class="topic_img" alt=""/>
英文原文：Best Practices for IoT on Azure
如果你问物联网是什么，那么不同的人会给你不同的答案。有人说它是一种全新的、革命性的技术，也有人说它只是我们这几十年来努力成果的自然发展。实际上它处于这两种答案之间。从很早之前，我们就已经拥有物联网风格的设备了，但这些设备或者极为简单，例如恒温器；或者非常复杂，例如飞行器上的遥控自动驾驶装置。不同的地方在于，我们不需要投入像航天学工程那么大的成本，就能够交付复杂的设备了。
考虑到这一点，来自微软的 Kevin Miller 为使用者启动物联网方案的开发提供了这些基本指导方针。
模式：大处着眼，小处着手
开发物联网设备比起纯软件开发要困难得多。因此在开始一个新的项目时要紧记这个咒语，“大处着眼，小处着手”。原型的设计变得极为重要，因为你不能等到已经卖出了 100 万台设备之后再来决定如何发布固件更新。反之，如果你创建的架构只能够支持 100 台设备，那么当你准备开始配送之前必须将它完全重写。因此虽然设备的功能要从小处着手，但必须保证它的可伸缩性。
对于不同的物联网设备来说，保修期的变化非常之大。虽然多数面向消费者的硬件是设计为支持今后数年，乃至十年的期限，但它们很容易被替换。而一旦你开始考虑从物理上就构建到整个结构中的设备，那么保修期可能会延长到几十年。
模式：遥感优先
要预先预测哪些数据有价值是一件非常困难的事，因此要首先处理这一点。尽可能获取商业数据与诊断数据，并将它们保存在大容量的系统中。如果你使用 Azure，那么就要使用到 Event Hub，它能够每秒钟处理几百万条消息。
当你从遥感方面入手时，安全性方面的问题会相对容易处理。虽然你仍然要考虑违背隐私与安全条例方面的问题，但相比起你将命令与控制方面的特性暴露给使用者可能招致的损害，这种方式可能面临的破坏性是非常有限的。举例来说，一个制造业公司宁可让它每小时能够生产的配件数量泄露出去，也不愿意将生产线上的机器人的控制权交给他人。
当你的遥感与安全方案证实了其可行性之后，你就能够满怀信心地添加命令与控制方式的特性了。
产品专注：流分析
流分析（Stream Analytics）是微软所推荐的一种工具，可用于大量基于消息的数据。它结合使用了 JavaScript 和一种类似于 SQL 的查询语法来处理来自于 Event Hub 的数据。
流分析中的 SQL 功能提供了在一般的数据库中不具备的功能，其中之一是能够根据某个滑动窗口对数据进行分组。滑动窗口之间可以是非重叠的，这与你使用 SQL Server 所创建的功能非常类似。作为一种替代方案，你可以使用一个持续的滑动窗口。比方说，如果你有一个 15 秒的滑动窗口，那么你就可以看到任意 15 秒期间的内容，而不是只能看到第0、15、30 和第 45 秒的数据。
流分析工具包含了一个 REST 风格的接口，允许你与任何应用或数据源进行整合。在这个示例中，他们演示了如何使用遥感数据与滑动窗口找到那些在 15 秒的窗口期间内出现多次故障的设备。如果对此进一步扩展的话，可以让某种监控工具使用该 REST 端点定期地向流分析工具进行轮询，以找到故障设备，并向相关人士发出警告。
模式：不要干扰快速通道
要千万注意避免在高容量组件之间进行放入任何东西。举例来说，不要尝试改动 Event Hub 与 Stream Insight 之间的数据。如果需要对数据进行清理，就在它进入“粗管道”之间完成，或是在数据从另一端返回之后再进行。
模式：深度防御
安全是一种共同承担的责任。系统中的每个部分，从设备到云端服务器都需要保证其安全性。实现这一点需要每一方的参与：你不可能像购买其它服务那样购买安全性。如果无法做到涵盖每一方面的安全性就会造成极大的麻烦，新闻中将出现被攻破的汽车与医学设备的相关报道。
一种经常被忽略的场景是设备的回收。如果你的电话配备了某种智能无钥匙启动系统，然后你又卖掉了这个电话，那么它还能够解开你家里或汽车的锁吗？也许这个电话甚至能够解开你的银行帐户呢?
因此使用多个安全层是非常重要的。除了常见的实践之外，你还要注意违反模式的地方，例如某个设备出现在错误的地方，或是发送的数据与平时的情况不一致。
要了解交付物联网方案的更多信息，请观看 Channel 9 上的演讲视频《在 Azure 平台上创建物联网方案的最佳实践》。
相关文章
