“面向物联网的数据基础设施白皮书.pdf

面向物联网的数据基础设施白皮书2目录目录前言前言.3 3物联网时代数字化转型的技术趋势物联网时代数字化转型的技术趋势.4 4云计算从云转型到云原生.4从云计算到边缘计算.5物联网时代数据处理和分析的范式转变物联网时代数据处理和分析的范式转变.6 6生产主体：从人类行为到物理状态感知与记录.6产生方式：从有波峰波谷到稳定持续产生.7数据类型：从交易事务型表数据到实时分析型流数据.7数据体量：从 TB 时代到 PB/EB 时代.7处理方式：从批处理到实时流式计算.7架构模型：从 Schema on Write 到 Schema on Read.8从云原生到面向物联网的架构设计从云原生到面向物联网的架构设计.9 9面向物联网（IoT-Oriented）架构设计原则.9面向物联网（IoT-Oriented）架构的功能特点.10面向物联网架构的数据基础设施面向物联网架构的数据基础设施.1 13 3架构范式.13连接 弹性可靠多协议，连接海量物联网设备.13移动 实时消息引擎，双向数据移动与分发.14存储 低延时、动态扩展的云原生流数据存储.15处理 云边协同的多级数据一站式实时处理.15分析 实时数据分析与业务洞察，即刻决策.16DataData InfrastructureInfrastructure forfor IoTIoT 架构范式下的产品组合架构范式下的产品组合.1 17 7EMQ X-云原生分布式 MQTT 消息服务器.17HStreamDB-云原生分布式实时流处理数据库.17NanoMQ-超轻量边缘 MQTT 消息服务器.18Neuron-物联网边缘工业协议网关软件.18eKuiper-轻量边缘流式处理引擎.18结语结语.1 19 93前言前言在过去的近十年中，EMQ 一直围绕物联网的 连接与数据开发开源基础设施软件。如今，EMQ X 中间件已解决了 海量连接的挑战，HStreamDB 流数据库则正试图解决海量物联网数据的存储、处理与实时分析。在多年为企业交付物联网基础软件过程中，我们发现企业大多以场景优先的方式构建单一物联网应用。EMQ 始终认为，物联网场景与应用的核心逻辑是以数据为中心，从数据获取到业务洞察，从而创造价值。特别是中大型企业，更应以数据为中心，从数据出发思考物联网业务，在融合物联网数据与传统的企业经营数据基础上，灵活构建多样化的创新型业务，以实现企业的数字化、实时化、智能化转型。在本白皮书中，EMQ 正式提出面向物联网的数据基础设施架构范式，与产业一起迎接物联网时代企业的关键业务挑战，实现企业业务创新与价值创造。现在，是时候思考物联网时代的企业关键业务挑战与机遇。4物联网时代数字化转型的技术趋势物联网时代数字化转型的技术趋势随着物联网技术的逐步成熟，海量设备产生的数据为企业数字化提供了更加丰富的数据基础。如何将海量数据与企业生产管理系统、业务应用系统以及运维监控系统有机结合，是企业在未来实现差异化竞争与业务创新的关键。在以物联网数据为基础的数字化转型过程中，云原生、分布式云等新技术成为催化剂，并呈现以下新的趋势：云计算从云转型到云原生云计算从云转型到云原生云转型云转型在数字化转型过程中，云计算可以为企业降低成本、提升效益，为企业业务创新以及 AI 等新兴技术的应用创新提供有力支撑，还能通过虚拟化技术降低其对硬件设备的要求，提升基础设施的自主可控水平。云转型强调资源优化，即数据与应用上云，充分享受云的虚拟化带来的资源集约优势。云原生云原生如果说企业上云是将云计算当作工具，开始利用云获取价值，那么云原生时代的来临，则意味着云的理念开始深入企业业务的核心逻辑，真正成为企业赖以提升效率的必需途径。云原生强调效能提升，即基于云模型重新设计基础设施软件架构以及应用开发模式，从而革命性地提高数字化效能，真正享受云计算红利。其具有极致弹性、服务自治、故障自愈、规模复制等特点。由于过去所依赖的基础架构软件的系统设计的边界被打破，可以在全新的 Tradeoff 下完成设计，因而诞生了从软件产品到开发方式的一系列变革。