物聯(lián)網不再僅僅是一項尖端技術，它在改變社會和技術方面顯示出了潛力。它現在還具有重大的經濟影響：到2025年，全球物聯(lián)網市場將超過1.5萬億美元。

思科的一項調查顯示，盡管設備正在大規(guī)模聯(lián)網，但75%的物聯(lián)網項目都失敗了。這種失敗是由于太多的設備、數據和云碎片。然而，每一家有物聯(lián)網想法的公司都想控制數據和他們的客戶，并擁有自己的平臺。因此，我們看到多個物聯(lián)網平臺進入市場，它們的解決方案缺乏構建平臺的真正架構原則。

[[355374]]

以下是在構建自己的物聯(lián)網平臺之前需要考慮的九條設計原則：

1.可擴展性

到2025年，物聯(lián)網將產生79.4ZB的數據，其中大部分是非結構化的。由于設備種類繁多，即使是平臺也需要分布式。

對于如此龐大的數據，應該使用基于微服務的體系結構來組織、可伸縮和可重用。這使得輕松分發(fā)應用成為可能，其中每個服務相互獨立，并且可以在不干擾其他服務的情況下創(chuàng)建、升級和擴展。

2.安全性

到2020年底，物聯(lián)網設備將達到300億臺，但你也應該看看不安全的部署、缺乏安全更新和缺乏可見性，這些問題每39秒就會吸引黑客。

每個物聯(lián)網設備都應該有一個安全的網關終端，并且數據應該具有動態(tài)和靜態(tài)加密功能。傳輸層和通信層之間應確保適當的網絡防火墻設計和通信安全。定期進行數據和網絡安全審計以識別異常和威脅是絕對必要的。

3.高可用性

有許多關鍵的物聯(lián)網系統(tǒng)，比如醫(yī)療保健領域，它們的停機可能會導致生命損失。為了減少停機，它們需要具有容錯體系結構并在高可用性(HA)環(huán)境中運行。應在多個位置備份和分發(fā)數據，以防止在發(fā)生災難性事件時丟失數據。備份解決方案應保持數據完整性，并且應易于恢復。

此外，應該制定故障轉移策略，將最終用戶的請求重定向到備用狀態(tài)，并且應該盡可能無縫。

4.快速部署

任何物聯(lián)網解決方案都應該能夠快速部署新功能和更新。集中部署模式(如Kubernetes、DockerSarm或AWSElasticContainerServices)使DevOps團隊能夠快速、自動地測試和部署新服務。這使得關鍵任務物聯(lián)網解決方案能夠輕松保持最新狀態(tài)，對最終用戶零影響。

5.應用程序內的數據訪問

物聯(lián)網設備訪問的數據應該存儲在更近的位置，以減少網絡延遲和成本，并提高安全性。物聯(lián)網設備應通過安全終端連接以發(fā)送和接收數據，并且每一步都應對設備進行身份驗證和授權。為了減少爭用并優(yōu)化計算能力，訪問數據的物聯(lián)網平臺應盡可能處理異步數據。

6.數據管理

物聯(lián)網設備會產生海量數據，但并不是所有數據都需要處理。對數據的深入了解有助于過濾不必要的數據，因此您最終只能收集和處理相關數據--無需使用大數據，它可以捕獲所需的智能數據。

必須以全面的方式查看生成的數據，以確保合規(guī)性和規(guī)章制度。確保了解相關法律法規(guī)，以了解哪些安全措施是強制性的。

7.設備管理

想象一下，您成功地在全球三到四個地區(qū)部署了20,000多個傳感器節(jié)點和網關。一段時間后，您會收到一條通知，指出網關固件中存在漏洞，并且您意識到除非最終用戶手動下載補丁程序并自行更新設備，否則無法進行更新。準備好并計劃一些良好的設備管理。

8.平臺監(jiān)控

每個物聯(lián)網應用程序都應該能夠對可能導致任何類型中斷的事件采取預防性措施。他們不僅應該用自動信號報警，還應該迅速診斷錯誤，并能夠在出現故障時進行修復。

9.可擴展性

物聯(lián)網正處于其發(fā)展的激動人心的時刻，這項技術將繼續(xù)增長。所使用的組件正在縮小到盡可能小的尺寸，數量也在增加，這為技術創(chuàng)造了新的機會。

無論物聯(lián)網架構的設計是什么，它都必須是可擴展的。此功能不僅有助于支持大小，還有助于與其他技術的動態(tài)集成。

最后的一些想法

物聯(lián)網平臺太多了，因為太多的人想要建立自己的平臺。您不需要重新發(fā)明輪子，在構建自己的物聯(lián)網平臺之前，您應該考慮使用現有平臺。

現有的物聯(lián)網平臺構建在AWS、GCP、Azure等標準云提供商的基礎上。我們收到的數據隨著連接設備的數量呈指數級增長。顯然，數據的成本也相應地成倍增加。如果您使用所有正在發(fā)送的數據，而不管這些數據是否有用，那么云發(fā)送數據的成本將會飆升。降低這些成本的一種方法是只獲取您需要的數據。

最后，在收集什么數據以及在哪里收集數據時要非常小心——否則，在隱私方面可能會有很多法律和合規(guī)問題。例如，在數據泄露或違規(guī)的情況下，GDPR的罰款可能會非常高。