(资料图片)

物联网生态系统由许多方面组成，数据存储管理是其中关键方面之一。从顶层的角度来看，我们可以将物联网 (IoT) 定义为由嵌入式传感器、无人驾驶汽车、可穿戴设备、智能手机/平板电脑或家用电器等物理设备组成的网络，这些设备可以在没有人为干扰的情况下生成和传输数据。今天，我们看到物联网和数字化的强劲动力，但这个概念在过去十年中一直在呼吸，互连的设备和应用程序在许多行业和消耗品中发挥作用。今天最明显的变化是连接设备、快速通信网络、标准化通信协议和负担得起的 IT 的容量增加，为物联网流程增加了涡轮增压。这些事情正在改变各种市场和应用程序的运营流程和产品生命周期。物联网设备提供的精确信息使制造商能够利用工业 4.0 的优势在自动化生产/装配线中发挥作用，但速度不如您预期的那么快。

数据收集过程物联网及其连接的设备和应用程序的一个不可避免的结果是大量不断变化的数据。物联网提供的数据必须实时处理，以得出最有用的结论并迅速做出决策，以避免瓶颈，保持生产线正常运转，并跳过导致巨大损失的最小延迟。此功能对于依赖人工智能 (AI) 和机器学习 (ML) 的制造商来说非常重要。这两种技术都需要数据、带宽和对允许大规模并行处理的强大存储管理流程的需求。工业物联网网络中的数据泛洪是一个三层过程，如下所示：数据源：物联网从“n”个连接设备或嵌入式传感器收集数据。然后，收集的数据要么在本地处理，要么根据对适当基础设施的访问、数据的敏感性、行业类型，或通过边缘网关传输到云进行处理和处理或托管设施。数据存储：嵌入式或连接技术收集的数据然后被适当地存储以用于短期或长期应用。有些数据可能需要根据应用程序立即处理，而有些数据可能需要安全传输和存储以供将来的应用程序使用。数据分析和应用：这是最后一层。分析数据以产生有用的信息，并为操作和控制过程提供一个王牌。对生产线和产品生命周期的详细了解可以通过预测性维护和其他故障排除措施实现更流畅的操作。这些功能有助于跳过导致效率低下和阻碍利润的停机时间和中断。处理数据存储存储系统只是物联网数据处理生态系统的一部分，但由于存储容量不足，危及可操作性，已成为重要元素。任何物联网网络的存储容量都必须保证数据的完整性、安全性和可靠性。它们必须灵活地维持各种环境和应用程序，同时在云边缘网关和其他边缘设备之间提供统一的互连。对于许多拥有过时通讯室的制造商来说，质量受损的存储是致命弱点，无法充分发挥物联网数据的潜力。根据行业研究，存储容量不足会导致 60% 和 73% 的机器生成数据未经分析。为了获得最佳结果，出于可操作性和安全性原因，必须在源头附近处理推动 4.0 的物联网数据。依赖关键数据的组织将意识到传统的托管设施无法保证所需的超高速和低延迟。相反，就物联网数据存储管理而言，许多本地设施并不适合用于物联网数据存储管理的目的，因为它们无法容纳所需的专业 IT。随着容量需求的增加，即使是 IT 团队也常常缺乏扩展空间。高性能计算机具有庞大的规模、基于 GPU 的处理能力、相关的冷却技术和高能耗；所有这些都需要防火、防风雨、无缝连接到云并支持动态功耗的专业设施。满足数据需求由于成本高昂，提供能够满足物联网数据需求的定制设施不在许多制造商的名单上。所需要的是一种在本地提供集中式数据中心功能的方法，而无需构建承诺 HPC 处理的定制设施。由于财务限制、复杂的项目管理需求和过多的部署时间，这目前还无法实现。尽管如此，制造中的物联网处理复杂性即将解决，所有功劳都归功于边缘数据中心基础设施的颠覆性方法。由于缺乏在边缘交付 HPC 的具有成本效益和可能的方法，无论相关嵌入式传感器的精度或复杂性如何，物联网数据都将保持未开发状态。边缘数据中心基础设施必须适应不断变化的数据处理环境。为成功的物联网提供适当的存储我们都知道物联网是技术的未来，未来几年一切都将实现互联和自动化。从健康可穿戴设备到医院的设备位置跟踪，从智能房屋到智能城镇，物联网已经提供了许多让我们的日常生活更加舒适的东西。尽管如此，在物联网中还有很多东西有待发现。这意味着存储系统需要改进，因为任何物联网衍生数据的价值都很短，如果连接的存储管理基础设施无法跟上不断变化的数据，就会变得毫无价值。如果不采取适当的措施，物联网投资将成为昂贵的累赘。

作者：Ritesh Sutaria