來源：大數(shù)據(jù)DT（ID：hzdashuju）根據(jù)美國國家標準與技術研究院（National Institute of Standards and Technology，NIST）的定義，云計算是指能夠針對共享的可配置計算資源，按需提供方便的、泛在的網(wǎng)絡接入的模型。上述計算資源包括網(wǎng)絡、服務器、存儲、應用和服務等，這些資源能夠快速地提供和回收，而所涉及的管理開銷要盡可能小。具體來說，云模型包含五個基本特征、三個服務模型和四個部署模型。- 按需自助服務（on-demand self-service）
- 廣闊的互聯(lián)網(wǎng)訪問（broad network access）
- 軟件即服務（Software as a Service，SaaS）
- 平臺即服務（Platform as a Service，PaaS）
- 基礎設施即服務（Infrastructure as a Service，IaaS）
一般來說，云計算可以被看作通過計算機通信網(wǎng)絡（例如互聯(lián)網(wǎng)）來提供計算服務的分布式系統(tǒng)，其主要目標是利用分布式資源來解決大規(guī)模的計算問題。云中的資源對用戶是透明的，用戶無須知曉資源所在的具體位置。這些資源能夠同時被大量用戶共享，用戶能夠在任何時間、任何地點訪問應用程序和相關的數(shù)據(jù)。云計算的體系結構如圖1-3所示，還對三個服務模型進行了闡述。
這項服務是云計算提供的最簡單的內(nèi)容，其涉及大規(guī)模的計算資源的交付，這些計算資源包括存儲空間、運算能力和網(wǎng)絡帶寬等。基礎設施即服務的主要優(yōu)勢是按次付費、安全性以及可靠性，因此也被稱為硬件即服務（Hardware as a Service，HaaS）。這項服務的典型案例有亞馬遜云（Amazon Elastic Compute Cloud，EC2）、谷歌計算引擎（Google Compute Engine，GCE）和阿里云（Aliyun）等。這項服務為云計算提供了應用程序的接口。對于云計算來說，基礎設施即服務在很多應用場景下能力不足。隨著網(wǎng)絡應用程序數(shù)的井噴式增長，平臺即服務的相關研究與應用逐步涌現(xiàn)。很多全球性的跨國公司都不約而同地尋求在云計算平臺方面稱霸，就像微軟在個人電腦領域所處的地位一樣。平臺即服務的典型案例有谷歌應用引擎（Google App Engine，GAE）、微軟云（Microsoft Azure）等。這項服務旨在提供終端用戶可以直接使用的服務，這里的服務可以理解為部署在互聯(lián)網(wǎng)上的軟件。這樣的服務模式在很大程度上替代了在個人電腦上運行的傳統(tǒng)應用程序。軟件即服務的典型案例有思科（Cisco）的思科網(wǎng)迅（WebEx）、軟營（Salesforce）的客戶關系管理（Customer Relationship Management，CRM）系統(tǒng)以及亞馬遜網(wǎng)絡服務（Amazon Web Service，AWS）。物聯(lián)網(wǎng)技術棧由三個核心層構成，即物/設備層、連接層和物聯(lián)網(wǎng)云層，詳情如圖1-4所示。
▲圖1-4 物聯(lián)網(wǎng)的技術棧在物/設備層，諸如傳感器、執(zhí)行器等物聯(lián)網(wǎng)特定的硬件可以被添加至已有的核心硬件中，嵌入式的軟件可以被修改或集成進已有的系統(tǒng)，以便管理和操作具體的設備。在連接層，由通信協(xié)議來實現(xiàn)單個物/設備與云之間的通信，例如消息隊列遙測傳輸（Message Queuing Telemetry Transport，MQTT）協(xié)議。在物聯(lián)網(wǎng)云層，設備通信協(xié)議和管理軟件用來協(xié)調(diào)、提供和管理互相連接的物/設備，由應用平臺來實現(xiàn)物聯(lián)網(wǎng)應用程序的開發(fā)和執(zhí)行。此外，物聯(lián)網(wǎng)云層還引入了分析與數(shù)據(jù)管理軟件來存儲、處理和分析由物/設備產(chǎn)生的數(shù)據(jù)。針對跨物/設備、人員和系統(tǒng)的過程監(jiān)測，引入了過程管理軟件來進行定義和執(zhí)行。對于給定的目的，由物聯(lián)網(wǎng)應用程序軟件來協(xié)調(diào)物/設備、人員和系統(tǒng)之間的交互。