基础设施的完善，推动应用形态不断变迁

我们把过去四十年分为五个重要的技术发展阶段，从时间轴上我们把它切分为：1980 - 2000，2000 - 2005，2005 - 2010，2010 - 2020 以及 2020 - 2025。今天的发布会和第五个阶段的技术发展有关，从过去看未来，所以我们先回顾下技术发展史，先来看下前四个阶段分别经历了怎样的技术发展？在技术应用上的主要场景是什么？主流的应用形态是什么？诞生了什么样的新技术和新产品？

在 1980~2000 这个阶段，是计算机技术发展和应用的阶段。计算机能够帮助企业更好的管理自己的数据，对提升流程效率有很大的帮助，所以这个阶段的应用主要是企业信息系统。这个阶段诞生了很多专为企业服务的科技公司，创造了很多伟大的商业产品。应用系统的数据主要存储在数据库内，数据库以关系数据库为主，这一阶段是关系数据库理论和产品的成熟期，诞生了像 Oracle、IBM DB2、微软 SQL Server 等商业数据库产品。

在 2000~2005 这个阶段，是互联网技术的初始发展阶段。信息能够通过互联网更有效的传递，所以这个阶段诞生了大量门户类的网站，也就是 Web 1.0 时代。LAMP（Linux+Apache+MySQL+PHP） 是当时最流行的建站技术，是一个完全由开源产品组合的低成本解决方案。应用系统的数据存储仍以关系数据库为主，MySQL 以其开源和低成本的优势替换商业关系数据库，得到大规模的应用。随着互联网上的信息越来越多，人们获取有效信息的诉求越来越强烈，所以搜索引擎作为一个新的应用形态诞生。搜索引擎是首个面临大规模数据处理挑战的应用，Google 作为一家伟大的技术公司首创了很多大数据处理技术。大家熟知的三驾马车（GFS、Mapreduce 和 Bigtable），奠定了未来十年 NoSQL 和 Bigdata 技术的发展基础。

在 2005~2010 这个阶段，随着个人 PC 得到普及，以及接入互联网的成本逐渐降低，接入互联网的『人』越来越多。有一些新的应用形态因此诞生，一是人们不再仅满足于从互联网上单向获取信息，更渴望在互联网上进行人与人之间的信息交流，于是促进了社交网络的发展；二是围绕『人群』的应用，一些 B2C 或 C2C 的电商网站开始发展。这个时代就是所谓的 Web 2.0 时代，『人』作为新的数据源开始在互联网上产生大量数据。这个阶段诞生了一些超大体量的互联网公司，主要是在电商和社交网络领域。这些公司面临着如何支撑如此大规模数据在线服务，以及如何处理和分析这些海量数据的挑战。彼时还没有成熟可用的解决方案，所以这些公司不得不开始自研系统的开发，所以之后流行的一些 NoSQL 和 Bigdata 系统都是诞生或孵化自这个时代的超大体量互联网公司，比如 Hadoop 最早在雅虎内部孵化，Cassandra 最早是应用在 Facebook 的收件箱搜索场景。

在 2010~2020 这个阶段，随着 4G 技术发展和智能手机的普及，移动互联网开始发展。人们可以随时随地联网，移动应用可以覆盖到更广的人群，渗透到更多的生活场景，比如支付、打车等。传统互联网应用逐步向移动应用形态转换，产生了大量应用搭建的需求，云平台作为低成本、易接入的数据中心被更多企业接受，这十年也是云计算发展的黄金十年。云计算彻底改变了应用的运行环境，与传统 IDC 不同，在这个运行环境中，计算、存储等资源是池化的，可弹性获取多类型的存储和计算资源。基于云的弹性资源构建的应用即『云原生』应用，越来越多的大数据、数据库产品基于云原生构建，而为了拥有弹性可扩展能力，分布式技术也得到大量的使用。现代的新的大数据和数据库产品，分布式和云原生一定是必备的能力。

最后在 2020~2025 这个阶段，我们已经能看到 5G、IoT 技术逐渐成熟，又会诞生一个新的应用形态即物联网。我们能看到的一些新的应用场景，包括车联网、工业物联网以及智能家居等。

总结下过去几十年的技术和产品演进的规律（基础设施技术 -> 信息化范围变大 -> 更多场景、更大数据规模 -> 技术和产品发展）：
每个阶段都是由一个『基础设施』的完善和普及作为起点，基础设施的核心作用是让信息化的范围进一步变大。比如互联网让应用能与更多终端连接，移动互联网直接打破了终端这个壁垒，直接让应用能与更多人连接，而物联网会把更多设备也加入这个连接。
随着信息化的范围变大，更多新的应用场景诞生，同时更大数量的『个体』产生更大规模的数据，成为基础技术发展的推动力。
在这个过程中，往往基础技术会落后于应用形态发展。但随着分布式技术和云计算的普及，基础技术演进和普及的速度越来越快。我们也可以看到基础技术产品形态的变化，从最早的商业型产品，到开源型产品，再到现在的云原生产品。

