阿里云产品运营专家,深耕于互联网企业应用领域长达8年,先后负责阿里云企业应用产品的底层架构搭建、阿里云网络产品的改进运营、视频云产品与API网关的规划及运营。目前主要负责阿里云产品的用户体验运营。
内容分类:1、 企业大数据现状及痛点2、 大数据对企业的促进作用3、 解析业务数据的特征4、 典型技术架构的分析和构建前三个为铺垫类,最重要的是第四个。但前三个的重要性也非常高,把目录调整下变成目标B,再来看就比较清楚: 1、 找出问题,才能解决问题;2、 计算收益,大多数都是做企业型的,而非学术型,所以收益是企业必不可少要考虑的,并且也是要痛点痛到不能呼吸时,大多企业才会花费大量的精力去解决,而不是无关痛痒的东西也拿来占用大量企业资源解决,这样一定情况上会影响业务增长与企业生存,这一点也是非常重要的;3、 分析病灶,找到瓶劲,制定应对措施;4、 给出解决方案,制定计划,对症下药,解决问题。这一点是最最重要的,涉及到架构搭建以及套路化的解决问题方法论。下面就重点介绍目录1的所有内容:如何发现问题。 一、大数据的概念很多人都在听大数据如何如何,怎样怎样。但大数据到底是怎样的,并不是非常清晰。从表面现象来看,大数据是一个海量数据,但问题在于我们要让这些海量的数据产生价值,就要通过一些挖掘工具来寻找它的价值 ,这是大数据尤为重要的方向。大数制的标准定义:1、从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。2、大数据的特色在于对海量数据进行分布式数据挖掘,其战略意义不在于掌握庞大的数据信息,而在于对这些有意义的数据进行专业化处理。3、如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过加工实现数据的“增值”。大数据和云计算之间的关系是一体两面的,没有云计算就没有大数据。 二、大数据的前世今生无论是大数据还是云计算,都有一个非常重要的角度,2004~2007这三年,谷歌发布了三篇论文,引爆了大数据时代的降临。这三篇论文是基于分布式数据库、分布式文件系统,以及弹性计算,它纯属理论,研究报告。到了2008年,大数据之父”道格 · 卡丁把谷歌的三篇论文从理论变成了稳定产品。就是HADOOP生态逐渐起来。2012年,联合国、中、美等国发布大数据白皮书。阿里巴巴设立首席数据官一职。原来只有CIO,没有CDO,这也是从2012年之后才开始流行起来,有CDO这个职位。 三、本期内容的重要环节:企业数据现状及痛点数据的收集分三类 客户端数据收集 业务端数据收集 服务端数据收集 一)客户端的数据收集主要分两种:浏览器信息的收集/网络特征信息的收集,能收集到的和已收集到的基本上也就这两类。1、浏览器信息主要通过浏览器请求过来,通过服务器抓包日志里面的一些信息,包括它使用的什么浏览器、请求的参数、cookie等等,这样的数据都是通过浏览传过来的,这部分信息也是比较容易获取的。2、网络特征信息,存在CS架构程序里面,BS主要是拿浏览器信息,而CS主要通过网络特征信息把它传过来,传到服务器的同时传到日志里面去,这就是整个客户端数据收集层面的数据。二)业务端数据收集,是比较泛的,可以收集到核心业务数据和业务监控数据以及用户交互行为信息三部分的数据。这些数据如何定义,分别代表什么?1) 核心业务数据:整个数据的业务信息,如果你是做电商的,像商品信息、购买信息、订单信息、用户信息都是核心业务数据;2) 业务监控信息:像流量统计,库存报警,短信发送量监控、账号资金池余额监控,退换货等信息;3) 用户交互行业信息:如果一个用户在你这里查看了一件商品,阅读了一篇文章等信息,它不是很敏感,也不是很核心的信息,只是用户在操作中产生的一个交互数据,这个数据可能是有目的性的,比如他是需要买这件商品,所以他会浏览,也可能是没有目的性的,比如他可能是无意中点进来看看就走了。但是我们的交易信息一般都存在库里面,但也可能是有,你没有收集落地,但却可以被收集。