今天小编要和大家分享的是物联网相关信息，接下来我将从通过自动云分析更有效地利用环境传感器数据，这几个方面来介绍。
物联网相关技术文章通过自动云分析更有效地利用环境传感器数据
作者：贸泽电子 Mark Patrick
物联网（IoT）现已开始部属实施，预计未来几年将有数百亿个节点投入运行。伴随这些节点的快速推出和广泛应用，其主要用途之一是监测多种重要环境参数，如温度、空气湿度、一氧化碳含量等。通过分析采集的数据，可以做出适当的决策，并确定要采取的行动。我们以一个化工厂为考虑对象，如果烟囱中某种气体含量排出超过设定阈值，则可能需要降低当时的工艺活动水平。或者，如果这可能是一个长期趋势的迹象，则需要加以解决，可能所使用的加工设备需要维护，或者已达到寿命周期的终点，应该完全更换。
重要的是需要找到一种有效方法，对集成到 IoT 节点网络中的传感器设备持续采集的大量数据进行深入分析，然后启动适当的回应，但这些并非易事。在面对只有来自少数节点的数据时，可能不会带来多大挑战，但如果需要考虑工业控制或环境监测系统中的巨大数量传感器，情况则完全不同，这同样适用于各种可能的环境监测，如智能家居/建筑、工厂自动化、农业、智能城市等。
为了最大限度地提高效率和保持尽可能短的响应时间，有必要实施一种自动化的决策过程，这将要求采用更高级的算法。如果考虑到可能涉及IoT节点的绝对巨大数量，仅仅在数据库上设立和存储一组规则，然后交叉引用这些规则来处理收到的数据基本无效，这样的配置可能很快就会顾此失彼。因此，需要采取一种更高级但又精简的办法。
一些人断定Rete算法是解决该问题的关键。Rete算法最早是在20世纪70年代末开发，已经广泛用于大量商业案例，这种算法的核心目标是提供一种模式匹配机制（pattern matching mechanism），由此可以快速将大量模式数据（例如IoT网络现在开始生成的数据）与包含许多不同对象的数据库进行比较。这样可以避免数据迭代，在整个过程中，特定模式的状态将保存在存储器。这样做的结果是，没有必要重复回到以前采用的规则，从而加快了整个过程，使其比其它竞争方法更加高效。
UrsaLeo公司基于云的分析软件能够通过与Silicon Labs 的Thunderboard 2传感器模块和树莓派 3B+（Raspberry Pi 3B+）（预装有 Yocto Linux）一起运行来实施上述策略，它采用树型规则架构进行模式匹配，而不是多次引用查找表，从而对采集的数据进行处理。这样可确保做出更明智的决策，而不会给系统增加不必要的延迟。自定义显示面板可以显示已编译数据集，也可以访问和设置触发以提醒操作人员，并可以在发生某些事件时进行人工干预。