如 Docker 与 Kubernetes、DevOps 理念等。云的本质云的本质定义：云计算是一种模型模型主体如下：大量计算机构成的资源池；动态伸缩的廉价计算服务理念：使用比拥有更重要5从云计算到边缘计算从云计算到边缘计算边缘计算的出现边缘计算的出现传统的云计算模型将所有数据通过网络上传至云计算数据中心，利用云计算中心的超强算力来集中解决应用的计算需求。然而，在万物互联时代，云计算的集中处理模式有三方面的不足：实时性需求与网络覆盖：随着边缘设备数量增加，设备产生的数据量持续激增，导致网络带宽和延迟逐渐成为云计算的瓶颈。保证全场景网络覆盖的高昂成本也迫使企业下放一部分计算到边缘。数据安全与隐私：随着数据采集设备的普及，直接将采集的数据上传至云计算中心会增加泄露用户隐私数据或企业核心数据资产的风险。大量搜集客户群体画像信息上云也带来个人隐私泄露问题，与隐私相关的数据将更多在边缘分析。能耗较大：随着云服务器运行的应用程序越来越多，未来大规模数据中心对能耗的需求将难以满足。提高能耗使用效率本身并不解决根本问题，万物互联时代问题更加突出。边缘计算模型中，边缘设备具有执行计算和数据分析的处理能力，将原有云计算模型执行的部分或全部计算任务迁移到网络边缘设备上，降低云服务器的计算负载，减缓网络带宽的压力，提高万物互联时代的数据处理效率。边缘计算的挑战边缘计算的挑战边缘计算解决了诸多云计算集中化处理带来的问题，但也同时衍生了新的挑战：云边协同难：边缘计算在延迟和可靠性等方面的优势明显，但当企业试图全局管控所有边缘节点时，云所擅长的地方边缘计算大多无法满足，且两者协同工作的运维复杂度指数级增加。边缘设备互操作难：过去的云上业务可通过微服务化或者服务网格实现业务间或者 API 间的互操作，但 IoT 产业数据基础设施大多数是纵向数据而非横向数据连接，边缘设备之间的互操作困难重重，极大的制约了边缘计算的应用开发潜力。6物联网时代数据处理和分析的范式转变物联网时代数据处理和分析的范式转变生产主体：从人类行为到物理状态感知与记录生产主体：从人类行为到物理状态感知与记录互联网时代，数据产生的源头是人类基于 PC 机操作的行为和触发的事件等相关的记录，该类数据范式与交易型数据非常类似。移动互联网时代，由于人类开始使用手机，使用时长相比 PC 机时代大幅增加，数据源自基于手机的操作行为和触发的事件等相关的记录；不仅如此，在手机上的多个传感器开始源源不断的产生时序数据，催生消费物联网的第一批应用。随着企业数字化转型与数据驱动转型的深化，越来越多的企业开始基于可连接传感器设备实现企业全生命周期的数据化，产业物联网正式崛起。当数据生产主体从人类转移到机器时，数据基础设施的技术架构思路也会发生相应变化。主要变化如下：从行存储到列存储到行列混排与向量化计算；从应对中低频间断产生型数据到应对高频持续产生型数据；从 Schema on Write 到规则引擎到复杂函数式流计算。7产生方式：从有波峰波谷到稳定持续产生产生方式：从有波峰波谷到稳定持续产生移动互联网时代的 IT 基础架构很大一部分努力是为了应对短时间的波峰，因此诞生了一系列分布式系统和中间件，强调架构的高弹性和服务自治，强调弹性。物联网时代的数据绝大多数情况下不会出现波峰波谷，更常见的情况是以稳定速率持续不断的产生新数据，对架构的要求与移动互联网时代完全不同。数据类型：从交易事务型表数据到实时分析型流数据数据类型：从交易事务型表数据到实时分析型流数据过去的数据本质上记录的是事件，一个事件有时间、地点、人物、属性、ID、等等，也就是事务型数据，以事务负载和聚合分析型负载为主。事务型负载强调事务支持和一致性，而聚合分析型负载的计算模型主要是批处理或向量化计算。物联网的数据本质上是对真实世界每时每刻状态的记录，由于时间并不会停止，因此物联网时代的数据也是持续不断地产生，针对每一个特定的可变状态，都是一系列的不同时间点和地理位置坐标下的具体值。