雾计算和对RedisEdge的需求

物联网（IoT）解决方案对任何数据库都提出了独特的挑战。它们从非常广泛的物联网设备中产生越来越大、越来越快的数据，同时需要接近即时的响应时间。鉴于此，解决方案的数据处理和分析必须越来越多地在网络边缘处理，尽可能靠近传感器、执行器和其他物联网设备。我们不再有在云环境中处理物联网数据的奢侈，在云环境中，似乎有无限的计算和存储资源，因为延迟是不可接受的。谢天谢地，有强大的数据库和平台正面应对这一挑战。但在探索解决方案之前，必须牢牢掌握物联网环境特有的数据需求。

考虑到物联网和大数据应用的容量、速度、多样性和准确性(“四个V”)要求，以及大多数用例的分布式特性，边缘计算越来越成为物联网和大数据应用的表项。那么，如果我们回到分布式计算的边缘，是否有一种方法来维护我们长期以来享有的数据处理能力(这也是我们在过去十年中拥有大规模云计算趋势的原因)?我们可以既吃蛋糕又吃蛋糕吗?

通过Fog计算将云主体带到边缘

幸运的是，在这种情况下——随着雾计算的普及和增长趋势——答案是肯定的。解决方案是将云的主体带到边缘，使雾和云环境协同工作，以处理复杂的物联网用例。当您有关键延迟需求时(例如智能城市或联网汽车物联网用例)，数据必须由靠近IP摄像头和其他传感器的加固雾节点处理，而非延迟的关键数据仍然可以同步到核心或云。通过这种方式，来自您的物联网解决方案中的所有边缘设备和雾节点的数据可以在核心级别聚合(例如，智能城市用例中的城市街区)，并最终聚合到云或数据中心环境，以进行更深入的商业智能和其他分析。

对于雾计算，我们将物联网设备、边缘设备、雾节点和云之间的数据通信称为“南北”通信，将整个系统边缘/雾节点之间的数据通信称为“东西”通信。要使其有效，您必须具备边缘的公共云或数据中心环境功能，如机器学习、深度学习和图像识别。这提出了我们的下一个挑战：考虑到边缘设备和fog节点的分布式特性和适度的存储和计算能力，我们如何处理这些需求？让雾和云环境同时运行至关重要。例如，使用机器学习，您可能需要在云中训练模型（在云中您拥有大量的计算和存储资源），并将这些经过训练的模型部署到雾节点和/或边缘设备（以便它们可以在接近物联网设备的情况下以最小的延迟提供服务）。

“智能前沿”数据库

“智能边缘”已经到来，并将我们从这些看似无法解决的问题中拯救出来(或《星际迷航》粉丝的小林丸)。今天，物联网的前沿是战场，但世界上是否有一个数据库可以处理来自数千个传感器、摄像头和其他设备的海量、高速数据?一个可以使用许多不同的数据库模型，并且占用空间小的实时处理数据的系统?

幸运的是，RedisEdge是一个多模型数据库，它提供了非常快的性能和吸收能力每秒数百万次写入，延迟<1ms处于物联网边缘。它可以在很小的硬件和软件占用下做到这一点，所以它非常适合在雾节点、边缘网关设备甚至万博电竞客服在某些情况下的物联网设备上运行。RedisEdge有许多原生数据结构(集、排序集、列表、散列、流等)，为物联网应用程序开发人员提供了最终的灵活性。万博最新版本下载苹果ag万博下载此外，通过已经存在的许多模块来扩展它，RedisEdge可以处理物联网边缘(时间序列、图、机器学习、搜索等)所需的非常多样化的工作负载。与部署五个不同的数据库来支持这些需求不同，RedisEdge可以用一个实例来管理所有数据库，从而极大地简化了您的体系结构。

Microsoft Azure IoT Edge+RedisEdge=更好地结合在一起

既然我们已经展示了一个值得用于物联网智能边缘的数据库，你可能想知道哪个平台最适合运行RedisEdge?幸运的是，微软新推出的Azure IoT Edge就是为迎接这一挑战而专门打造的!我们很高兴与Microsoft Azure合作在物联网边缘解决方案上，因为Redis和微软都将重点和投资放在加速智能和计算的边缘。将RedisEdge集成到Azure IoT Edge运行时环境中，联合客户和合作伙伴将享受快速通用数据存储、Azure Edge模块之间的消息代理、流处理、时间序列数据库和内存处理(用于机器学习模型服务、图处理、等等)，以确保最佳性能。

请在未来几周继续关注，我们将分享更多关于物联网社区将如何从我们的联合物联网边缘解决方案中受益的详细信息。