在设计新的物联网系统时, 需要进行许多权衡, 以确定在系统的不同组件 (设备, 边缘和云) 之间分配机器学习算法的最佳方法. 电池寿命, 物理尺寸, 成本, 实时连接需求, 隐私问题以及调试 / 故障排除需求只是系统架构师在设计系统时需要考虑的一些问题.
典型的物联网架构
典型的物联网系统架构包括部署在物理空间中并且通常包括一个或多个传感器的设备(或节点); 在通信协议之间桥接并且位于相对靠近设备的集线器(或网关或边缘); 存储和处理数据的集中式云环境, 以及用户可以与之交互, 探索数据和获取通知的前端设备. 显然, 有些设备直接与云环境通信, 设备充当前端设备的场景, 但从逻辑上讲, 这种架构描述了设置中的常见角色.
典型的物联网系统架构
机器学习和信号处理算法
传感器会生成大量数据. 以 16Khz 采样的高质量麦克风将产生 256Kbps, 如果以 30 帧 / 秒采样, 则 640x480 灰度相机可产生大约 100Mbps. 要实时计算设备的位置和方向, 我们需要每秒对加速度计进行 100 次采样.
典型的物联网系统可能包括数百甚至数千个设备, 每个设备都有多个传感器, 因此物联网和大数据是两个经常被一起提及的流行语并不奇怪.
为了从这个庞大的数据流中获得对用户的相关见解, 我们通常需要使用机器学习和信号处理算法来处理数据. 大多数时候, 这些算法需要大量的计算资源, 例如 CPU,GPU 和内存, 它们既耗电又昂贵. 可以将计算资源放置在系统的每个组件上: 设备, 集线器和云, 然后可以处理通过或存储在那里的数据. 因此, 系统架构师决定如何在这些组件之间拆分 / 分配处理, 以及如何根据权衡标准优化 "成本" 功能.
来源: https://juejin.im/post/5c3edd4fe51d454518502f88