什么是物联网大数据

物联网大数据的主要数据源包括移动设备、廉价且数量众多的物联网信息感知设备、航空（遥感）设备、软件日志、摄像头、麦克风、RFID读写器和无线传感器网络等。这些物联网技术收集到的数据构成了高级模拟模型和数字孪生应用的基础，也是数字线程概念的重要组成部分。

智能设备是物联网大数据的重要组成部分。这些设备能够从环境、用户输入或使用模式中收集数据，并通过互联网将这些数据传输到物联网应用程序。智能设备与物联网应用程序之间的通信是双向的，物联网应用程序可以将分析结果反馈给智能设备。

物联网应用程序是一组集成了来自各种物联网设备的数据的服务和软件。它利用机器学习或人工智能（AI）技术分析这些数据，做出明智的决策，并将决策传达回物联网设备。

为了支持物联网系统中的高级分析和大数据处理，必须具备以下能力：存储系统具有容量、容错、可用性和自动备份功能，以处理物联网设备产生的大量数据；分布式计算能力，使多个服务器节点能够同时处理数据；数据可视化工具，用于创建和呈现从数据中获得的见解报告。

边缘计算将数据存储和处理能力部署到更靠近数据源的位置，有助于提高数据处理效率。物联网设备产生的海量数据需要边缘计算节点进行预处理，减轻云端负载。

物联网大数据需要利用机器学习、人工智能等大数据分析技术，从原始数据中挖掘有价值的见解。这些先进的分析技术需要强大的计算能力作为支撑。

为应对物联网设备的激增，物联网大数据需要IPv6等可扩展网络协议和轻量级数据传输协议，确保网络的高效互连。

物联网大数据系统需要具备容错、高可用、自动备份等能力的大数据存储系统，并与分析工具无缝集成。同时还需解决数据孤岛等存储挑战。

无线传感器网络可以在传感器节点之间共享数据，实现分布式数据分析，提高物联网大数据处理效率，降低能耗。

为了处理物联网设备产生的大量半结构化和非结构化数据，需要采用分布式并行架构，将数据分散存储在多个服务器上，提高处理速度。

数据湖方法能够快速对数据进行分类，减少数据处理的开销时间。通过将物联网数据存储在数据湖中，可以更高效地进行数据管理和分析。

对物联网大数据进行分析和洞见发现，需要应用机器学习、自然语言处理等技术。这些技术能够从海量物联网数据中提取有价值的信息。

物联网大数据还可以使用多维数据结构进行表示和处理，以支持更高效的数据分析和可视化。

物联网设备通过传感器采集实时数据，需要可扩展、高容错、高可用的存储系统来整合来自不同来源的数据。存储后的数据可以利用分布式计算能力进行高容量处理和分析。

由于物联网设备产生的海量数据，确保数据存储的安全性至关重要。一种潜在的解决方案是采用自主监控设备发现和访问控制的网络安全平台，以跟上不断增长的物联网网络。

物联网设备由于持续连接和隐藏的软件漏洞，引入了额外的安全风险。因此，需要在网络基础设施上引入安全策略来评估和减轻不同物联网设备的潜在风险。

许多物联网系统采用基于云的架构，云安全也是一个关键问题。云供应商和组织之间需要共同承担责任，在可扩展的环境中加强客户信任、确保容错运营并遵守数据隐私法规。

为了确保数据在传输和静态时的安全性，需要加密和隔离备份，这有助于提高运营弹性，防范潜在的数据泄露。

物联网大数据可用于监控和控制可持续城乡基础设施的运营。物联网基础设施能够监测任何可能危及安全和增加风险的结构状况变化或事件。物联网还可以用于控制关键基础设施，如控制桥梁以便船只通行。

在建筑行业，物联网大数据可以实现节省成本、缩短工期、提高工作质量、实现无纸化工作流程和提高生产率。它有助于实时数据分析，从而加快决策并节省资金。

在海事行业，物联网可用于发出船舶漏水、火灾和电池深度放电的警报。利用全球互联网数据网络、长寿命电池和微电子技术，可以持续监控和报告发动机室、舱底水和电池状况。

社交物联网（SIoT）关注物联网设备之间的社交互动和关系，实现应用程序之间的通信和协作，无需人工干预即可为所有者提供自主服务。

物联网大数据还可应用于车辆、工业设备和农业机械的实时性能监控、故障检测和备件自动订购；金融机构的实时股市变化跟踪、风险值计算和投资组合自动再平衡；房地产、广告、食品、零售和消费者应用的基于地理位置的实时推荐等。物联网系统还可用于跟踪和维护应用程序和设备的服务水平，如监控太阳能公司的输电量。

物联网设备对数据采集的需求很高，这就导致了巨大的存储需求，同时为这些设备供电以收集和存储数据也是一个"令人生畏的挑战"。

物联网设备的实施，特别是在制造业，可能导致数据孤岛的产生，而没有考虑自主性、透明度和互操作性的原则。企业需要重新调整其数据存储方法，以从物联网设备中获得最佳收益。

安全是采用物联网技术的最大隐患，物联网的快速发展却没有适当考虑所涉及的深层次安全挑战。问题包括身份验证薄弱、默认密码以及大量连接设备。

大数据可能无法代表整体人口，从而导致错误结论。大数据还可能引入新的问题，如多重比较问题。

处理和分析工业物联网大规模非结构化数据带来了巨大挑战。当前技术可能会遗漏有价值的信息，使分析变得繁琐和昂贵。