M2M和連接設(shè)備最近很受歡迎，這要?dú)w功于一個相對較新的綽號——“物聯(lián)網(wǎng)”。但它的流行絕不僅僅是因?yàn)檫@個名稱很新鮮。

　　每臺機(jī)器都有生成數(shù)據(jù)的能力，這些數(shù)據(jù)被設(shè)備自行存儲。迄今為止，我們關(guān)注的焦點(diǎn)還是設(shè)備或系統(tǒng)之間的數(shù)據(jù)傳輸和共享。據(jù)Machina研究，到2022年，將有18億M2M連接，并且以每年22%的增長率增長。

　　企業(yè)對M2M的投資主要是為了遠(yuǎn)程監(jiān)控和遠(yuǎn)程設(shè)備診斷。然而，他們一直不愿在用于趨勢預(yù)測分析的數(shù)據(jù)倉庫和分析解決方案方面多作投資，因?yàn)閭鹘y(tǒng)的數(shù)據(jù)倉庫解決方案昂貴又費(fèi)時費(fèi)力。現(xiàn)在，大數(shù)據(jù)在云計(jì)算中的可用性使得企業(yè)無需龐大的前期投資也可以獲得巨大的投資回報(bào)率。

　　雖然大數(shù)據(jù)用例圍繞數(shù)據(jù)數(shù)量、種類和速度不斷增長，但是云計(jì)算卻更側(cè)重于標(biāo)準(zhǔn)格式的低字節(jié)數(shù)據(jù)傳輸和更小的磁盤I/O速度。考慮到云計(jì)算中可用的大數(shù)據(jù)技術(shù)，最終還是M2M分析更勝一籌。

構(gòu)建大數(shù)據(jù)M2M分析前的注意事項(xiàng)

　　然而，M2M確實(shí)帶來了不小的挑戰(zhàn)。各種M2M的分段、應(yīng)用和設(shè)備，以及動態(tài)和不可預(yù)測的流量，對低延遲和實(shí)時性的要求，當(dāng)創(chuàng)建一個低成本、高吞吐量和數(shù)據(jù)安全的解決方案時，這些都是不可小覷的問題。

　　要克服這些障礙，并構(gòu)建一個M2M的分析解決方案，企業(yè)開發(fā)團(tuán)隊(duì)必須作好在云中如何最好地利用大數(shù)據(jù)技術(shù)的準(zhǔn)備。

M2M分析需要創(chuàng)建的模塊

大數(shù)據(jù)分析工具下載>>

數(shù)據(jù)可視化工具下載>>

了解M2M分析需要什么

　　第一個重要的步驟就是明確創(chuàng)建M2M分析方案需要的理由。找準(zhǔn)目標(biāo)用戶，并確定方案能夠給他們帶來什么樣的好處，然后確定具體的業(yè)務(wù)用例以定義分析解決方案的范圍：

• 實(shí)時遠(yuǎn)程監(jiān)控M2M應(yīng)用程序的數(shù)據(jù)。
• 分析機(jī)器日志以按需優(yōu)化性能或找出消費(fèi)者問題的根本原因。
• 使用趨勢和預(yù)測分析對未來可能發(fā)生的機(jī)器故障進(jìn)行預(yù)測。
• 根據(jù)使用記錄建立一個推薦引擎，為消費(fèi)者推薦新產(chǎn)品、服務(wù)或計(jì)劃。

決定數(shù)據(jù)源和目標(biāo)

　　確定數(shù)據(jù)源以完成數(shù)據(jù)收集和分析，并為目標(biāo)用戶建立數(shù)據(jù)輸出的可視化層。在這個階段，需要重點(diǎn)考慮的是安全和合法性方面的問題。在M2M中，這些數(shù)據(jù)源有半結(jié)構(gòu)化或非結(jié)構(gòu)化的，他們來自機(jī)器、或包含日志的傳感器、語音數(shù)據(jù)、圖像、視頻、電子郵件等，以及其他一些結(jié)構(gòu)化格式的ERP和CRM中的客戶信息、使用情況和設(shè)備記錄。

　　在確定數(shù)據(jù)目標(biāo)時，想想數(shù)據(jù)存儲的原材料、豐富和聚合數(shù)據(jù)的存儲和保留策略。存儲的數(shù)據(jù)應(yīng)該可以使用標(biāo)準(zhǔn)的API，可讓與故障管理、警報(bào)和通知系統(tǒng)無縫集成。