因此，物联网时代的数据应用场景以时序型事务、时序型分析和实时数据服务为主。时序型事务强调最终一致性，时序型分析强调预测能力，实时数据服务强调流计算。当占据全球数据圈的主导力量变为实时流数据时，首先是数据体量会上升几个数量级，随之而来的是数据处理方式也会相应发生变化，并且，实时数据产生的是稳定的数据流。数据体量：从数据体量：从 TBTB 时代到时代到 PB/EBPB/EB 时代时代移动互联网时代产生数据的本质源头是人类，过去 20 年内，全球人口从 63 亿增加到 76 亿，增加了 20%。在移动互联网时代，绝大多数 IT 基础架构处理的数据规模是 TB 级。物联网时代产生数据的本质源头是可连接设备，过去 20 年内，可连接设备数从 5000 万增加到 500 亿，增加了100 倍。物联网时代，绝大多数基础架构面临的是 PB 甚至 EB 级数据。处理方式：从批处理到实时流式计算处理方式：从批处理到实时流式计算过去 20 年来，数据处理一直在 Hadoop 生态圈的引领下强调处理数据的体量，而数据处理的方式主要是批处理。随着以 Flink、MaterializedDB、ksqlDB、HStreamDB 为首的面向流式计算的新一代数据基础设施陆续发布和使用，流式计算正逐渐成为数据基础设施中的主导计算范式。8架构模型：从架构模型：从 SchemaSchema onon WriteWrite 到到 SchemaSchema onon ReadRead过去的大数据软件架构通常是预先定义好数据存储结构，如关系模型，然后从数据源头经过 ETL 最终到达数据库或者数据仓库，当数据需要读取时便可以直接使用 SQL 对整理好的数据进行查询。但这带来一些新的问题：当数据写入速度非常快的时候，ETL 的计算负载过高；由于 ETL 的过程可能会丢失原始数据，当数据模型变化时，之前的数据可能丢失；当数据模型经常性临时发生变化时，如多个应用对相同的数据源进行操作，会有三个 ETL 过程，此时数据会拷贝 3 次；与敏捷开发的理念相悖。过去很长一段时间，Schema on Write 与 Schema on Read 只是一对场景上的互补选择。随着物联网时代的来临，数据生产端与数据消费端都发生了范式变化，在大数据软件的架构设计中，Schema on Read 逐渐展露优势：物联网时代数据的写入是海量、高并发且持续的，很多时候根本来不及先算 Schema 再写入磁盘。Schema onRead 模式可以有效保证数据高并发、稳定可靠地写入磁盘；物联网时代软件应用生态正在快速爆发，数据的使用是一个快速迭代与变化的过程，进而导致 Schema 长期不稳定。如果先算 Schema，当应用侧发生变化需要改变 Schema 时就会非常棘手。Schema on Read 则可以保证 Schema 的灵活增删改，符合物联网时代的需求；物联网时代数据分析要求时效性，但基于以上两个问题，带来了一个矛盾：如何在 Schema on Read 的模式下保证数据分析的时效性？随着 Materialize 等流数据库的崛起，大数据产业链正在尝试用新技术来解决海量数据的实时分析问题，而物联网数据将是最大的主战场。一旦流数据库彻底解决了 Schema on Read 的分析时效性问题，那么绝大部分物联网场景都将是 Schema on Read 模式。9从云原生到面向物联网的架构设计从云原生到面向物联网的架构设计数据的产生与处理已然来到一个新的时代。随着云计算、边缘计算与物联网技术愈发成熟，EMQ 认为数据基础设施正在从云原生（Cloud-Native）向面向物联网（IoT-Oriented）架构演进。基于此，我们总结了面向物联网（IoT-Oriented）架构的设计原则和功能特点。面向物联网面向物联网（IoT-OrientedIoT-Oriented）架构设计原则架构设计原则移动计算优先移动计算优先随着计算芯片持续分化出面向各种计算负载特征的专用协处理器，如 GPU、DPU 等，到苹果公司最新设计的 M1芯片的 Unified Memory，以及大数据产业链的 Schema on Write 到 Schema on Read、ETL 到 ELT。