הבנת מידע על IoT בערים חכמות

ערים חכמות לייצר כמויות עצומות של נתונים מאינטרנט של דברים (IoT) מכשירים - חיישנים טרף, צגים סביבתיים, מעוקבים חכמים, מצלמות מעקב, חיישנים של פסולת בינארי, ועוד. מכשירים אלה מייצרים באופן קבוע זרמי נתונים של טלמטארי הדורשים איסוף מיידי, עיבוד וניתוח.ללא צינורות נתונים חזקים, ערים יטבעו בנתונים גולמיים ללא תובנות לא ניתנות לפעולה.

בפריצת עיר חכמה טיפוסית, חיישנים מייצרים קריאה כל כמה שניות - זמן, לחות, רמות רעש, מדדי איכות אוויר, ספירות רכב, צריכת אנרגיה, ומדפי מים.זה זמן נתונים חייב להיות מבולבל, נורמלי, מסונן, מסונן, מופץ, מצטבר, ולעתים קרובות תואמים על פני סוגים רבים של חיישן.

דמויות נתונים ודרישות עיבוד

נתונים של IoT בערים חכמות מציגים מספר מאפיינים שונים המשפיעים על עיצוב צינורות:

  • (ב) מהירות גבוהה ונפח: 1:1 עיר אחת עשויה להיות עשרות אלפי חיישנים, כל אחת מייצרת חבילות כל כמה שניות, וכתוצאה מכך מיליוני אירועים לשעה.
  • (FLT:0)Variety of פורמטים:FLT:1 מכשירים משתמשים בפרוטוקולים שונים (MQTT, CoAP, HTTP) ו- schemas (JSON, בינארי, CSV).
  • (ב) [15] ,(ב) ,(ב) ,במקרים רבים משתמשים במקרים רבים – כמו תגובה חירום או בקרת אור תנועה – נדרשת עצלות ברמה של מילימטרית.
  • (ב) מינוף:0) קישוריות בין-לאומית: 1FLT מכשירים עלולים לאבד קישוריות לרשת, כך צינורות חייבים לטפל בנתונים ובשכפולים.
  • איכות הנתונים:0 (איור 1) כשלי חיישנים, רעש, וסחף דורשים אימות וניקוי צעדים מוקדם יותר בצינור.

אדריכלות ללא שרת מטפלות באתגרים אלה על ידי הצעת יכולת דרוגנית מונחת אירועים: כל אירוע הנכנס גורם למשאבים מותאמים בדיוק כאשר יש צורך, ללא יכולת של idle.

יתרונות עיבוד נתונים Serverless

אימוץ גישה ללא שרת עבור צינורות נתונים של IoT מביא מספר יתרונות קונקרטיים:

  • (FLT:0)Automatic scaleing:FLT:1gr Cloud function (AWS Lambda, Azure Functions, Google Cloud Functions) ספיןפו מקרים בתגובה לנפח האירוע.במהלך שעה מהירה או פסטיבל עיר, פסגות נתונים של חיישן מטופלים ללא תכנון קיבולת.
  • (FLT:0) תמחור שימוש ב-Pay-per-use:FLT:1 No Charge for idle Resources.This is aערך במיוחד עבור פרויקטים של ערים חכמות שבהם תקציבים מוגבלים ונתוני נתונים מתחלפות עונתית.
  • (FLT:0) ,Reduced התפעולי: FLT:1 No שרתים כדי לתקנו, לנהל או לשמור על צוותים להתמקד בלוגיקה של טרנספורמציה נתונים ולא בתשתיות.
  • (FLT:0) גלגולי אדרד: ניתן לעדכן באופן עצמאי, המאפשר שיפורים מצטברים לחוקי ניקוי נתונים או אלגוריתמים של אלגוריתמים ללא תיקון יישומים שלמים.
  • (FLT:0) מערכת אקולוגית משולבת:BuildFLT:1 , Serverlessפלטפורמות מתחברות באופן מקורי לשירותי אי-שיוויון IoT, מסדי נתונים, אוטובוסים אירועים וכלי ניתוח, פשטו את בניית הצינור.

