2.1　相连的生态系统

几乎每家主要的技术公司都在物联网和边缘计算（图2-1）领域进行了投资或已经投入了巨资。新的市场和技术已经形成（有些已经崩溃或被收购）。在本书中，我们几乎会涉及信息技术的每个细分领域，因为它们都在物联网中发挥作用。

如图2-1所示，以下是我们将研究的物联网/边缘计算解决方案中的一些组件：

• 传感器、执行器和物理系统：嵌入式系统、实时操作系统、能量收集源、微机电系统（Micro-Electro-Mechanical System，MEMS）。
• 传感器通信系统：无线个人区域网（Wireless Personal Area Network，WPAN）的范围从0厘米到100米，是低速和低功耗的通信信道，通常是非IP的，其在传感器通信中占有一席之地。
• 局域网（Local Area Network，LAN）：通常是基于IP的通信系统，例如802.11 Wi-Fi，通常采用点对点或星形拓扑结构的快速无线通信。
• 聚合器、路由器、网关：嵌入式系统提供商，最便宜的厂商。
• 广域网（Wide Area Network，WAN）：使用LTE或Cat M1的蜂窝网络提供商、卫星网络提供商、Sigfox或LoRa等低功耗广域网（Low-Power Wide-Area Network，LPWAN）提供商。它们通常使用针对物联网和受限设备的互联网传输协议，如MQTT、CoAP甚至HTTP。
• 边缘计算：将计算从内部数据中心和云端分布到更接近数据源（传感器和系统）的地方。这是为了消除延迟问题，提高系统的响应时间和实时性，管理缺乏连接的问题，并建立系统的冗余。我们涵盖处理器、DRAM和存储。我们还研究了模块供应商、无源组件制造商、瘦客户端制造商、蜂窝和无线无线电制造商、中间件提供商、雾框架提供商、边缘分析包、边缘安全提供商、证书管理系统、WPAN到WAN转换、路由协议以及软件定义网络/软件定义边界。
• 云计算：基础设施即服务提供商，平台即服务提供商，数据库制造商，流和批处理制造商，数据分析包，软件即服务提供商，数据湖（data lake）提供商和机器学习服务。
• 数据分析：随着信息大量传播到云端，处理大量数据并提取价值是复杂事件处理、数据分析和机器学习技术的工作。我们研究不同的边缘和云分析技术，从统计分析和规则引擎到更先进的机器学习。
• 安全性：把整个架构绑在一起的是安全性。端到端的安全从边缘加固、协议安全到加密。安全性会触及每一个组件，从物理传感器到CPU和数字硬件，到无线通信系统，再到通信协议本身。每一个层面都需要确保安全、真实、完整。在这个链条上不能有一个薄弱环节，因为物联网将形成地球上最大的攻击面。

这个生态系统将需要来自工程学科的人才，例如：

• 开发新的传感器技术和耐久电池设备的物理学家
• 致力于边缘驱动传感器的嵌入式系统工程师
• 能够在个人区域网或广域网以及软件定义网络中工作的网络工程师
• 在边缘和云端研究新型机器学习方案的数据科学家
• 能成功部署可扩展的云解决方案以及雾解决方案的DevOps工程师

物联网还需要服务供应商，例如解决方案提供公司、系统集成商、增值经销商和OEM。

2.1.1　物联网、机器对机器与SCADA

在物联网世界中，一个常见的混淆领域是它与机器对机器（M2M）技术之间的区别。在物联网成为主流词汇之前，M2M曾被大肆追捧。早在M2M之前，SCADA（监督控制和数据采集）系统是工厂自动化的互连机器的主流。虽然这些指的都是互联设备，并且可能使用类似的技术，但还是有区别的。