其中都蕴含了相同的架构设计思想：减少数据搬移，减少数据拷贝，优先移动计算而非移动数据。在物联网场景中，移动计算优先设计原则的优势体现在：在数据量持续快速攀升、计算负载相应指数级增长的情况下，通过移动计算可以分散计算负载，提高整体计算能力；物联网时代强调决策的实时性。通过移动计算提高决策的效率，可降低端到端系统时延；端到端高可用的需求日益增长，通过分布式架构将计算移动到数据本地节点中，避免集中计算的单点故障，同时降低了数据传输与数据复制对整体系统的压力，实现整体系统的高可用；数据流可重用数据流可重用数据在信息层面的复制成本极低，但数据在搬移和存储层面的成本随着数据量越来越大，变得愈发显著。新一代数据基础设施的重要原则已经是：尽可能减少数据搬移、拷贝和重复计算。因此，在全球范围内的新一代数据基础设施的设计哲学中已经开始看到：数据可重用。EMQ 则结合物联网产业发展现状及未来趋势，进一步发展出数据流可重用的原则：DataFlow as a Service（数据流即服务）One Data Source,Multiple User Cases（多用户多场景共享一个数据源）Materialized Data Streaming as a API（物化数据流作为应用交互接口）10全场景可适配全场景可适配随着协处理器与专用计算芯片的寒武纪大爆发，异构计算环境成为软件设计中不可缺少的考虑因素之一。此外，由于历史原因，物联网产业中各个企业中的操作系统、服务器硬件设备、传输用网络协议、工业通信协议、存储目标和存储设备等均有很大差异。EMQ 基于全球上万家开源用户的反馈，提出全场景可适配原则：云边端各式处理器各种操作系统均可部署、可协同，异构设备统一接入；从 PLC、工业网关，到 MQTT、TCP、QUIC 等网络协议均可适配；持久化数据可适配各类存储介质包括新一代的 NVMe 等。分布式云原生分布式云原生随着全行业对低时延的要求越来越高，企业从快速上云到开始重新思考云边协同，再到试图用统一的模型来同时管理云和边，已经经历了三次对如何发挥云计算模型价值的尝试。但业界大多只是知道分布式云的概念，对真正分布式云的开发理念的探索较少。EMQ 基于产业发展趋势，定义了分布式云原生的软件开发理念与设计哲学：去中心化的分布式系统，Peer-to-Peer 的网络拓扑；用户的感知应当是更快更稳定的云计算，分布式调度复杂度藏于基础软件中；各类软件的计算负载、通信负载、存储负载均可在分布式云中自由调度。面向物联网面向物联网（IoT-OrientedIoT-Oriented）架构的功能特点架构的功能特点持续稳定的海量超高并发连接持续稳定的海量超高并发连接传统 IT 系统与移动互联网主要由系统与系统，系统与移动终端产生数据连接，万级以上并发连接系统比较少。面向传统 IT 和互联网场景设计的基础架构软件在适应大并发连接系统的建设与维护成本非常高。物联网场景下数据源主要以智能设备、感知设备为主，终端数量远远大于传统 IT 与互联网场景。如智能家居、车联网等场景下的平台连接数量普遍超过十万，大型平台可以达到百万级甚至千万级水平。这就要求面向物联网场景的基础架构软件具备在相对成本较低的情况下适应海量设备同时接入并保持稳定连接的能力。11全链路端到端双向多全链路端到端双向多 QoSQoS 支持支持传统 IT 和互联网系统主要通过企业内网、企业专网或宽带移动网络连接。而物联网时代为了适应不同设备密度与连接成本，需要实现固网与移动网络并存、宽带与窄带混合，从单一网络到分布式跨地域混合网络接入的演进。对于物联网系统则需要适配各类网络，实现端到端数据打通能力。由于接入网络复杂度提高，网络稳定性下降，需要物联网系统在传输层与应用层协议中提供相关的保障。如物联网长连接场景中常用的 MQTT 协议提供了消息质量（QoS）的定义，包括消息最多传递一次、至少传递一次和仅传递一次三种级别，可以在不同业务需求与成本需求中选择消息质量级别。