עם זאת, בשרת אינו כדור כסף.הקור מתחיל, מגבלות זמן, ומגבלות ניהול המדינה דורשות ארכיטקטורה זהירה.פריסות עיר חכמה רבות להשתמש בגישה היברידית: ללא שרת עבור משימות עיבוד שונות, קצרות מועדיות ושירותים מקוטבים עבור חישובים מורכבים, ארוכים.

עיצוב של Webless IoT

צינור נתונים ללא שרת היטב של IoT ללא שרת מורכב ממספר שלבים לוגיים, כל אחד מהם מזין שירותי מחשוב בענן. בואו לחקור כל שלב בפירוט.

1. איסוף נתונים וניהול מכשירים

(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

יכולות מפתח:

  • (ב) עיין: ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) סודיות: 1FLT 1 X.509 תעודות או אסימוני API עבור אימות המכשיר.
  • (FLT:0) ,Mesage routing:FreaLT:1 כללים אשר ישירות טלמטים לפונקציות עיבוד ספציפיות המבוססים על תכונות (למשל, כל נתוני איכות האוויר לתפקוד של Lambda, נתוני התנועה לאחרים).
  • (ב) ,0) ,Offline buffering: FLT:1 מכשירים יכולים להמשיך לאסוף נתונים כאשר מנותקים; הודעות מועברות פעם קורות חיים.

עיבוד בזמן אמת עם פונקציות ללא Serverless

(FLT:0) דרישות שכבתיות של ריצוף 1:1: פונקציות מונחות אירועים (AWS Lambda, Azure Functions, Google Cloud Functions) מבצעות שינויים קצרים ללא תנאים.

  • (FLT:0)נת הנורמליזציה:0Data Normalization:FLT:1 להמיר מטענים נכנסים מפורמטים שונים של חיישן לתוך schema סטנדרטי.לדוגמה, קריאה טמפרטורה ב Fahrenheit ממכשיר אחד ו Celsius אחד מהשני הם מאוחדים.
  • (FLT:0) וסינון: FIRLT:1 דיסcard malformed חבילות, מחוץ לערים או נתונים מחוסנים. מסנן עשוי להתעלם מקריאות מחוץ לטווחים סבירים (למשל, חיישנים טמפרטורה קוראים 999 מעלות צלזיוס).
  • (FLT:0)Enrichment:FLT:1 הצטרף נתוני חיישן עם נתוני התייחסות סטטיים (למשל, GIS לתאם עבור מיקום חיישן) או טבלאות חיפוש (למשל, צפיפות האוכלוסייה האזורית).
  • (ב) ⁇ :0) ,(Aggregation: 1FLT) ממוצעים נעים, סכומי כסף או ספירה על חלונות זמן.
  • (ב) ,0) ,Alerting:0 (Alerting: FLT:1) יוצר הודעות כאשר סףים נשברים (למשל, ריכוז PM2.5 > 150 מיקרוגרם / m3).

פונקציות ללא שרת מופעלות על ידי הודעות IoT ישירות, או באמצעות אוטובוס אירועים ביניים כמו FLT:0 אמזון EventBridgeveFLT 1 או FLT:2אזורe Event GridFLT 3: This decoupling מאפשר מנויים מרובים להגיב לאותו אירוע.

שיקולים לביצועים פונקציונליים

  • (FLT:0)Cold מתחיל:FLT:1) צמצום ההשפעה על ידי שימוש במטבע מבוזר עבור ערנות רגישות לעקביות, או לשמור על תפקוד חם באמצעות אירועים תקופתיים של בדיקות בריאות.
  • (FLT:0)Execution Timeout:FLT1 פונקציות יש גבול של 15 דקות. עבור עיבוד מצבי על חלונות ארוכים יותר, לשקול הזרמת שירותים כמו AWS Kinesis Data Analytics או Azure Stream Analytics.
  • (ב) זיכרון תהילים:0) זיכרון האלקטורט מבוסס על גודל קלט טיפוסי; זיכרון נוסף מקצץ יותר CPU, עיבוד מאיץ.

3.אחסון נתונים ו Persistence

(ב) יש צורך בנתב נתונים מעובדים לצורך ניתוח היסטורי, עמידה בלוחות דעת.הבחירה תלויה בדפוסי השאילתה ובצרכים של שימור.

