Redis 8 发布了——而且是开源的
了解更多
分享
物联网 (IoT) 解决方案对任何数据库都提出了独特的挑战。它们从非常广泛的 IoT 设备中产生越来越多的大量和快速的数据，同时需要近乎即时的响应时间。 鉴于此，解决方案的数据处理和分析必须越来越多地在网络边缘处理，尽可能靠近传感器、执行器和其他 IoT 设备。 我们不再有能力在云环境中处理 IoT 数据，因为那里似乎有无限的计算和存储资源，因为延迟是不可接受的。 值得庆幸的是，有强大的数据库和平台正在正面应对这一挑战。 但在我们探索解决方案之前，重要的是要牢牢掌握 IoT 环境独有的数据需求。
鉴于物联网和大数据应用程序的容量、速度、种类和准确性（“四个 V”）要求，以及大多数用例的分布式特性，边缘计算已日益成为基本要求。 那么，如果我们回到边缘的分布式计算，有没有办法保持我们长期以来一直享有的数据处理能力（以及过去十年我们大规模转向云计算的根本原因）？ 我们可以鱼和熊掌兼得吗？
幸运的是，在这种情况下——随着雾计算的普及和日益增长的趋势——答案是肯定的。 解决方案是将云原则引入边缘，使雾环境和云环境协同运行以处理复杂的 IoT 用例。 当您有关键的延迟要求（例如，智能城市或联网汽车 IoT 用例）时，该数据必须由靠近 IP 摄像头和其他传感器的坚固型雾节点处理，而对延迟要求不高的数据仍然可以同步到核心或云。 这样，您的 IoT 解决方案中来自所有边缘设备和雾节点的数据可以在核心级别（例如，智能城市用例中的城市街区）聚合，并最终聚合到云或数据中心环境以进行更深入的商业智能和其他分析。
使用雾计算，我们将 IoT 设备、边缘设备、雾节点和云之间的数据通信称为“南北”通信，并将系统中边缘/雾节点之间的数据通信称为“东西”通信。 为了使其有效，您必须在边缘具有常见的云或数据中心环境功能，例如机器学习、深度学习和图像识别。 这提出了我们的下一个挑战：考虑到边缘设备和雾节点的分布式特性以及适度的存储和计算能力，我们如何处理这些需求？ 雾环境和云环境协同运行至关重要。 例如，对于机器学习，您可能需要在云中训练模型（在那里您拥有大量的计算和存储资源），并将这些训练好的模型部署到雾节点和/或边缘设备（以便它们可以靠近 IoT 设备提供服务，以实现最小的延迟）。
“智能边缘”已经到来，并将我们从这些看似无法解决的问题中拯救出来（或者，对于《星际迷航》的粉丝来说，就是小林丸号）。 边缘是当今物联网的战场，但地球上是否有一个数据库可以处理来自数千个传感器、摄像头和其他设备的超大规模和高速数据？ 是否有一个可以实时处理该数据，具有许多不同的数据库模型，并且占用空间小的数据库？
幸运的是，RedisEdge 是一个多模型数据库，可提供极快的性能，并能够在 IoT 边缘以 <1 毫秒的延迟摄取每秒数百万次写入。 它可以以很小的硬件和软件占用空间做到这一点，因此非常适合驻留在雾节点、边缘网关设备，甚至在某些情况下驻留在 IoT 设备上。 RedisEdge 具有许多本机数据结构（集合、排序集合、列表、哈希、流等），为 IoT 应用程序开发人员提供了极大的灵活性。 此外，借助已经存在的许多用于扩展它的模块，RedisEdge 可以处理 IoT 边缘所需的非常多样化的工作负载（时间序列、图形、机器学习、搜索等）。 无需部署五个不同的数据库来支持这些需求，RedisEdge 可以使用单个实例管理所有这些需求，从而极大地简化了您的架构。
既然我们已经证明有一个数据库值得承担 IoT 的智能边缘，您可能会想知道哪个平台最适合运行 RedisEdge？ 幸运的是，Microsoft 的新 Azure IoT Edge 专门为应对这一挑战而构建！ 我们很高兴能与 Microsoft Azure 合作开发 IoT 边缘解决方案，因为 Redis 和 Microsoft 都在大力关注并投资于加速边缘的智能和计算。 随着 RedisEdge 集成到 Azure IoT Edge 运行时环境中，联合客户和合作伙伴将享受到快速的通用数据存储、Azure Edge 模块之间的 消息代理、流处理、时间序列数据库和内存处理（用于机器学习模型服务、图形处理等），以确保最佳性能。
请在未来几周内继续关注，我们将分享更多关于 IoT 社区将如何从我们的联合 IoT 边缘解决方案中受益的详细信息。