随着业务模式的不断丰富，物联网业务从单向的设备数据采集，逐渐演化成设备与系统、设备与设备、设备与人的双向交互。从 ToC 的智能家居场景的用户与智能设备的互动，到产业互联网中工业生产设备的数据采集与远程控制、车路协同中的车辆驾驶系统与路边感知设备的互联互动，都需要物联网基础软件有能力打通数据的双向通道。超低延时的有状态流式处理与分析超低延时的有状态流式处理与分析从业务需求看：大量关键业务，如车路协同、工业生产监控等，对数据处理与系统响应的时效性要求非常高，且设备数据往往是有状态的。从数据类型看：不同于传统 IT 与互联网系统中大部分数据以时间离散型的业务查询与交易数据为主，物联网数据由主要由设备产生，以时间连续数据流为主的数据类型占比逐渐增加。这就需要物联网系统与软件提供更强的流数据的处理能力。综合以上两点，对有状态的流数据分析处理能力是考量物联网系统是否能够真正将数据转化为价值的关键。12数据流虚拟化与数据流虚拟化与 SchemaSchema 级多租户级多租户企业级物联网平台系统中，大量原始流数据会被不同业务系统实时消费与分析，为不同业务目的提供数据价值。不同业务应用视角不同，对流数据的读取分析方式也不同。目前大量企业采用数据复制的方式为不同业务视角提供数据模型与分析模型，造成组织内数据激增。而且数据复制过程需要损耗大量时间，对于实时性要求高的物联网场景往往无法提供有时效性的分析结果。在同时考虑原始数据重用性和时效性方面，基于数据流虚拟化以及 Schema 级的多租户方案就显得异常重要。Schema 级的多租户为不同业务视角定义流数据模型，保证了不同业务对数据需求的分离；同时采用虚拟流的方式避免了原始数据的复制，保证了业务的时效性的同时也降低了原始数据的复制存储成本。13面向物联网架构的数据基础设施面向物联网架构的数据基础设施架构范式架构范式基于物联网时代数据生产与数据形态的变化，以及从云原生（Cloud-Native）向面向 IoT（IoT-Oriented）架构的演进趋势，EMQ 正式提出面向物联网架构的数据基础设施（Data Infrastructure for IoT）架构范式。从应用优先到数据优先，以数据为核心融合物联网数据与传统企业经营数据，实现云边端统一实时数据连接、移动、存储、处理与分析，实现从数据产生到数据变现的闭环，缩短数据变现的周期，降低数据变现成本，助力企业构建面向未来的物联网关键业务应用。连接连接 弹性可靠多协议，连接海量物联网设备弹性可靠多协议，连接海量物联网设备物联网场景中数据生产者主要来自于各类设备。建立设备与设备、设备与系统的连接是物联网数据价值实现的先决条件。EMQ 通过一系列产品组合构建的面向物联网架构的数据基础设施提供云边一体的一站式连接能力，将有助于打破传统面向场景构建应用所面临的数据孤岛，实现面向数据构建应用，为挖掘数据价值提供了基础保障。1.1.云原生物联网协议大并发连接云原生物联网协议大并发连接EMQ 提供基于云原生架构的弹性伸缩、安全可靠的设备接入层方案，通过在云端千万级的物联网设备并发连接能力，为海量物联网设备上云提供安全稳定的连接。142.2.跨行业协议云端一站式接入跨行业协议云端一站式接入随着物联网技术应用到行业中，建立行业设备与新型物联网设备之间的数据连接，打通现有行业数据与新业务数据通道，成为了产业物联网的发展趋势。通过 EMQ面向物联网架构的数据基础设施，用户可以获得对诸如 GB/T32960 的行业标准协议或企业私有协议的接入能力，将连接能力扩展到各类行业设备中，实现新型物联网设备数据与行业设备的统一接入。3.3.深入行业末端的云边端一体化连接深入行业末端的云边端一体化连接随着边缘计算、分布式云架构的发展，企业不仅要在云端提供强大的连接能力，同时需要能够深入到行业终端设备，为工业与电力等行业中受限于网络或连接方式无法直接上云的设备提供端到端的连接方案。