在上述三層的全域范圍內(nèi)，還存在特定的軟件構件來對物聯(lián)網(wǎng)體系整體的身份和安全進行管理，以及提供與商業(yè)系統(tǒng)和外部信息源的集成，常見的商業(yè)系統(tǒng)和外部信息源類型有企業(yè)資源計劃（Enterprise Resource Planning，ERP）系統(tǒng)和客戶關系管理（CRM）系統(tǒng)，外部信息源通常是指來自第三方的信息。在談論物聯(lián)網(wǎng)技術時，“物聯(lián)網(wǎng)平臺”（IoT platform）是一個提及頻次很高的概念。在計算領域，術語“平臺”是一個相對廣泛的概念，有些文獻將平臺定義為一組有機結合起來的技術，基于這些技術，能夠開發(fā)其他的應用程序。物聯(lián)網(wǎng)平臺本質(zhì)上是軟件產(chǎn)品，其提供大量與應用程序無關的功能，利用這些功能可以構建物聯(lián)網(wǎng)應用程序。對于各種不同的物聯(lián)網(wǎng)平臺，其提供者所側重的物聯(lián)網(wǎng)技術不同，因此所提供的功能集合也是不同的。換言之，物聯(lián)網(wǎng)平臺的配置沒有統(tǒng)一的標準，但是存在眾多針對不同領域特定需求的物聯(lián)網(wǎng)平臺，例如ThingSpeak、DeviceHive、Xively、WSO2以及海爾COSMOPlat等。將云計算與物聯(lián)網(wǎng)進行對比分析，給出了兩個技術領域的互補方面，詳情如表1-1所示。▼表1-1?云計算與物聯(lián)網(wǎng)的互補方面
一般來說，物聯(lián)網(wǎng)能夠在云計算的虛擬形式的無限計算能力和資源上補償自身的技術性限制（例如存儲、計算能力和通信能力）。云計算能夠為物聯(lián)網(wǎng)中服務的管理和組合提供高效的解決方案，同時能夠實現(xiàn)利用物聯(lián)網(wǎng)中產(chǎn)生的數(shù)據(jù)的應用程序和服務。對于物聯(lián)網(wǎng)來說，云計算能夠以更加分布式的、動態(tài)的方式來擴展其能處理的真實世界中物/設備的范圍，進而交付大量實際生活中的場景所需要的服務。在多數(shù)情況下，云計算能夠提供物與應用程序之間的中間層，同時將實現(xiàn)應用程序所必需的復雜性和功能都隱藏起來，這將影響未來的應用程序開發(fā)。在未來的多云環(huán)境下，應用程序的開發(fā)面臨著來自信息的收集、處理和傳輸?shù)确矫娴男绿魬?zhàn)。物聯(lián)網(wǎng)在工業(yè)領域的應用涵蓋了眾多方面，例如自動化、優(yōu)化、可預測制造、運輸?shù)取?/span>制造（manufacturing）是物聯(lián)網(wǎng)在工業(yè)領域最大的市場，涉及軟件、硬件、連通性和服務等。隨著物聯(lián)網(wǎng)的引入，由原料、工件、機器、工具、庫存和物流等組成的工業(yè)系統(tǒng)構成了實施制造過程的生產(chǎn)單元，上述這些構件之間可以互相通信。物聯(lián)網(wǎng)提供的連通性驅動了各項操作技術（Operational Technology，OT）的實際性能的收斂性，這里的操作技術包括機械手、傳送帶、儀表、發(fā)電機等。在整個制造過程中，傳感器、分布式控制以及安全軟件發(fā)揮著“膠水”的作用。當前，工業(yè)領域有遠見的企業(yè)都將生產(chǎn)線和生產(chǎn)過程構建在了物聯(lián)網(wǎng)之上。運輸（transportation）是物聯(lián)網(wǎng)在工業(yè)領域的第二大市場。當前，在眾多城市中涌現(xiàn)的智能運輸網(wǎng)絡能夠優(yōu)化傳統(tǒng)運輸網(wǎng)絡中的路徑，生成高效、安全的路線，降低基礎設施的開銷并緩解交通擁塞。航空、鐵路、城際等貨運公司能夠集成海量的數(shù)據(jù)來對需求進行實時分析，實現(xiàn)統(tǒng)籌規(guī)劃和優(yōu)化操作。隨著物聯(lián)網(wǎng)和云計算技術的發(fā)展，海量的數(shù)據(jù)以前所未有的速度從異構數(shù)據(jù)源產(chǎn)生，這些數(shù)據(jù)源所在的領域有醫(yī)療健康、政府機構、社交網(wǎng)絡、環(huán)境監(jiān)測和金融市場等。在這些景象的背后，存在大量強大的系統(tǒng)和分布式應用程序來支持與數(shù)據(jù)相關的操作，例如智能電網(wǎng)（smart grid）系統(tǒng)、醫(yī)療健康（healthcare）系統(tǒng)、零售業(yè)（retailing）系統(tǒng)、政府（government）系統(tǒng)等。