  • (FLT:0)Time-series Databases:FLT:1 אמזון Timestream, InfluxDB, TimescaleDB - מיועד לשאילתות בעלות ערך גבוה, שאילתות בעלות נמוכה על נתוני חיישן מזמנים.
  • (FLT:0) NoSQL Databases:FLT:1 אמזון דינמוDB, Azure Cosmos DB - טוב עבור מצב התקן IoT (ערכים נוכחיים), metadata והעדפות ספציפיות למשתמש.
  • (FLT:0) אגמים נתונים: ההרחבה 1 של אמזון S3, Azure Blob Storage, Google Cloud Storage – אחסון זול עבור נתונים גולמיים או מצטברים המיועדים לניתוחי אצווה, למידת מכונה או לשימור לטווח ארוך. נתונים מאוחסנים לעתים קרובות בפורמט מפונק דחוס ומופץ על ידי תאריך.
  • (FLT:0) מסדי נתונים של רנ"ל:FLT:1 השתמש בשירותים תואמים PostgreSQL עבור נתונים מובנים הדורשים עיגול מורכב, כגון טבלאות ניהול נכסים.

צינורות עיר חכמה רבים משלבים מספר חנויות: מסד נתונים של זמן עבור לוחות נתונים חיים, אגם נתונים עבור ארכיון, וחנות NoSQL עבור רשם מכשירים ותצורה.

4. Analytics וויזואליזציה

(ב) ,0) אנליטיקה שכבתית: שינויים מאוחסנים נתונים לתובנות.

  • (FLT:0)Managed BIeur:FLT:1 אמזון QuickSight, Microsoft Power BI, Tableau - חיבור למאגרי מידע או אגמים נתונים ליצירת לוחות נתונים אינטראקטיביים עבור מתכננים ערים.
  • (FLT:0) לוחות נתונים באינטרנט:FLT:1 נבנה עם מסגרות כמו תגובה או Vue, צריכת נתונים באמצעות REST APIs או GraphQL נקודות קצה. Serverless backendends (למשל, AppSync, API Gateway + Lambda) יכול לשרת שאילתות מצטברות על הביקוש.
  • (FLT:0) למידה מקנה: FLT:1 להשתמש בשירותי ML בענן (אמזון סייג'ר, Azure Machine Learning) כדי לחזות עומס תנועה או צריכת אנרגיה בהתבסס על דפוסים היסטוריים.
  • (FLT:0) ניתוחי גלקסיותפטיות: FLT:1 שאלות עיר חכמות רבות מבוססות מיקום: "איזה נקודות יש איכות האוויר הגרועה ביותר?", כלים כמו אמזון הפתוחה חיפוש עם תמיכה ב- GeoJSON או PostGIS מאפשרים שאילתות מרחביות.

יישום צינור מודל: פיקוח על איכות האוויר

בואו נלך באמצעות יישום קונקרטי של מערכת ניטור איכות אוויר - מקרה נפוץ של עיר חכמה.

אדריכלות:

  1. (ב) [15] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  2. (ב) [15] ויקרא י"א: ויקרא י"א: ויקרא י"א: ויקרא י"א): "כל ה' י"א ויקרא י"ד, אשר ישלח שני מטרות: תפקיד למנדה לכוננות בזמן אמת ו-"א-א-א-א-אַנְטְטַהַנְטְטְטַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַהַבְתּהַהַהַהַהַהַהַהַבְתּהַהַהַהַהַהַהַהַהַהַהַּהַהַהַהַהַהַהַהַהַהַהַּהַּהַהַּהַּהַהַהַּהַּהַּהַּהַהַּהַּהַּ
  3. (ב) עיבוד בזמן אמת: 1) הפונקציה A Lambda מאשרת את ה-JSON Payload, ממיר יחידות (למשל, pb ל- μg/m3), וכותב את הרשומה המועשרת ל-FLT:2 Amazon TimestreamFLT 3 (לדוגמה, אם קריאה עולה על סף (למשל, PM2.5 > μ/m3), הפונקציה SMS שולחת הודעת דואר אלקטרוני ל-S.
  4. (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  5. (ב) ⁇ :0) ⁇ (הההתמדה: 1FLT: 1 A FLT:2QuickSightsightFLT 3: 3) מציג לוחות זמנים אמיתיים והיסטוריים איכות האוויר על מפת העיר, עם מקדחות מטה לכל מיקום חיישן.
  6. (ב) [[1924]]]]]] [[1924]]]]]] [[1924]]]]]]]] [[1924]]]]]]]] [[1924]]]]]]]] [[1924]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]