EMQ 可以为用户提供设备接入的最后一站的设备触达能力，解决传统工业设备、行业设备连接问题。移动移动 实时消息引擎，双向数据移动与分发实时消息引擎，双向数据移动与分发在设备与系统连接建立之后，实时数据的双向移动能力、移动速度以及数据的可靠性决定了系统对数据消费的能力，进而影响了数据能为企业产生的价值大小。1.1.云端海量数据吞吐云端海量数据吞吐随着数据生产源变化为设备，从设备数量到数据生产频率都前所未有的提高。数据吞吐量决定了物联网系统的基础能力水平。通过云端分布式高性能集群架构，可提供每秒数百万吞吐量的路由能力以及低时延的数据投递能力，并且提供高吞吐的数据桥接方案对接各类业务系统与数据持久化系统，将物联网数据灵活集成到 Kafka、SQL、NoSQL 与时序数据库，实现快速的应用集成与业务创新2.2.设备到云端稳定可靠的双向移动能力设备到云端稳定可靠的双向移动能力基于标准 MQTT 消息，提供多种 QoS 消息质量保证。无论从设备汇聚到边缘、从边缘上传到云端，亦或是控制命令从云端下发到设备，都能够保证数据准确到达。3.3.云边端数据打通与边缘数据移动自治云边端数据打通与边缘数据移动自治物联网系统设备连接延伸到工业以及其他行业边缘侧后，既可实现工业和其他行业数据汇聚上云，还可以实现在边缘侧设备与应用间的数据流通，形成边缘数据自治。存储存储 低延时、动态扩展的云原生流数据存储低延时、动态扩展的云原生流数据存储根据第一范式变化趋势，物联网数据形式主要为实时数据流。在数据接入到云端后，高吞吐的流式数据需要有高可15用、高性能且格式灵活的存储方案提供对数据的持久化。1.1.云原生弹性扩展存储云原生弹性扩展存储采用 Cloud-Native 架构，支持独立水平扩展、集群在线扩展及动态扩展；通过优化的存储引擎设计通过复制数据到多个存储节点，提供低延时、高可靠的流数据持久化存储服务。2.2.灵活的数据存储模型灵活的数据存储模型采用 Schema-free 的数据存储方式，方便物联网场景数据灵活定义存储，满足各类型设备数据格式类型的持久化。3.3.计算层与存储层分离计算层与存储层分离支持分级存储，可以自动将历史数据转存到对象存储、分布式文件存储等低成本存储服务上，且容量可无限扩展。保证流数据计算性能的同时也保证了数据存储的高可用。处理处理 云边协同的多级数据一站式实时处理云边协同的多级数据一站式实时处理在以实时数据传输的物联网场景中，无论是在云端还是边缘端，需要对数据进行快速处理、快速过滤、快速集成，保证整体系统的低时延特性。同时，也需要对复杂的数据处理进行高效的管理。1.1.云端海量数据实时处理与集成云端海量数据实时处理与集成通过基于 SQL 语句的规则引擎和流式处理，无需编写代码即可实现一站式的物联网数据提取、过滤、转换、存储与处理，保证实时数据快速处理。并可以将数据到对接到 Kafka、SQL、NoSQL 与时序数据库中，实现快速的应用集成与业务创新2.2.边缘端本地低时延快速处理边缘端本地低时延快速处理在边缘侧 EMQ 提供了轻量级流数据处理与规则引擎，可以在如工业网关、车机等小型边缘计算节点中对实时数据本地处理分流，保证低时延场景下的系统反应能力。3.3.云边数据处理统一管理云边数据处理统一管理EMQ 提供的云边协同能力可以在云端为边缘端分散的数据处理节点提供统一远程规则下发、远程算法更新等能力。方便管理人员统一配置管理，提高管理效率，降低本地运维成本。16分析分析 实时数据分析与业务洞察，即刻决策实时数据分析与业务洞察，即刻决策规模日益增长、源源不断高速产生的流式数据，对现有的数据系统和应用提出了严重挑战，尤其是如何在持续变化的数据流上进行低延时的分析。通过 EMQ 面向物联网架构的数据基础设施通过流数据库提供基于物化视图的实时分析解决方案，支持在持续产生的物联网数据流上进行复杂的查询和分析操作，即时感知数据变化，发挥数据价值，即刻做出业务决策。1.1.实时数据洞察实时数据洞察EMQ 提供的实时分析能力使得数据在进入系统时即获得实时分析，支持在持续产生的物联网数据流上进行复杂的查询和分析操作，使用户获取实时数据洞察，快速响应市场变化，提高业务敏捷性并保证竞争优势。