1999年，凯文·阿什顿(Kevin Ashton)首次提出物联 (IoT)这一概念，从那之后，物联 经历了快速的变革。近年来，联 设备的种类和数量呈指数级增长，物联 已成为一项很有潜力且能够推动现代 会生活方式变革的主流技术。
目前，在物联 的技术工程方面，硬件平台和软件平台之间存在明显分离，大部分平台都专注于硬件，只有少数提供物联 软件平台：举例来说，在Mattermark排名(基于公司获得的总资金)前100的物联 初创公司中，只有大约13家提供软件平台。
★★物联 软件平台的重要功能★★
设备管理和集成支持
设备管理是物联 软件平台的一个非常重要的特性。物联 平台需要维护系列连接的设备，并跟踪其运行状态，平台还需要能够处理配置、固件（或其他软件）更新，并提供设备错误 告和错误处理。在一天结束时，用户应能够获得有关各个设备的统计信息。
整合支持是另一个重要功能。应用程序编程接口(API)接口需要获取物联 平台的重要操作和数据，并且可以使用REST API轻松完成。
信息安全
物联 软件平台所需的信息安全系数远高于其他软件应用和设备。众多设备与物联 平台相连接就意味着要能够预测出部分危险。通常，物联 设备和物联 软件平台之间的 络连接应使用强大的加密机制进行加密，以防止窃听。
但是，现在物联 软件平台中大多数低成本、低功耗设备都不支持这种先进的访问控制措施，因此就需要物联 软件平台依靠其他方法解决这种设备级问题。例如，物流 流量分流到专用 络，在云应用程序中实现强大的信息安全性，定期更新密码，并通过身份验证更新固件，签署软件更新可以加强物联 软件平台得安全性。
数据收集协议
用于物联 软件平台的组件之间的数据通信的协议类型。一个物联 平台可能扩展到数百万或数十亿的设备（节点）。轻量级通信协议应用于实现低能耗和低 络带宽功能。
数据分析
将与物联 平台相连的传感器中所收集的数据以智能的方式进行分析，能够获得有价值的信息。
可以对物联 数据进行四种类型的分析：实时分析、批量处理分析、预测分析和交互式分析。实时分析是对流数据的在线（实时）分析。示例性操作包括基于窗口的聚合、过滤、变换等。
因为批量分析是累积数据集的操作，所以它按预定的时间周期（可能持续数小时或数天）运行。预测分析是基于各种统计技术和机器学习算法进行预测。交互式分析是在流数据和批量数据上进行多个探索性分析。最后一个是实时分析，它在所有物联 平台上运行最多。
有待提升得功能
很明显有几个地方需要提升。本节我们先列举可以用于提升的功能。其中有一些已经实施了，有一些新功能还未应用。然后列出了目前还没有任何物联 软件平台提供的一些新功能。
★★已有的功能★★
数据分析
大多数物联 软件平台都支持实时分析，但批量处理分析和交互式分析也同样重要。
此时可能有人说这两种类型的分析可以在不同的数据处理平台上进行，这只是对软件系统进行分析场景配置的一个问题。但是，实施起来难。著名的实时数据处理系统（Storm，Samza等）、批量处理系统（Hadoop，Spark等）、预测系统（Spark MLLIB等）、交互系统（Apache Drill等）不能像物联 那样直接应用。
基准
物联 软件平台必须具有可扩展性，并包括描述和评估系统性能的功能。应设计定义准确的性能指标来对物联 系统的性能进行建模和度量，需要考虑到 络特性、能源消耗特性、系统通量、计算资源消耗和其他操作特性。
边缘分析
需要采取措施来减少传感器设备和物联 服务器之间的巨大 络带宽消耗。使用轻量级通信协议是一种解决方案，另一种是边缘分析，它可以减少传输到物联 服务器的原始数据量。边缘分析也可以在简单的硬件嵌入式系统（如Arduino）中实现。
★★需要新增的功能★★
无序处理
任何物联 应用程序都可能出现无序事件； 络延迟、时钟漂移等可能导致IoT传感器内事件流中元组的无序。无序物联 事件处理可能导致系统故障，处理这种混乱需要在结果的准确性和结果的延迟之间进行权衡。
有四种主要解决方案：基于Buffer技术、基于Punctuation技术、基于Speculation技术和基于Approximation技术。需要结合这些技术来解决物联 中的无序问题。
对物联 的上下文支持
上下文主要包括个人的位置、所陈述的偏好或过去的行为。以手机为例，通过手机中存在的各种不同类型的传感器，可以访问丰富的上下文信息。物联 分析需要考虑这些上下文数据。
结论
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！