客座博客:Saurabh Mishra/SAS

由于“物联网分析生命周期”的概念可能有许多不同的理解方式，让我们从定义开始。在数据中心和云上执行分析已经是很成熟的实践，而且仍然非常相关。然而，随着连接设备数量的增长和网络各层计算能力的可用性，有机会将物联网(IoT)分析扩展到网络的边缘。

这种分析可以做到接近边缘更本地化的性质,因为它只会对应用数据从一个或几个特定的端点在商业生态系统,比如舰队车辆,制造工厂的地板上,一个近海钻探站等。在应用这些本地化的分析后，产生的数据仍然需要流回数据中心或云，以便更全面的企业级分析被应用并用于决策，这使得物联网数据更有价值。

例如，云或数据中心分析可以从分析单个车辆的数据转移到分析车队级别的数据。这种数据中心或基于云的分析不仅会推动企业层面的决策制定，还会产生改进本地化模型的见解，这些模型需要被推到边缘。建立这种从边缘到云或数据中心再回到边缘的反馈回路，是我们为物联网创建分析生命周期的方式。

为什么要关注物联网分析生命周期

通过实现物联网分析生命周期，可以实现两个明显的好处:

• 有效载荷的减少:即使在边缘进行简单的数据管理，组织也能够减少从边缘传输到中心所需的数据量。从带宽和存储的角度来看，这种有效载荷的减少有可能大大节省成本。
• 即时决策:随着我们的生命周期越来越好，并开始将改进的模型推向边缘，我们开始将决策制定推向边缘。这是非常宝贵的，因为我们可以实时地对不断变化的业务条件作出反应，而不是在边缘和中心之间启动往返。

由于在数据中心和云计算领域拥有数十年的大数据分析传统，SAS在支持物联网分析生命周期方面具有独特的地位内存流分析这将您组织的分析功能一直到边缘设备。

与大多数技术的推出一样，管理物联网的分析生命周期需要一种迭代方法。组织通常在升级到更高级的分析任务之前就开始在边缘处执行简单的数据管理任务，这涉及到将新的和改进的模型推向边缘。边缘计算还需要支持许多其他相关的任务，如部署内存流分析事件流处理对于新设备，更新现有设备上的软件版本，停止和启动分析引擎等。

在规模上支持这种迭代方法需要集中管理方法，这就是我们与Intel - WindRiver合作的地方。WindRiver提供了一个设备管理平台螺旋装置云．SAS和WindRiver一直在合作，将Helix的设备管理功能与SAS事件流处理引擎集成在一起。

这种集成的目标是确保我们为客户提供内置在物联网分析环境中的快速部署能力，以便他们能够快速推动变化，确定哪些工作，哪些不工作，并转移到下一个迭代。这使得客户能够拥有自己的物联网分析生命周期。

在边缘演示物联网

为了突出这个范例，我们在最近的一次演示了一个简单的“模型切换”用例英特尔开发商论坛．

设置涉及一个覆盆子π上面有传感器来测量光，声音，距离，温度和湿度。数据流从设备返回到运行SAS事件流处理引擎的物联网网关。该物联网网关还拥有一个螺旋设备云代理，允许其与相应的云平台通信。

我们在网关的事件流处理引擎中针对流数据运行了两个模型:

1. 一个计算数据汇总统计数据的简单模型(突出显示一个良好的初始模型)。
2. 一个模型，它预测每个标记的值，然后度量传入值是否在预测值的某些控制范围内(突出显示一个稍微高级的模型)。

活动模型产生的结果显示在SAS ESP Streamviewer中，这是一种基于浏览器的流数据可视化工具。然后，我们使用螺旋设备云的云平台来选择考虑中的网关，并在这些模型之间来回切换，并利用流查看器可视化来突出活动模型。

演示来自活动模型的结果的流查看器快照

该演示产生了出色的响应，包括我们如何将部署作为我们物联网分析战略的内在元素而不是作为事后考虑的大量赞赏。

如果你想深入挖掘物联网分析生命周期，可以考虑参加我们为期半天的培训，培训题目为:如何建立全企业范围的物联网分析生命周期?在SAS分析经验2016年9月12日在拉斯维加斯。您也可以驻足物联网展台，查看类似的演示或阅读更多分析了物联网．

这篇文章最初发表于SAS的声音．