让我们更仔细地研究下面这些：

• M2M：这是一个一般概念，涉及自治设备直接与另一个自治设备通信。自治是指节点在没有人工干预的情况下实例化并与另一节点通信信息的能力。通信形式对应用程序开放。M2M设备很可能不使用固有的服务或拓扑进行通信。这省去了通常用于云服务和存储的典型Internet设备。M2M系统也可以通过非基于IP的信道进行通信，例如串行端口或自定义协议。
• 物联网：物联网系统可能包含一些M2M节点（例如使用非IP通信的蓝牙网状网），但是它们在边缘路由器或网关处汇聚数据。网关或路由器之类的边缘设备充当Internet的入口点。另外，某些具有更强大计算能力的传感器可以将Internet网络层推入传感器本身。无论互联网接入点存在何处，只要有办法与互联网相连，它就属于物联网的定义范畴。
• SCADA：此术语指监督控制和数据采集。这些工业控制系统自20世纪60年代以来一直用于工厂、设施、基础设施和制造自动化。它们通常涉及可编程逻辑控制器（PLC），监测或控制机械上的各种传感器和执行器。SCADA系统是分布式的，只是最近才与互联网服务连接。这就是工业2.0和制造业新增长的地方。这些系统使用ModBus、BACNET和Profibus等通信协议。

通过将传感器、边缘处理器和智能设备的数据传到互联网上，可以将传统的云服务应用于最简单的设备。在云技术和移动通信成为主流且具有成本效益之前，现场简单的传感器和嵌入式计算设备没有很好的手段在全球范围内以秒为单位进行数据通信、永久存储信息，并分析数据，以寻找趋势和模式。随着云技术的发展，无线通信系统变得越来越普及，锂离子等新能源设备变得具有成本效益，机器学习模型也不断发展，以产生可操作的价值。这极大地改善了物联网价值主张。如果没有这些技术的融合，我们将仍然处在M2M世界。

2.1.2　网络的价值、梅特卡夫定律和贝克斯特伦定律

有人认为，网络的价值是基于梅特卡夫定律的。罗伯特·梅特卡夫（Robert Metcalfe）在1980年提出了一个概念，即任何网络的价值都与系统的连接用户的平方成正比。就物联网而言，“用户”可能是指传感器或具有某种通信形式的边缘设备。

一般来说，梅特卡夫定律表示为：

V∞N2

其中：

• V=网络的价值
• N=网络中的节点数

图2-2有助于理解上式，在交叉点处可以获得正的投资回报率（ROI）。

最近进行了一个示例，以验证梅特卡夫定律对区块链价值和加密货币趋势的影响。我们将在第13章中更深入地探讨区块链。

Ken Alabi最近的一份白皮书表明，区块链网络似乎也遵循梅特卡夫定律：Electronic Commerce Research and Applications, Volume 24, C（July 2017）, Page number 23-29。

梅特卡夫定律没有考虑到随着用户数量以及数据消费的增加，服务下降的情况，但网络带宽却不能不考虑。梅特卡夫定律也没有考虑到不同级别的网络服务、不可靠的基础设施（如行驶车辆中的4G LTE）或影响网络的不良行为（如拒绝服务攻击）。

为了说明这些情况，我们使用贝克斯特伦法则。

其中：

• Vi, j：代表网络j上设备i的网络的现值
• i：网络上的单个用户或设备
• j：网络本身
• k：单次业务
• Bi, j, k：网络j上设备i的业务k将带来的利益
• Ci, j, k：网络j上设备i的业务k的成本
• rk：对于业务k的时间的利率折现率
• tk：业务k所用的时间（以年为单位）
• n：个人人数
• m：交易数

贝克斯特伦定律告诉我们，要核算一个网络的价值（例如物联网解决方案），我们需要核算所有设备的所有业务，并将其价值相加。如果网络j因为任何原因宕机，用户的代价是什么？这就是物联网网络带来的影响，也是一个比较有代表性的现实世界的价值归属。方程中最难建模的变量是交易B的收益，虽然看每一个物联网传感器，价值可能非常小，微不足道（比如某机器上的温度传感器丢失一个小时）。也有时候，它可能是非常重要的（例如，水传感器的电池没电了，导致零售商的地下室被淹，造成了重大的库存损失和保险调整）。

