來源：ST社區(qū)

由于物聯(lián)網(wǎng)將新的架構(gòu)層和拓撲結(jié)構(gòu)推進到組織中，數(shù)字領域的發(fā)展已經(jīng)進入了高速發(fā)展階段。

物聯(lián)網(wǎng)架構(gòu)層和拓撲處于不斷變化的狀態(tài)，而技術(shù)的進步和發(fā)展將對物聯(lián)網(wǎng)的擴展與增長產(chǎn)生巨大影響。

未來的物聯(lián)網(wǎng)將會像電話、電視、汽車、電腦、視頻游戲、手機一樣迅速發(fā)展和普及。當然根據(jù)其定義，電腦、視頻游戲設備以及手機如今已成為物聯(lián)網(wǎng)的一部分。物聯(lián)網(wǎng)甚至納入了一些常用設備，如手表、恒溫器、攝像頭、門鎖、建筑物內(nèi)的插座和開關。

研究報告表明，到明年年底，物聯(lián)網(wǎng)的設備數(shù)量將接近400億臺。這些物聯(lián)網(wǎng)設備大部分都綁定到云端。物聯(lián)網(wǎng)設備的數(shù)量每年增長數(shù)十億臺，但現(xiàn)有的云平臺或額外服務器的數(shù)量僅以不到1%的速度增長。這是一個嚴重的數(shù)字流量問題。

物聯(lián)網(wǎng)擴散不僅創(chuàng)造了前所未有的數(shù)字流量和所有相關問題;它創(chuàng)造了全新的安全問題類別，因為將攻擊面提高了一個數(shù)量級。這種增長增加了在數(shù)據(jù)到達云端之前清理和驗證數(shù)據(jù)的需求。物聯(lián)網(wǎng)的擴展為需要機器學習和企業(yè)防火墻之外的人工智能的新應用類別提供了機會，而物聯(lián)網(wǎng)需要新的數(shù)據(jù)使用和存儲標準。簡而言之，組織對更好的物聯(lián)網(wǎng)架構(gòu)層和拓撲的需求從未如此強烈。

邊緣計算可滿足物聯(lián)網(wǎng)架構(gòu)層的需求

現(xiàn)有的物聯(lián)網(wǎng)架構(gòu)基于一種經(jīng)過驗證的模型，該模型具有高度可擴展性，并且可以適應各種拓撲結(jié)構(gòu)。即使是這個由三個物聯(lián)網(wǎng)架構(gòu)層組成的穩(wěn)固的模型，目前正在發(fā)生重大變化。三個架構(gòu)層如下所示：

(1)設備層。這是客戶端，所有設備(包括傳感器、交換機、執(zhí)行器和攝像頭)都可以實時收集或響應數(shù)據(jù)。

(2)網(wǎng)關層。該層收集來自物聯(lián)網(wǎng)設備的數(shù)據(jù)，并跳轉(zhuǎn)到互聯(lián)網(wǎng)或終止于數(shù)據(jù)采集系統(tǒng)。物聯(lián)網(wǎng)數(shù)據(jù)的模數(shù)轉(zhuǎn)換經(jīng)常發(fā)生在這一層。

(3)平臺層。該路徑連接客戶端和運營商，通常終止于云端或數(shù)據(jù)中心。

這三個架構(gòu)層沒有包括物聯(lián)網(wǎng)所需的多種資源。組織需要更好的工具來進行本地數(shù)據(jù)分析和路由。物聯(lián)網(wǎng)按數(shù)量級生成的數(shù)據(jù)遠遠多于傳統(tǒng)網(wǎng)絡;在將不必要的數(shù)據(jù)轉(zhuǎn)儲到云端或數(shù)據(jù)中心存儲之前，應謹慎篩選。如果數(shù)據(jù)位于多個位置，而不是將數(shù)據(jù)發(fā)送到一個目的地然后再將其移動到另一個目的地，還需要弄清楚數(shù)據(jù)在何處創(chuàng)建。

許多物聯(lián)網(wǎng)需要增強的處理來實時響應物聯(lián)網(wǎng)應用程序。沒有更多的時間讓數(shù)據(jù)往返于云端，例如支持無人駕駛車輛和面部識別。本地處理資源使這項技術(shù)切實可行。

