选择优秀物联网数据库的5个步骤

为了帮助选择物联网数据库，技术人员应采取循序渐进的方法，以确保物联网数据库满足其组织的需求。

[[332656]]

如何选择合适的物联网数据库

通过以下五个步骤，物联网技术人员可以减少需要相互集成的数据库以及遗留系统的数量。

1. 评估数据库将要存储和管理的数据类型

物联网数据类型与用例本身一样复杂多样，但它们可以分为几个类别，其中包括：

• 设备元数据。这可能包括设备ID、物理设备的唯一标识符、设备类别或类型、设备制造日期、硬件序列号，以及当前配置或版本。这些数据是相对静态的。
• 设备状态信息。这包括设备的各种相关状态，例如打开或关闭或正在记录。这些数据可以是动态的。
• 遥测数据。设备收集的数据(假设它是传感器或主要功能是收集数据的设备)通常以流数据的形式到达，这些数据会改变每个单元，并可能被组织成通道。
• 命令数据。这种数据控制执行器或设备采取操作，例如加速。
• 运行数据。有关设备本身操作的数据，其中包括CPU使用率、内存使用率或热量。

许多物联网入门者都将注意力集中在命令和遥测数据上，从而误导了业务流程。而这种关注是以管理数据为代价的，管理数据包括设备数据、状态数据和操作数据。然而，当应用于数字孪生、物理物联网环境的数字镜像、再现意外故障模式或进行取证时，管理数据至关重要。

2. 映射数据流

企业的物联网领导者必须确定在何处收集、汇总、分析和转换不同类型的数据以及如何将数据集成到其他系统中。例如，是否需要丰富数据，以及在什么时候需要捕获和记录数据?确保确定数据存储和复制的区域。会有规范的数据存储吗?如何规划数据归档的地点、时间和环境?

3. 映射数据库需要满足功能需求

物联网技术人员定义了数据和数据流的类型之后，下一步是将数据库需求映射到功能需求，其中包括：

• 数据提取和汇总。从设备收集并汇总数据后，通常会快速处理数据，特别是遥测和命令数据。这种类型的数据需要用于遥测的高性能读取和用于命令数据的高性能写入以及高可靠性和可用性的应用。
• 边缘分析。许多数据流架构都包括相对靠近设备本身的边缘分析。数据需求包括数据转换、过滤、充实和任何其他聚合。边缘分析数据库需要高速读写功能和极低的延迟，还需要支持分析工具和解决方案的能力。
• 核心分析。随着数据的进一步聚合(可能在基于云计算的核心中)，可能需要进行其他转换、丰富和分析。核心分析数据库平台需要高可用性，它还可能需要分发并支持流分析。
• 管理控制台需要捕获和显示设备数据，其中包括元数据、操作数据和状态数据。它应包括可视化和仪表板功能，并且需要毫秒级的延迟。
• 商业分析。来自物联网网络的数据通常需要集成到更大的数据湖中，数据科学家可以在其中运行分析和人工智能。物联网数据库需要与企业现有的业务分析或可靠的数据仓库和分析相结合。

4. 根据功能需求确定数据库性能需求

简而言之，数据库通常会在性能(读写响应时间)和寿命(数据必须保留并保持最新状态的时间)之间进行权衡。另一种方法是观察速度与规模。接收和边缘分析需要非常低的延迟和高性能，但通常不需要将大量数据保留很长时间。相比之下，业务分析数据库需要将大量数据保留数月、数年或数十年的时间，但不需要毫秒级的响应时间。这种功能上的差异导致需要多个集成的物联网数据库，而不是单个数据库类型。

5. 应用其他业务需求

性能并不是唯一的要求。其他因素包括提供商如何通过许可费用对服务定价、数据库的位置、组织使用开放源代码工具和资源的立场，以及将与物联网数据库集成的遗留环境。