在大數(shù)據(jù)的變革發(fā)生之前，絕大多數(shù)機構和公司都沒有能力長期保存歸檔數(shù)據(jù)，也無法高效地管理和利用大規(guī)模的數(shù)據(jù)集。實際上，現(xiàn)有的傳統(tǒng)技術能夠應對的存儲和管理規(guī)模都是有限的。在大數(shù)據(jù)環(huán)境下，傳統(tǒng)技術缺乏可擴展性和靈活性，其性能也無法令人滿意。當前，針對海量的數(shù)據(jù)集，需要設計涵蓋清洗、處理、分析、加載等操作的可行性方案。業(yè)界的公司越來越意識到針對大數(shù)據(jù)的處理與分析是使企業(yè)具有競爭力的重要因素。
當前大數(shù)據(jù)在各個領域的廣泛普及使得學界與業(yè)界對大數(shù)據(jù)的定義很難達成一致。不過有一點共識是，大數(shù)據(jù)不僅是指大量的數(shù)據(jù)。通過對現(xiàn)有大數(shù)據(jù)的定義進行梳理，我們總結出三種對大數(shù)據(jù)進行描述和理解的定義。1）屬性型定義（attributive definition）作為大數(shù)據(jù)研究與應用的先驅，國際數(shù)據(jù)公司（International Data Corporation，IDC）在戴爾易安信（DELL EMC）公司的資助下于2011年提出了如下大數(shù)據(jù)的定義：大數(shù)據(jù)技術描述了技術與體系結構，其設計初衷是通過實施高速的捕獲、發(fā)現(xiàn)以及分析，來經(jīng)濟性地提取大量具有廣泛類型的數(shù)據(jù)的價值。
該定義側面描述了大數(shù)據(jù)的四個顯著特征：數(shù)量、速度、多樣化和價值。由Gartner公司分析師Doug Laney總結的研究報告中給出了與上述定義類似的描述，該研究指出數(shù)據(jù)的增長所帶來的挑戰(zhàn)與機遇是三個維度的，即顯著增長的數(shù)量（Volume）、速度（Velocity）和多樣化（Variety）。盡管Doug Laney關于數(shù)據(jù)在三個維度的描述最初并不是要給大數(shù)據(jù)下定義，但包括IBM、微軟在內(nèi)的業(yè)界在其后的十年間都沿用上述“3V”模型來對大數(shù)據(jù)進行描述。2）比較型定義（comparative definition）Mckinsey公司2011年給出的研究報告將大數(shù)據(jù)定義為：規(guī)模超出了典型數(shù)據(jù)庫軟件工具的捕獲、存儲、管理和分析能力的數(shù)據(jù)集。
盡管該報告沒有在具體的度量標準方面對大數(shù)據(jù)給出定義，但其引入了一個革命性的方面，即怎樣的數(shù)據(jù)集才能夠被稱為大數(shù)據(jù)。3）架構型定義（architectural definition）美國國家標準與技術研究院（NIST）對大數(shù)據(jù)的描述為：大數(shù)據(jù)是指數(shù)據(jù)的數(shù)量、獲取的速度以及數(shù)據(jù)的表示限制了使用傳統(tǒng)關系數(shù)據(jù)庫方法進行有效分析的能力，需要使用具有良好可擴展性的新型方法來對數(shù)據(jù)進行高效的處理。
以下是一些文獻中關于大數(shù)據(jù)特征的描述：數(shù)據(jù)的規(guī)模成為問題的一部分，并且傳統(tǒng)的技術已經(jīng)沒有能力處理這樣的數(shù)據(jù)。
數(shù)據(jù)的規(guī)模迫使學界和業(yè)界不得不拋棄曾經(jīng)流行的方法而去尋找新的方法。
大數(shù)據(jù)是一個囊括了在合理時間內(nèi)對潛在的超大數(shù)據(jù)集實現(xiàn)捕獲、處理、分析和可視化的范疇，并且傳統(tǒng)的信息技術無法勝任上述要求。
大數(shù)據(jù)的核心必須包含三個關鍵的方面：數(shù)量多、速度快和多樣化，即著名的“3V”。
數(shù)據(jù)的數(shù)量又稱為數(shù)據(jù)的規(guī)模，在大數(shù)據(jù)中，其是指在進行數(shù)據(jù)處理時所面對的超大規(guī)模的數(shù)據(jù)量。目前，海量的數(shù)據(jù)持續(xù)不斷地從千百萬設備和應用中產(chǎn)生（例如信息通信技術、智能手機、軟件代碼、社交網(wǎng)絡、傳感器以及各類日志）。- McAfee公司在2012年估算：在2012年的每一天中，全球都產(chǎn)生著2.5EB的數(shù)據(jù)，并且該數(shù)值約每40個月實現(xiàn)翻倍。