那在物联网这个新阶段，设备的数量以及产生的数据会是更大的规模，会有更大的挑战。那在这样的挑战下，又会推动怎样的技术发展呢？

物联网行业将迎来高速发展，会面临怎样的技术挑战

我们来看下物联网到底在经历怎样的高速发展，从以下两个市场报告中来看下物联网整体的增长态势：
设备数的大规模增长：Gartner 预测到 2021 年物联网内设备数增长到 250 亿。如何管理如此海量的设备是第一大挑战。
设备数据的大规模增长：IDC 报告中可以看到，到 2025 年物联网数据规模达到 79.4 ZB，年平均增长率高达 34.91%。那如何存储和分析如此海量的数据是第二大挑战。

以车联网场景为例，定义对数据存储的具体需求

这次发布会的主题是物联网存储解决方案，所以我们来具体看下物联网场景下对数据存储的具体需求是什么。我们以一个车联网中的一个真实应用场景为例，假如你是一家提供网约车服务的新能源车企，日常管理数十万量新能源汽车提供网约车服务，你会遇到如下几个具体的场景：
为便于对这些汽车进行管理，每辆汽车都得实时汇报自己的状态，包括位置信息、剩余电量、行驶里程、行驶速度等等。除了这些动态信息外，每辆车还会有自己的一些静态信息例如型号、车主等，每辆车的这些信息都需要在后端实时获取和管理。
有了这些车辆的实时状态信息后，就可为车主、乘客或者是后台提供车辆的实时状态查询服务。后台也会有一些计算任务依赖于实时状态，例如根据位置信息或特定条件进行车辆圈选来进行特定任务的管理，或者是根据实时状态来进行车辆调度。
除了车辆自身需要实时汇报状态外，车辆与管理后台还需要保持一个消息通道。通过这个消息通道，车辆会汇报自身的一些异常事件，后台也可下发一些消息信息或者控制指令。
另外车辆的一些行驶信息会上报并存储为轨迹数据，同时行驶中的一些传感器数据也需要存储。有了这些数据后，一方面可以对行驶轨迹进行查询，另一方面是可以基于数据进行一些计算分析，挖掘更多的价值，比如通过分析历史行驶数据来优化调度算法等。

从这几个场景中可以看到，车辆相关的数据主要有三类，一是实时状态数据，我们把这类数据归类为『元数据』；二是消息通道，我们把这类数据归类为『消息数据』；三是轨迹数据，我们将这类数据归类为『时序数据』。这三类数据对底层存储有不同的要求，『元数据』的特征是高频更新，对查询能力要求高，需要根据多字段条件进行数据查询或筛选；『消息数据』的特征类似消息队列，队列数量极多，需要为每个设备维护一个独立的对垒；『时序数据』的特征是高吞吐写入，数据规模较大，比较偏重分析场景。

在传统方案中，元数据一般使用 MySQL 存储，但 MySQL 最大的问题是无法灵活支持多字段条件筛选，一般需要组合 Elasticsearch，依赖 Elasticsearch 来提供多字段检索能力。消息数据虽然具备消息队列的特征，但无法使用传统消息队列，因为传统消息队列无法支撑如此多数量的 Topic，所以一般也有选择使用 MySQL 来模拟队列实现。时序数据一般选择使用 HBase 来存储，能提供高吞吐写入和支撑大规模存储，但 HBase 不具备分析能力。

往往基础技术会落后于应用形态发展，传统架构是通过组合多款产品的方式来构建整个物联网存储系统。这种多组件的组合架构，架构复杂度高，带来极高的运维成本。开发者需要理解和使用多款产品，且分布式组件的运维具备一定的难度，导致整体的成本非常高。另外每个组件并不是为物联网场景设计和优化，我们可以看到物联网场景下设备元数据、消息数据和时序数据都有非常典型的特征，且整体规模增长速度会远超互联网时代，可以预见老一代产品无法应对物联网下更大数据规模的增长。

物联网需要什么样的存储产品

根据过去几十年技术产品发展的客观规律，物联网时代已经到来，当前的技术架构难以支撑未来物联网规模的增长。面对物联网下万物互联这一新的应用形态，在海量设备和海量数据的挑战下，基于云计算这一新一代基础平台，我们利用云原生、分布式等基础技术，需要打造一个什么样的新的基础产品呢？

我们希望这个新的基础产品具备以下几个特性：
基于云原生和分布式技术构建，具备可扩展性和弹性
满足设备元数据、消息数据、时序数据的一站式存储、检索和分析需求
具备足够低的成本来支撑如此海量数据

所以为了应对物联网行业发展带来的挑战，阿里云表格存储通过10年技术沉淀，将在9月1号重磅发布表格存储新能力：一站式物联网存储IoTStor；想要了解更多发布会信息，可点击下方链接或扫描海报二维码查看详情！

链接：https://yqh.aliyun.com/live/iotstorage