近日，物联网开发平台「机智云」正式发布了其 4.0 版本，新版本在原有设备接入、管理和服务功能之外增加了「ECE 边缘计算引擎」「RTBD 实时大数据平台」「Giga ML 吉咖机器学习」「D3 动态数据编排引擎」四个新产品。据悉，此次发布的四种新产品采用「雾计算」与云计算相结合的技术，组成大规模物联网大数据和机器学习体系，帮助物联网产品和服务研发者降低产品开发部署和维护难度。
「雾计算」是什么
「雾计算（Fog Computing）」概念 2011 年由思科提出，在雾计算模式中，数据、数据处理和应用程序集中在网络边缘设备当中，而不是全部储存在云里。雾计算是云计算概念的延伸，它并非由性能强大的服务器组成，也不具备强大的计算能力，而是由性能相对较弱、更为零散分部的计算设备组成。
雾计算是介于云计算和个人计算之间的半虚拟化服务计算架构模型，常被应用于工厂、汽车、电器等日常生活用品当中。云计算强调整体计算能力，一般由一些集中地高性能计算设备完成计算，雾计算则强调数量，不管单个计算节点多弱都要发挥作用，因此具有低延时、位置感知、更为广泛的地理分布、适应移动性应用、支持更多边缘节点等特征。这些特征使得移动业务部署更加方便，也让雾计算更适合物联网发展。
机智云 CEO 黄灼告诉 TECH2IPO/创见：「从前的互联网是由 PC 和服务器组成的，PC 和服务器都具有比较强的计算能力，到了移动互联网时代，手机其实也有很强的计算能力。但到了物联网时代，一个花瓶一个桌子一个灯都是一个节点（节点的计算能力就相对较弱了）。现在大部分物联网架构都是把这些设备数据采到云端进行运算，并作出决策，但设备端数据采样率远高于往云端扔数据的速度，特别是一些低功耗速率的设备。」
引入雾计算概念方面，黄灼在专访中向记者表示：「引入雾计算概念是把云端服务器能力释放到一些路由器、网关层面上，让这些有处理能力的设备去支撑这些『笨设备』。我们更进一步，采用脚本语言定义的微应用，专门做数据处理、协议转换、进程之间和设备之间的互联互通，将程序和云端结合起来，实时把运算和应用部署到雾节点，设备不用重启、不用 OTA 马上就见效了。雾计算并不会取代云端，云端还是会把数据汇总，但雾计算会配合和放大云端的汇总能力，让运算规模跟数据采集规模都大大提升，效率和相应速度也大大提升。」
机智云 4.0 如何应用「雾计算」
此次，机智云 4.0 应用雾计算与云计算相结合的技术发布了 ECE 边缘计算引擎及其他三款数据应用新产品。
ECE（Edge Computing Engine）边缘计算引擎
ECE 边缘计算引擎是运行在设备通信模组或近场通信网关上的微应用容器，提供雾计算的运行环境，协调程序和底层硬件环境的关系。ECE 和云端微应用管理及分发机制组成了机智云的「雾计算」层。微应用由开发者自行定义，以轻量级对脚本语言（JavaScript，Lua，Python 等）构成。脚本可以根据云端的管理机制实时更新和加载，无需重启设备和 OTA 固件升级。开发者可以直接在云端编写各种脚本，ECE 下载到微应用容器中，动态加载这些脚本代码，实时应用到设备和数据上，从而改变设备行为，进行多样化的本地的运算和决策，让「端」变得更加聪明，反应速度更加快，把日渐流行的「软件定义硬件 Software Defined Device」升级到「云端定义硬件 Cloud Defined Device」。
RTBD（Real Time Big Data）实时大数据平台
RTBD 实时大数据平台是专门为物联网应用而生的实时大数据分析、处理、输出平台。RTBD 特别适用于存储和计算物联网行业最常见的基于时间序列的数据（Time Series Data） 和实时的流数据（Streaming Data）。基于搜索引擎技术，RTBD 存储量大（可达 EB 级）， 内置强大的实时运算能力，复杂的数据聚合结果可以在毫秒级输出。RTBD 还具有多种计算引擎的整合能力可以方便地通过与 Hadoop/Spark/Storm 等计算平台的整合完成复杂计算。人性化的管理界面让开发者可以方便地定义数据查询脚本，并即时生成对应的 API，使应用赋能在数据层面有质的提升。
D3（Dynamic Data Director）动态数据编排引擎
D3 动态数据编排引擎帮助开发者快速的定义和部署个性化的数据处理业务。通过图形化的拖拉拽交互方式，开发者可以灵活地编排数据流转逻辑，打造个性化的数据业务系统。D3 支持第三方数据源和企业自定义的数据导入，可以通过脚本甚至机器学习的模块来对数据进行处理。开发者定义完数据处理模型后，D3 会自动运行，动态处理数据， 并实时执行对应的动作（Action），省去编写和部署服务端代码的繁重工作。
Giga ML 吉咖机器学习
Giga ML 吉咖机器学习是专门为物联网设计的机器学习产品。基于机智云的云端＋雾端计算架构，吉咖机器学习可以把数据采集和处理逻辑动态分配到设备和网关端，让海量的终端设备参与到机器学习的运算中，大大的增加了可采集和处理的数据量和全网络的运算资源，可以高效的实现复杂的的机器学习算法。本次发布的 Giga ML 跟机智云的 D3 数据编排有机结合，提供「预测引擎」和「推荐引擎」等机器学习功能模块，极大的降低了机器学习在物联网领域的应用的开发和部署门槛。
相关文章
