2.5　第四部分——計(jì)算、分析和機(jī)器學(xué)習(xí)

此時(shí)，我們必須考慮如何處理從邊緣節(jié)點(diǎn)流入云服務(wù)的數(shù)據(jù)。我們先談?wù)勗萍軜?gòu)的各個(gè)方面，如SaaS、IaaS和PaaS系統(tǒng)。架構(gòu)師需要了解云服務(wù)的數(shù)據(jù)流和典型設(shè)計(jì)（云服務(wù)是什么，如何使用）。我們以O(shè)penStack作為云設(shè)計(jì)的模型，探討從攝取器（ingestor）引擎到數(shù)據(jù)湖（data lake），再到分析引擎的各種組件。

理解云架構(gòu)的約束條件對(duì)于正確判斷系統(tǒng)的部署和擴(kuò)展規(guī)模也很重要。架構(gòu)師還必須了解延遲如何影響物聯(lián)網(wǎng)系統(tǒng)。另外，并非所有事物都屬于云。將所有物聯(lián)網(wǎng)數(shù)據(jù)移至云計(jì)算而不是在邊緣進(jìn)行處理（邊緣計(jì)算）或?qū)⒃品?wù)向下擴(kuò)展到邊緣計(jì)算設(shè)備（霧計(jì)算）時(shí)，成本都是可度量的。這部分深入研究霧計(jì)算的新標(biāo)準(zhǔn)，例如OpenFog架構(gòu)。

從物理模擬事件轉(zhuǎn)化為數(shù)字信號(hào)的數(shù)據(jù)可能會(huì)產(chǎn)生可操作的后果。這就是物聯(lián)網(wǎng)的分析和規(guī)則引擎發(fā)揮作用的地方。物聯(lián)網(wǎng)部署的復(fù)雜程度取決于所設(shè)計(jì)的解決方案。在某些情況下，一個(gè)尋找異常溫度極端值的簡(jiǎn)單規(guī)則引擎可以很容易地部署在監(jiān)控幾個(gè)傳感器的邊緣路由器上。在其他情況下，大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)可能會(huì)實(shí)時(shí)流向基于云的數(shù)據(jù)湖，既需要快速處理以進(jìn)行預(yù)測(cè)分析，也需要使用先進(jìn)的機(jī)器學(xué)習(xí)模型進(jìn)行長(zhǎng)程預(yù)測(cè)，例如時(shí)間相關(guān)信號(hào)分析包中的循環(huán)神經(jīng)網(wǎng)絡(luò)。本部分詳細(xì)介紹了從復(fù)雜事件處理器到貝葉斯網(wǎng)絡(luò)，再到神經(jīng)網(wǎng)絡(luò)的推理和訓(xùn)練的分析方法的用途和限制。