אופטימיזציה

  • (ב) [15] ,Use DynamoDB TTLFLT:1) לרשומות התראה ישנות לאחר 90 יום.
  • (ב) עיין ב-[[1924]] ו[[1924]]
  • (ב) [ה]התערות:0], [ה], [ה], [ה],] רק על למנדה, רק על התפקיד החריף (הדגשה על הסבלנות).
  • (FLT:0) מדיניות מחזור החיים של מחזור חיים 1 (FLT:1) כדי להעביר נתונים ב- S3 מ Standard לארכיון עמוק של הקרחון לאחר שנה.

אתגרים ושיקולים

בעוד צינורות ללא שרת מפשטים היבטים רבים, פריסות עיר חכמה מציבות אתגרים ייחודיים שיש לטפל בהם לפני.

אבטחת מידע ופרטיות

  • (FLT:0) קידוד מנוחה ובמעבר:ראה LT:1) כל הודעות IoT צריכות להשתמש בטבלאות של TLS 1.2+.
  • (ב) ,0) זהות: (FLT:1) השתמש בתעודות לחיקוי עם תקופות תוקף קצרות כדי למזער את רדיוס הפיצוץ של חיישן שנפגע.
  • (FLT:0) אנונימיות נתונים: 1.10LT:1 עבור יישומים לאסוף מיקום או מידע המאפשר זיהוי אישי (למשל, זיהוי לוחיות רישוי), שלבים צינור חייב ליישם מסיכה נתונים או ggregation כדי לציית לתקנות כגון GDPR.
  • (FLT:0 Network בידוד: Visloy 1) פונקציות ומאגרי מידע בתוך VPC ללא IP ציבוריים; השתמש ב-VPC נקודות קצה עבור שירותי ענן.

דרישות לגרות ומציאות

  • (FLT:0) אינסוף-to-end latency:IRFLT:1 , Serverless פונקציות להוסיף 50-500ms קר להתחיל מעל פני השטח.עבור תת- 100ms שימוש במקרים (למשל, בקרת אות התנועה), לשקול שימוש במכשירים של IoT Edge אשר מעבדים נתונים באופן מקומי ושולחים רק סיכומים לענן.
  • (FLT:0) שירותים:FLT:1ir עבור גבוה מאוד באמצעות חישוב, השתמש עיבוד זרם מנוהל (AWS Kinesis Data Analytics, Azure Stream Analytics) במקום פונקציות בודדות להודעה.

שקיפות והזמנות

  • (FLT:0Out-of-order Events:FLT:1 Networkעיכובים יכולים לגרום נתוני חיישן נהיגה מאוחרת. השתמש ב-Timetamp מהמכשיר (לא זמן ציעה) עבור שאילתות זמן.ליישם טיפול בנתונים מאוחר בלוגיקה של הדבקה (למשל, זרמי חלונות).
  • (FLT:0) גילוי מידע: FLT:1ir מכשירים IoT עשויים לנסח מחדש הודעות. assign ייחודי הודעות מזהה הודעות (למשל UUID) ולהשתמש בעיבוד אידיאולוגי: לבדוק את דינמוDB עבור מזהה לפני כתיבתו.

שילוב עם Legacy Systems

ערים רבות יש מערכות SCADA קיימות, פלטפורמות ניהול תנועה, או מערכות ניהול בנייה.אלה לעתים קרובות להשתמש בפרוטוקולים קנייניים (Modbus, BACnet) או על גבי מסדי נתונים של מסדי נתונים של מערכת ניהול תנועה, צינורות ללא שרת יכול לגשר על אלה באמצעות ממשק API עם אימות מותאם אישית, או באמצעות מחברים מנוהלים כמו AWS Transfer Family for FTP/SFTP File ingestion.