架构师在构建物联网解决方案时的第一步应该是了解他们所设计的东西带来了什么价值。在最坏的情况下，物联网部署会成为一种负担，实际上会给客户带来负价值。

2.1.3　物联网和边缘架构

本书涵盖了许多技术、学科和专业知识水平。作为一名架构师，需要了解某个设计选择对系统可扩展性和其他部分产生的影响。与传统技术相比，物联网技术和服务的复杂性和关系之间的相互联系要明显得多，这不仅是因为规模巨大，而且因为架构类型不同。有许多令人迷惑的设计选择。例如，在撰写本书时，我们仅统计了700多家物联网服务提供商，它们提供基于云的存储、SaaS组件、物联网管理系统、中间件、物联网安全系统以及人们可以想象的各种形式的数据分析。除此之外，不同的PAN、LAN和WAN协议的数量也在不断变化，并随地区而变化。选择错误的PAN协议可能会导致通信质量下降和信号质量显著降低，只有通过添加更多节点完成网状网才能解决此问题。架构师的作用应该是提出和提供解决整个系统问题的解决方案：

• 架构师需要考虑局域网和广域网中的干扰影响——数据如何从边缘进入互联网？
• 架构师需要考虑弹性（resiliency）以及数据丢失的成本。弹性管理应该在栈的较低层中管理，还是在协议本身中管理？
• 架构师还必须选择互联网协议，如MQTT、CoAP和AMQP，以及如果其决定迁移到另一个云供应商，该协议将如何工作。

处理应驻留的位置的选择也需要考虑。这产生了边缘/雾计算的概念，通过处理源头附近的数据来解决延迟问题，但更重要的是减少带宽和通过WAN和云移动数据的成本。接下来，我们将在分析收集的数据时考虑所有选择。使用错误的分析引擎可能会导致无用的噪声或算法所需资源过大而无法在边缘运行。从云端返回传感器的查询将如何影响传感器设备本身的电池寿命？除此以外，我们还必须加强安全性，因为我们所建立的物联网部署现已成为城市最大的攻击面。如你所见，选择很多，并且彼此之间互有联系。

有许多选择需要考虑。当你考虑边缘计算系统和路由器、PAN协议、WAN协议和通信的数量时，有超过150万种不同的架构组合可供选择（图2-3）。

2.1.4　架构师的作用

架构师这个词在技术学科中经常使用。有软件架构师、系统架构师和解决方案架构师。即使在特定的领域内，如计算机科学和软件工程，你也可能看到有SaaS架构师、云架构师、数据科学架构师等头衔的人。这些人都是公认的专家，在某一领域拥有切实的技能和经验。这些类型的专业垂直领域跨越了多个横向技术。在本书中，我们针对的是物联网架构师。

这是一个横向的角色，意味着它将触及这些领域中的许多领域，并将它们整合在一起，形成一个可用、安全和可扩展的系统。

我们会尽可能深入地了解整个物联网系统，把一个系统整合起来。有时，我们会探讨纯理论，比如信息和通信理论。有时，我们会探讨物联网系统外围或者植根于其他技术的主题。通过阅读和参考本书，架构师将对物联网的不同方面有一个可供参考的指南，而这些方面都是构建一个成功系统所需要的。

无论你是电气工程或计算机科学专业的人员，还是拥有云架构方面专业知识的人员，本书都将帮助你理解一个整体的系统，从定义上讲，这应该是架构师作用的一部分。

本书还打算在全球范围内进行大规模推广。用一个或两个终端设备建立概念验证是一回事，而构建一个绵延多个大洲、不同的服务提供商和成千上万个终端的物联网解决方案是另一个完全不同的挑战。每个主题都可以用于爱好者和制造商的活动，这旨在扩展到全球企业系统，约有数千到数百万个边缘设备。

架构师会对所有相连的系统提出问题，他会意识到对一个解决方案进行优化可能会在系统的另一部分产生不理想的效果。

例如：

• 系统是否可以扩展，容量如何？这将影响广域网、边缘到云协议以及中间件到云供应系统的决策。
• 在失去连接的情况下，系统将如何运行？这将影响边缘系统、存储组件、5G服务配置文件和网络协议的选择。
• 云将如何管理和调配边缘设备？这将影响边缘中间件和雾组件，以及安全服务的决策。
• 我的客户解决方案如何在有噪声的射频环境中工作？这将影响对PAN通信和边缘组件的决策。
• 如何更新传感器上的软件？这将影响安全协议、边缘硬件和存储、PAN网络协议、中间件系统、传感器成本和资源，以及云供应层的决策。
• 哪些数据有助于提高客户的绩效？这将影响有关使用什么分析工具，在哪里分析数据，如何保护和变换数据，以及边缘/云分区的决策。
• 如何从端到端保护设备、业务和通信？