2.2.风险分析与预警风险分析与预警风险和失败的防控，往往要求强大的数据实时分析能力，能够在风险发生之前进行及时预警。无论是生产线上可预测性维护，金融交易中的实时欺诈检测，甚至流行疾病的防控，都能通过 EMQ面向物联网架构的数据基础设施实现快速数据分析与处理能力。17DataData InfrastructureInfrastructure forfor IoTIoT 架构范式下的产品组合架构范式下的产品组合EMQ 基于Data Infrastructure for IoT架构范式的物联网基础设施软件，包括全球领先的 MQTT 消息服务器和流处理数据库，实现从边缘到云的一站式物联网数据连接、移动、处理、存储与分析。EMQEMQ X X-云原生分布式云原生分布式 MQTTMQTT 消息服务器消息服务器Cloud-连接移动处理一次连接，无限集成，随处运行的云原生分布式物联网消息平台，具有一体化的分布式 MQTT 消息中间件和基于 SQL 的强大的规则引擎，在云端为高性能、可靠的物联网数据连接、移动、处理与集成提供动力。了解更多HStreamDBHStreamDB-云原生分布式实时流处理数据库云原生分布式实时流处理数据库Cloud-存储处理分析HStreamDB 是一款专为物联网流式数据设计的，针对大规模实时数据流的接入、存储、处理、分发等环节进行全生命周期管理的云原生分布式流数据库。HStreamDB 开创的流数据库会是实时数据分析时代的最佳选择，也将成为未来企业软件系统的核心基础设施。了解更多18NanoMQNanoMQ-超轻量边缘超轻量边缘 MQTTMQTT 消息服务器消息服务器Edge-连接移动处理NanoMQ 是面向边缘计算场景的下一代超轻量级高性能 MQTT 消息服务器，致力于为不同的边缘计算平台交付简单且强大的消息总线服务。NanoMQ 基于 NNG 异步 IO 和多线程模型以及 NNG 出色的网络 API 设计,为边缘设备和 MEC 提供更好的 SMP 支持和更高的性能。了解更多NeuronNeuron-物联网边缘工业协议网关软件物联网边缘工业协议网关软件Edge-IIoT 连接采集移动Neuron 是一款边缘工业协议网关软件，支持一站式接入数十种工业协议，并转换成 MQTT 协议接入云端工业物联网平台。适用于在各种网关硬件部署，用于构建工业物联网平台，无需容器框架，超低资源占用，X86、ARM 架构支持。了解更多eKuipereKuiper-轻量边缘流式处理引擎轻量边缘流式处理引擎Edge-处理、分析eKuiper-基于 SQL 超轻量级边缘流式数据处理引擎，将云端实时流式计算框架（比如 Apache Spark 和 ApacheFlink 等）迁移到边缘，运行在资源受限的边缘设备，以 10MB 的初始运行内存，支持 10k/s TPS 毫秒级实时数据处理与分析。eKuiper 开源项目最初由 EMQ 开发，现已捐献给 LF-Edge 基金会。了解更多19结语结语毫无疑问，数据是物联网时代企业最具价值的资产之一。真正有效利用数据，是企业建立核心竞争力的关键所在。EMQ 始终以物联网数据价值最大化为目标，针对物联网数据特征设计开发基础软件，力求通过对数据高效可靠的连接、移动、处理与分析，将基础的机器状态和设备感知数据转化为具有利用价值的洞察信息，进而实现数据变现与业务创新。随着海量物联网数据的持续产生以及与传统企业业务数据的进一步融合，更多以数据为中心、面向场景的新型应用将逐渐涌现。借势人工智能、云计算、边缘计算等技术的不断进步，也必将催生全新的商业模式。EMQ面向物联网架构的数据基础设施将助力构建坚实的物联网数据底座，为产业与社会的数字化、智能化、实时化转型进程提供动力。作为一家秉承服务导向、客户至上原则的开源软件企业，EMQ 愿与全球合作伙伴携手，共同构建面向未来的物联网业务应用与新型商业模式，服务人类产业与社会。