型 IoT 用例分布在多個區域，這代表了另一個用例，可以通過即將推出的具有高可用性、主動-主動（帶 CRDT）、災難恢復和自動擴展功能的平臺來優雅地處理。

現在我們已經展示了值得在智能邊緣上使用的數據庫，您可能想知道哪個平臺最適合在物聯網邊緣運行它們？當然，有很多變量和選擇。在 Redis 實驗室，我們與微軟 Azure 合作開發物聯網邊緣解決方案。關鍵是為客戶提供快速的常規數據存儲、Azure Edge 模塊之間的消息代理、流處理、時序數據庫和內存中處理（機器學習模型服務、圖形處理等），以獲得最佳性能。

物聯網社區將從聯合物聯網邊緣解決方案中受益匪淺。但是，將正確的數據庫與正確的智能 IoT 邊緣解決方案集成對于所有 IoT 工作的成功至關重要。

審核編輯：郭婷