選擇大數(shù)據(jù)平臺

　　M2M通信（包含大量傳感器、圖像和視頻數(shù)據(jù)、機(jī)器日志）和傳統(tǒng)的數(shù)據(jù)倉庫將對自身的擴(kuò)展能力和成本效益進(jìn)行測試。大數(shù)據(jù)技術(shù)提供建立起一個完整分析解決方案的技術(shù)和平臺。選擇一個大的數(shù)據(jù)平臺時，要牢記以下幾點(diǎn)：

• 大多數(shù)的開源技術(shù)是依賴社會的支持和文檔。
• 在內(nèi)存中使用高度分派處理技術(shù)，以減少磁盤I/ O。
• 評估數(shù)據(jù)分析和改造的工具，以清洗原始數(shù)據(jù)，然后再加載到大數(shù)據(jù)存儲。這一點(diǎn)尤為重要，因?yàn)榇髷?shù)據(jù)具有海量的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)。
• 分析解決方案可能會需要連接不同的數(shù)據(jù)源和目標(biāo)的能力，所以你要選擇內(nèi)置連接器的技術(shù)，以實(shí)現(xiàn)廣泛的前端查詢和可視化工具，再加上后端數(shù)據(jù)收集和加載。

部署云基礎(chǔ)設(shè)施

　　使用大數(shù)據(jù)構(gòu)建M2M分析解決方案對需求和靈活的容量配置要求更高，這些要求可以是短期的。為這些要求添加新的數(shù)據(jù)中心或硬件是昂貴的，這正是為什么選擇云計(jì)算作為構(gòu)建和部署M2M分析的原因。當(dāng)進(jìn)行部署時，請遵循以下幾點(diǎn)：

• 為每個事務(wù)的數(shù)據(jù)傳輸?shù)皆浦羞M(jìn)行存儲和分析建立API。
• 將M2M數(shù)據(jù)存儲在企業(yè)系統(tǒng)或本地?cái)?shù)據(jù)中心中，然后將整個數(shù)據(jù)集分批復(fù)制到云中。雖然這可能導(dǎo)致高延遲，但確保了企業(yè)數(shù)據(jù)更多的控制和更安全的環(huán)境。
• 將M2M數(shù)據(jù)存儲企業(yè)系統(tǒng)中中，并做到通用，在內(nèi)部部署（on-premise）的環(huán)境中一天天的分析。

　　混合云是M2M分析的理想選擇，因?yàn)樗麄冃枰叨劝踩膫€人客戶數(shù)據(jù)和公開的人口普查分析。

　　與此同時，可以考慮使用公共云搜集公開數(shù)據(jù)，并發(fā)布數(shù)據(jù)分析后排在最前面的消費(fèi)應(yīng)用和可視化報(bào)表。

非功能性方面的思考

　　當(dāng)決定如何最好地利用大數(shù)據(jù)進(jìn)行M2M分析時，注重整體性能、可擴(kuò)展性、可靠性和可用性的要求是至關(guān)重要的。

　　總之，收集來自多個企業(yè)的數(shù)據(jù)分析平臺，構(gòu)建多租戶模型。專注于為消費(fèi)者和企業(yè)應(yīng)用提供物理數(shù)據(jù)庫和邏輯隔離，不要忘了定義數(shù)據(jù)保留策略（這是一個決定所需容量的必要步驟）。至于安全方面，只需考慮數(shù)據(jù)保留期限和關(guān)鍵性的數(shù)據(jù)。在網(wǎng)絡(luò)數(shù)據(jù)傳輸和訪問數(shù)據(jù)報(bào)表時定義存儲中的數(shù)據(jù)的安全策略，不過網(wǎng)絡(luò)安全可能會導(dǎo)致支出增加。

擴(kuò)展閱讀：

• 揭秘圖表報(bào)表行業(yè)最流行的五大數(shù)據(jù)可視化工具
• 數(shù)據(jù)挖掘和分析最佳編程/統(tǒng)計(jì)語言評選
• 大數(shù)據(jù)分析常見的9種使用價(jià)值
• 數(shù)據(jù)可視化工具FusionCharts讓你工作游戲兩不誤
• 至即將到來的Dundas Dashboard v5–大數(shù)據(jù)