מעקב ושקיפות

  • (FLT:0)Distributed tracing:03FLT:1) השתמש ב-AWS X-Ray או Azure Monitor כדי לעקוב אחר הודעת חיישן אחת דרך הצינור כולו - מ-IoT הובר כדי לתפקד למסד נתונים.
  • (FLT:0) קיצור של בריאות צינורות: FLT:1 , תעריף שגיאות Lambda, תורים מתים עבור הודעות כושלות, וטריחות נתונים (למשל, אם אין נתונים חיישן במשך 10 דקות).
  • (FLT:0) מעקב אחר:0) 1T Tag את כל המשאבים על ידי הסביבה ותפקוד; השתמש ב- cloud Cost Explorer כדי לייחס הוצאות לרכיבי צינורות ספציפיים.

התאוששות וחוססן

  • (FLT:0) פריסת התפוצה:Figal1) עבור שירותי עיר חכמים קריטיים (למשל, תגובת חירום), לשכפל את הצלקות והעיבוד בשני אזורי ענן עם תצורה פעילה.
  • (ב) שכפול נתונים:0) שכפול נתונים: 1FLT 1 השתמש בשכפול של טבלאות S3 ו-DudmoDB.
  • (ב) מנגנוני Fallback:001: אם אזור ענן נכשל, מכשירים קצה יכולים לספוג נתונים באופן מקומי למשך שעות עד שקישוריות חוזרת.

דוגמאות אמיתיות בעולם ופרקטיקה טובה ביותר

כמה ערים יישמו בהצלחה צינורות IoT ללא שרת:

  • (FLT:0) הפלטפורמה החכמה של Barcelona של העיר החכמה של Barcelona: FIRLT:1) משתמשת Azure IoT Hub ו- Azure Functions כדי לעבד נתוני חיישן מ-20,000 מכשירים, תוך הפעלת לוחיות עבור אופטימיזציה של פסולת, זמינות חניה ו ניטור רעש.
  • (FLT:0) רשת מים חכמה בסינגפור:FLT:1hil משתמש ב-AWS Lambda ו-Kinesis כדי לזהות דפוסים דליפים ממאות חיישני זרימה, צמצום אובדן מים ב-15%.
  • ניהול הצפיות של לוס אנג'לסבנדר 1 ממנף את פונקציות הענן של גוגל כדי לזרז את נתוני Waze בזמן אמת ולתאם את תזמון אות התנועה.

שיטות הטובות ביותר שהושקעו ביישום זה כוללות:

  • התחל עם צינור ההרחבה:0 (מינימום של צינורות) 1 (FLT:0) אשר מעבד נתונים מסוג חיישן אחד, ולאחר מכן להרחיב.
  • השתמש ב-FLT:0 infra Structure כקוד FLT:1 (AWS CDK, Terraform) כדי לגרסה ולשכפל את הצינור סביבות.
  • § (FLT:0) הפחתה משמעותית של 1FLT: אם הצינור נכשל, החיישנים צריכים להמשיך לפעול ולצמצם נתונים באופן מקומי.
  • בדיקה אחרונה ב-13 ביולי 2010. ^ "FLT:0.comimulated Sensor dataFLT:1" (למשל, באמצעות הפונקציה Lambda המייצרת תשלומים אקראיים).

מסקנה

בניית צינורות לעיבוד נתונים ללא שרת עבור ערים חכמות מציעה גישה חסכונית, יעילה, וניתנת לתחזוקה כדי להפיק תובנות בזמן אמת מרשתות חיישן עירוניות. על ידימינוף שירותי ענן מנוהלים עבור ingestion, עיבוד, אחסון וניתוח, ערים יכול להתמקד במתן ערך לאזרחים ולא ניהול אתגרים להישאר סביב אבטחה, עצלות ואינטגרציה מורשת, גמישות של ארכיטקטורות לשרתים - עם קצה קריטי עבור משימות מודרניות.

כמו רשתות 5G ומכשירי קצה להיות זולים יותר ויותר נפוץ, נפח הנתונים יגדל רק. צינורות ללא שרת לספק את הבסיס הגמישות הדרוש כדי להפוך את הנתונים האלה לאינטליגנציה מעשית, עוזר לערים להיות יעילים יותר, בר קיימא, ותגובה לצרכים של התושבים שלהם.