- 2013年，國際數(shù)據(jù)公司（IDC）估算全球所產(chǎn)生、復制和消費的數(shù)據(jù)已經(jīng)達到4.4ZB，并且該數(shù)值約每兩年實現(xiàn)翻倍。
- 到2015年，全球產(chǎn)生的數(shù)據(jù)將達到8ZB。根據(jù)IDC的研究報告，全球產(chǎn)生的數(shù)據(jù)將在2020年達到40ZB。
在大數(shù)據(jù)中，數(shù)據(jù)的速度是指在進行數(shù)據(jù)處理時所面對的具有高頻率和高實時性的數(shù)據(jù)流。高速生成的數(shù)據(jù)應當及時進行處理，以便提取有用的信息和洞察潛在的價值。全球知名的折扣連鎖店沃爾瑪基于消費者的交易每小時產(chǎn)生2.5PB的數(shù)據(jù)。視頻分享類網(wǎng)站（例如優(yōu)酷、愛奇藝等）則是大數(shù)據(jù)高頻率和高實時性特征的另一個例證。在大數(shù)據(jù)中，數(shù)據(jù)的多樣化是指在進行數(shù)據(jù)處理時所面對的具有不同語法格式的數(shù)據(jù)類型。隨著物聯(lián)網(wǎng)技術與云計算技術的普及，海量的多源異構數(shù)據(jù)從不同的數(shù)據(jù)源以不同的數(shù)據(jù)格式持續(xù)地產(chǎn)生，典型的數(shù)據(jù)源有傳感器、音頻、視頻、文檔等。海量的異構數(shù)據(jù)形成各種各樣的數(shù)據(jù)集，這些數(shù)據(jù)集可能包含結構化數(shù)據(jù)、半結構化數(shù)據(jù)、非結構化數(shù)據(jù)，數(shù)據(jù)集的屬性可能是公開或隱私的、共享或機密的、完整或不完整的，等等。隨著大數(shù)據(jù)理論的發(fā)展，更多的特征逐步被納入考慮的范圍，以便對大數(shù)據(jù)做出更好的定義，例如：- 驗證（verification），這里的驗證是指經(jīng)過處理后的數(shù)據(jù)符合特定的要求；
- 證實（validation），這里的證實是指前述的想象成為現(xiàn)實；
- 復雜性（complexity），這里的復雜性是指由于數(shù)據(jù)之間關系的進化，海量數(shù)據(jù)的組織和分析均很困難；
- 不變性（immutability），這里的不變性是指如果進行妥善管理，那么經(jīng)過存儲的海量數(shù)據(jù)可以永久保留。
描述大數(shù)據(jù)的五個關鍵特征（即“5V”）：在商界，決策者通常不會完全信任從大數(shù)據(jù)中提取出的信息，而會進一步對信息進行加工和處理，然后做出更好的決策。如果決策者不信任輸入數(shù)據(jù)，那么輸出數(shù)據(jù)也不會獲得信任，這樣的數(shù)據(jù)不會參與決策過程。隨著大數(shù)據(jù)中數(shù)據(jù)規(guī)模的日新月異和數(shù)據(jù)種類的多樣化，如何更好地度量和提升數(shù)據(jù)可信度成為一個研究熱點。一般來說，海量的數(shù)據(jù)具有價值密度低的缺點。如果無法從數(shù)據(jù)中有效地提取出潛在的價值，那么這些數(shù)據(jù)在某種程度上就是沒用的。數(shù)據(jù)的價值是決策者最關注的方面，其需要仔細且認真的研究。目前，已經(jīng)有大量的人力、物力和財力投入到大數(shù)據(jù)的研究和應用中，這些投資行為都期望從海量數(shù)據(jù)中獲得有價值的內(nèi)容。但是，對于不同的機構和不同的價值提取方法，同樣的數(shù)據(jù)集所產(chǎn)生的價值差異可能很大，即投入與產(chǎn)出并不一定成正比。因此，對大數(shù)據(jù)價值的研究需要建立更加完善的體系。關于作者：高聰，男，1985年11月生，西安電子科技大學計算機科學與技術專業(yè)學士，計算機系統(tǒng)結構專業(yè)碩士、博士。自2015年12月至今，在西安郵電大學計算機學院任教，主要研究方向：數(shù)據(jù)感知與融合、邊緣計算和無線傳感器網(wǎng)絡。
本文摘編自《工業(yè)大數(shù)據(jù)融合體系結構與關鍵技術》，經(jīng)出版方授權發(fā)布。
