當今的IoT用例越來越依賴于對大量設備生成的數(shù)據(jù)進行分析或實時更新機器學習算法。如果沒有實時獲取、處理和采取行動，以監(jiān)控患者、自動駕駛汽車或預測性維護應用的數(shù)據(jù)，則患者會遭受傷害，車輛墜毀或系統(tǒng)出現(xiàn)故障。

那么，企業(yè)如何才能經(jīng)濟高效地構建一個可靠的平臺來大規(guī)模接收和響應大量數(shù)據(jù)?企業(yè)可以使用基于開放源代碼軟件堆棧構建的流平臺和數(shù)據(jù)存儲系統(tǒng)來做到這一點。

事實證明，當今許多開源解決方案在數(shù)千個生產(chǎn)部署中都是可靠的。許多產(chǎn)品都可從商業(yè)企業(yè)獲得企業(yè)級支持和咨詢服務，這也可能會提供企業(yè)級版本的解決方案。這些受支持的解決方案使企業(yè)可以通過實施IoT解決方案來實現(xiàn)其數(shù)字化轉型目標，而無需支付大量的前期費用，同時還為其公司提供可靠的、面向未來的基礎設施。

以下是開放源代碼解決方案的樣本，這些解決方案是當今許多最成功的數(shù)字化轉型企業(yè)的基礎。

1. 流數(shù)據(jù)

諸如Apache Kafka或Apache Flink之類的開源流解決方案用于構建實時數(shù)據(jù)管道，以在IoT部署中的系統(tǒng)和應用之間移動數(shù)據(jù)。例如，在患者監(jiān)控用例中，流傳輸解決方案會將由連接到患者的IoT傳感器收集的數(shù)據(jù)傳遞到平臺，在平臺上可以對數(shù)據(jù)進行匯總、分析和存儲。

Box、LinkedIn、Netflix、Oracle和Twitter使用Kafka。Flink在阿里巴巴、AWS、Capital One、eBay和Lyft的運營中使用。但是，要使流傳輸解決方案大規(guī)模支持實時業(yè)務流程，必須將其與其他技術集成，包括分布式內(nèi)存計算平臺、容器管理解決方案以及分析和機器學習功能。

2. 內(nèi)存計算

Apache Ignite是部署在商品服務器群集上的分布式內(nèi)存計算平臺。它可用作插入現(xiàn)有應用程序和基于磁盤的數(shù)據(jù)庫之間的內(nèi)存數(shù)據(jù)網(wǎng)格，也可用作新應用程序的獨立內(nèi)存數(shù)據(jù)庫。Ignite池化了群集的可用CPU和RAM，并將數(shù)據(jù)和計算分配到各個節(jié)點。它可以部署在本地、公共或私有云中或混合環(huán)境中。Ignite支持ANSI-99 SQL和ACID事務。

Ignite可以實時攝取大量數(shù)據(jù)。在所有數(shù)據(jù)都保留在內(nèi)存中的情況下，Ignite使用MapReduce在整個分布式群集上執(zhí)行大規(guī)模并行處理(MPP)。利用內(nèi)存數(shù)據(jù)緩存和MPP，與使用基于磁盤的數(shù)據(jù)庫的應用相比，Ignite在規(guī)模上可將應用性能提高多達1000倍。Ignite用戶還可以利用本機Kafka集成來輕松地將流數(shù)據(jù)從IoT設備提取到內(nèi)存計算集群中。

正如我在上一篇文章中討論的那樣，Ignite可用于構建數(shù)字集成中心(DIH)，以聚合和處理來自多個本地數(shù)據(jù)存儲，基于云的數(shù)據(jù)源和流數(shù)據(jù)源的數(shù)據(jù)。作為DIH，Ignite提供了一個高性能的數(shù)據(jù)訪問層，使聚合的數(shù)據(jù)實時可用于多個業(yè)務應用。Apache Ignite已用于美國航空、IBM、ING和24 Hour Fitness的生產(chǎn)中。

3. 集群管理

Kubernetes可以自動執(zhí)行已在Docker或其他容器解決方案中容器化的應用的部署和管理。容器解決方案創(chuàng)建一個包含應用和虛擬化操作系統(tǒng)的軟件包，以使該應用可以在同一硬件上或跨虛擬化硬件(例如在云服務上)運行多個完全獨立的應用版本。Kubernetes使管理Docker容器變得更容易，并確?？绶掌魅杭囊恢滦?，該服務器群集可以部署在任何位置，例如本地、公共或私有云或混合環(huán)境。

API使Kubernetes能夠管理Apache Ignite和流媒體平臺資源，并自動擴展基于IoT內(nèi)存計算的群集。更高的管理簡便性可以大大降低復雜性和錯誤并減少開發(fā)時間。Kubernetes用于Booking.com、Capital One、Box、IBM和Sling的運營中。

4. 分析和機器學習

流平臺難題的最后一部分是對數(shù)據(jù)采取行動的能力。對于分析用例，Apache Spark是一個分布式計算引擎，用于處理和分析大量數(shù)據(jù)。Spark可以利用Apache Ignite內(nèi)存計算平臺來快速分析通過流傳輸管道提取的大量數(shù)據(jù)。Spark還可以將Ignite用作在線數(shù)據(jù)存儲，從而使Spark用戶可以將數(shù)據(jù)追加到其現(xiàn)有的DataFrame或RDD中并重新運行Spark作業(yè)。Spark還使在分布式計算環(huán)境中為非結構化數(shù)據(jù)編寫簡單查詢變得容易。Spark已在Amazon、Credit Karma、eBay、NTT Data和Yahoo!等運營中使用。

對于機器學習用例，Apache Ignite包括集成的、完全分布式的機器學習和深度學習庫，這些庫已針對大規(guī)模并行處理進行了優(yōu)化。這種集成使企業(yè)能夠創(chuàng)建連續(xù)學習應用，其中機器學習或深度學習算法將針對內(nèi)存中計算集群每個節(jié)點上的內(nèi)存中數(shù)據(jù)在本地運行。在本地運行算法可允許在模型上不斷更新模型，因為新數(shù)據(jù)已部署在節(jié)點上，甚至達到了PB級。