物聯(lián)網(wǎng)網(wǎng)絡越來越智能化，并對現(xiàn)實世界中的活動作出響應。在這里，也不總是有時間進行云端通信。在架構(gòu)中嵌入機器學習和人工智能資源更有效，尤其是當用于機器學習的數(shù)據(jù)在云中沒有單獨的用途時。

為了滿足這些需求，目前正在出現(xiàn)一個新的物聯(lián)網(wǎng)架構(gòu)層：邊緣層。在網(wǎng)關和平臺層之間，邊緣是物聯(lián)網(wǎng)架構(gòu)的一項新創(chuàng)新，可提供上述所有資源。

邊緣計算通常將服務器放置在其所支持的物聯(lián)網(wǎng)設備的附近，通常在企業(yè)防火墻之外，當然也沒有部署在承載云計算的物理服務器場合。這種分布式計算模式并不新穎，但代表了物聯(lián)網(wǎng)問題的創(chuàng)新解決方案。邊緣節(jié)點可以提供即時的數(shù)據(jù)清理和路由，以及在延遲小得多的復雜應用程序中的實時周轉(zhuǎn)，使機器學習成為可能。其節(jié)點還可以作為抵御物聯(lián)網(wǎng)擴展攻擊面的屏障，提高網(wǎng)關層的安全性。

如何選擇正確的物聯(lián)網(wǎng)拓撲

在這種基本架構(gòu)模型中，組織可以使用許多拓撲來分配和互連物聯(lián)網(wǎng)元素。在這里做出正確的選擇非常重要，因為這些物聯(lián)網(wǎng)拓撲結(jié)構(gòu)專門設計用于適應具有特定用途的網(wǎng)絡。所有這些都以不同的方式與網(wǎng)關層進行交互，糟糕的設計可能會限制網(wǎng)絡性能，危及安全性，甚至使某些應用程序無法使用。最通用的拓撲結(jié)構(gòu)是點對點、星形、網(wǎng)狀。

點對點網(wǎng)絡在節(jié)點之間有一對一的連接，通信只發(fā)生在兩點之間。這是最簡單和最便宜的配置。其缺點是點對點配置不可擴展，沒有冗余。通常這只是一個簡單的連接，例如手機的耳機或單點訪問互聯(lián)網(wǎng)的單個設備。

在星型網(wǎng)絡中，許多節(jié)點連接到中央集線器。集線器的基數(shù)是一對多的。但是沒有節(jié)點相互連接;它們只連接到集線器。這種配置往往具有低延遲和一致性。網(wǎng)絡工具可以很容易地檢測和隔離故障。其缺點是，盡管可靠性通常很高，但如果發(fā)生干擾，則不會重新路由。此外，集線器代表整個網(wǎng)絡的單一故障點。例如，家庭Wi-Fi有許多設備通過路由器連接到互聯(lián)網(wǎng)。

網(wǎng)狀網(wǎng)絡包括多個設備，具有網(wǎng)關和路由器節(jié)點。網(wǎng)狀網(wǎng)絡具有高可擴展性和冗余性，以及出色的容錯能力。網(wǎng)狀配置的缺點是相當大的復雜性和高維護要求，多個數(shù)據(jù)包必須增加延遲。網(wǎng)狀網(wǎng)絡包括工業(yè)自動化、大規(guī)?；馂谋O(jiān)測和安全以及能源管理系統(tǒng)。

要確定哪種物聯(lián)網(wǎng)拓撲最佳，需要考慮可支持的復雜性，并優(yōu)先考慮延遲、容錯、可靠性以及網(wǎng)絡是否需要擴展。

物聯(lián)網(wǎng)架構(gòu)層和拓撲結(jié)構(gòu)

一旦組織決定了物聯(lián)網(wǎng)網(wǎng)絡的架構(gòu)和拓撲結(jié)構(gòu)，就會出現(xiàn)其他問題。管理網(wǎng)絡的最佳實踐是什么?物聯(lián)網(wǎng)如何影響與之交互的系統(tǒng)的安全性?誰擁有什么?

物聯(lián)網(wǎng)網(wǎng)絡管理標準和最佳實踐已經(jīng)建立，但就像物聯(lián)網(wǎng)架構(gòu)本身一樣，它們也在不斷發(fā)展。全能的孤立的平臺已經(jīng)過時，物聯(lián)網(wǎng)的有機特性預示著更加多樣化的數(shù)字化格局。它要求比以往任何時候都需要更多的規(guī)劃、努力和創(chuàng)新。

審核編輯黃昊宇