面向物聯網架構設計原則

移動計算優先

隨著計算芯片持續分化出面向各種計算負載特征的專用協處理器，如 GPU、DPU 等，到蘋果公司最新設計的 M1 芯片的 Unified Memory，以及大數據產業鏈的 Schema on Write 到 Schema on Read、ETL 到 ELT。其中都蘊 含了相同的架構設計思想：減少數據搬移，減少數據拷貝，優先移動計算而非移動數據。

在物聯網場景中，移動計算優先設計原則的優勢體現在：

在數據量持續快速攀升、計算負載相應指數級增長的情況下，通過移動計算可以分散計算負載，提高整體計算能力;

物聯網時代強調決策的實時性。通過移動計算提高決策的效率，可降低端到端系統時延;

端到端高可用的需求日益增長，通過分布式架構將計算移動到數據本地節點中，避免集中計算的單點故障，同時降低了數據傳輸與數據復制對整體系統的壓力，實現整體系統的高可用;

數據流可重用

數據在信息層面的復制成本極低，但數據在搬移和存儲層面的成本隨著數據量越來越大，變得愈發顯著。新一代數 據基礎設施的重要原則已經是：盡可能減少數據搬移、拷貝和重復計算。因此，在全球范圍內的新一代數據基礎設 施的設計哲學中已經開始看到：數據可重用。

結合物聯網產業發展現狀及未來趨勢，進一步發展出數據流可重用的原則：

數據流即服務

多用戶多場景共享一個數據源

物化數據流作為應用交互接口

全場景可適配

隨著協處理器與專用計算芯片的寒武紀大爆發，異構計算環境成為軟件設計中不可缺少的考慮因素之一。此外，由 于歷史原因，物聯網產業中各個企業中的操作系統、服務器硬件設備、傳輸用網絡協議、工業通信協議、存儲目標和存儲設備等均有很大差異。

基于全球上萬家企業，提出全場景可適配原則：

云邊端各式處理器各種操作系統均可部署、可協同，異構設備統一接入;

從 PLC、工業網關，到 MQTT、TCP、QUIC 等網絡協議均可適配;

持久化數據可適配各類存儲介質包括新一代的 NVMe 等。

分布式云原生

隨著全行業對低時延的要求越來越高，企業從快速上云到開始重新思考云邊協同，再到試圖用統一的模型來同時管理云和邊，已經經歷了三次對如何發揮云計算模型價值的嘗試。但業界大多只是知道分布式云的概念，對真正分布式云的開發理念的探索較少。

基于產業發展趨勢，定義了分布式云原生的軟件開發理念與設計哲學：

去中心化的分布式系統，Peer-to-Peer 的網絡拓撲;

用戶的感知應當是更快更穩定的云計算，分布式調度復雜度藏于基礎軟件中;

各類軟件的計算負載、通信負載、存儲負載均可在分布式云中自由調度。

面向物聯網架構設計特點持續穩定的海量超高并發連接

傳統 IT 系統與移動互聯網主要由系統與系統，系統與移動終端產生數據連接，萬級以上并發連接系統比較少。面向傳統 IT 和互聯網場景設計的基礎架構軟件在適應大并發連接系統的建設與維護成本非常高。

物聯網場景下數據源主要以智能設備、感知設備為主，終端數量遠遠大于傳統 IT 與互聯網場景。如智能家居、車聯 網等場景下的平臺連接數量普遍超過十萬，大型平臺可以達到百萬級甚至千萬級水平。這就要求面向物聯網場景的基礎架構軟件具備在相對成本較低的情況下適應海量設備同時接入并保持穩定連接的能力。

全鏈路端到端雙向多 QoS 支持

傳統 IT 和互聯網系統主要通過企業內網、企業專網或寬帶移動網絡連接。而物聯網時代為了適應不同設備密度與連 接成本，需要實現固網與移動網絡并存、寬帶與窄帶混合，從單一網絡到分布式跨地域混合網絡接入的演進。對于 物聯網系統則需要適配各類網絡，實現端到端數據打通能力。

由于接入網絡復雜度提高，網絡穩定性下降，需要物聯網系統在傳輸層與應用層協議中提供相關的保障。如物聯網 長連接場景中常用的 MQTT 協議提供了消息質量（QoS）的定義，包括消息最多傳遞一次、至少傳遞一次和僅傳遞一次三種級別，可以在不同業務需求與成本需求中選擇消息質量級別。

隨著業務模式的不斷豐富，物聯網業務從單向的設備數據采集，逐漸演化成設備與系統、設備與設備、設備與人的 雙向交互。從 ToC 的智能家居場景的用戶與智能設備的互動，到產業互聯網中工業生產設備的數據采集與遠程控 制、車路協同中的車輛駕駛系統與路邊感知設備的互聯互動，都需要物聯網基礎軟件有能力打通數據的雙向通道。

超低延時的有狀態流式處理與分析

從業務需求看：大量關鍵業務，如車路協同、工業生產監控等，對數據處理與系統響應的時效性要求非常高，且設

備數據往往是有狀態的。

從數據類型看：不同于傳統 IT 與互聯網系統中大部分數據以時間離散型的業務查詢與交易數據為主，物聯網數據由 主要由設備產生，以時間連續數據流為主的數據類型占比逐漸增加。這就需要物聯網系統與軟件提供更強的流數據 的處理能力。

數據流虛擬化與 Schema 級多租戶

企業級物聯網平臺系統中，大量原始流數據會被不同業務系統實時消費與分析，為不同業務目的提供數據價值。不同業務應用視角不同，對流數據的讀取分析方式也不同。目前大量企業采用數據復制的方式為不同業務視角提供數 據模型與分析模型，造成組織內數據激增。而且數據復制過程需要損耗大量時間，對于實時性要求高的物聯網場景 往往無法提供有時效性的分析結果。

在同時考慮原始數據重用性和時效性方面，基于數據流虛擬化以及 Schema 級的多租戶方案就顯得異常重要。Schema 級的多租戶為不同業務視角定義流數據模型，保證了不同業務對數據需求的分離;同時采用虛擬流的方式 避免了原始數據的復制，保證了業務的時效性的同時也降低了原始數據的復制存儲成本。