三)服务端数据收集:分为三个部分的数据:服务器日志/底层服务日志/服务器监控信息1、服务器日志收集:无论是使用Windows服务器或是Linux服务器,服务器的日志都是非常关键的,同时比较容易收集,但也存在麻烦,它不单纯是服务器有一个什么日志在某个地方,而是有无数个小服务,无数个核心服务组成的一个日志库,就比较庞杂,会有各种各样的服务及应用。2、底层服务日志:今天在我们的服务器上运行的一个网站,网站可能是通过我们的Apache去暴露的, 也可能是通过Nginx暴露出去的,Apache和Nginx是一个底层服务,它会产生很多很多的日志,这个日志是我们非常重要的一个分析源,是可以被收集的,也有很我公司收集这些数据进行分析。举个例子:通过分析Nginx日志了解到哪些页面的性能是瓶颈,我的业务系统里面有200个页面,其中有15个页面,响应时间是超过2~3秒钟,这种情况明显是不正常的,就需要进行性能优化处理,这是一种可能性。第二种可能性:如果系统出现了问题,被攻击,或入侵等问题,可能通知日志去分析哪些页面可能成为入侵的一个点,或口子,包括有没有一些畸形的请求产生,这些都是可以通过服务日志里面看到的,这些分析也是非常重要的,一切的分析都是离不开日志的。3、服务器监控信息:现在软件越来越多了,都具备收集监控日志的能力,比如做监控开源用的比较多的有Zabbix,还有阿里云的云监控,都是相对用的比较多的,它能监控我们整个服务器CPU的使用,磁盘的使用以及内存的使用,IO的开销等等,不一定是日志的方式去落地的,但会有一个程序去收集它,把数据发送到他的服务端上去。整个服务端收集到的数据都非常的丰富与多元化,也非常庞杂。那么以上数据能收集到的三大块数据里面的8小块信息又都有怎样的表现形式呢?客户端数据样例:从下图中可以看到时间、类型、页面地址、浏览器类型以及版本号、设备信息等,都是非常重要的信息。 这些信息通常来源于对浏览器信息的采集,信息多为非结构化数据,而且量特别大。当业务表现为WEB形式时,通常拿到的数据是浏览器的相关信息,当业务表现为混开式APP时,拿到的数据会额外得到业务APP的其它信息,比如机型、Android或IOS版本号等。业务端的数据样例: 上图来源于数据库,Mysql、MongDB 等,有结构化的也有非结构化的数据,通常在业务过程中产生,就如之前讲的如果你是做电商平台的,那这些数据就是电商运作过程中产生的数据。这些数据非常重要,属于核心数据,重要性远远大于客户端数据和服务器端数据。可以肯定的说,其它两个数据丢也就丢了,不会给公司造成致命性的伤害,但业务数据如果丢失了,可能公司都没了,重要性可想而知。服务端的数据样例: 通常来源于服务器端的具体服务,一般为文本格式,且多为非结构化数据,比较枯燥,上图这个日志就是一个Nginx的访问日志,这里面也存在一些比较有差异化的地方。当前用的软件都是比较新的,但有一些存量的业务使用的版本偏老,这种情况就会存在同一个业务线使用了不同的底层服务,比如说Apache可能使用了2.2的版本,也有可能使用2.4的版本,Nginx有可能使用了1.1的版本,甚至是1.0的版本,这种版本上的差异会带来如几个弊端:1、 配制方式不一样2、 日志格式不一致:这种情况就会导致不同时期、不同版本的服务可能产生格式完全不一致的日志,导致模板无法套用,这是一个需要引起注意的问题。服务端的数据相对说比较单纯,多半都是文本形式存在。以上三大类8小块的数据,这些数据都有些什么样的问题?这个是需要我们任何一个人去思考的。 四、数据存在的问题大部分企业的数据现状,基本上就分如下四个部分,当然也有做好的,可能不存在如下这种情况,但绝大数据情况下,都多少会有一些问题。而我们本身就是一个有问题的企业,一步步从有问题到发现问题、解决问题这样摸爬滚打过来的。 1、孤岛化:各种各样的业务线、系统、平台每时每刻都在产生数据,但是这些数据不汇聚,深入点讲就是数据可能都不在一台服务器上,业务起来也有先后顺序,不一定都集在一套系统里成。最常见的像用Java做的应用程序,几年前开发的是一个IIS一个版本,Tomcat一个版本,今天开发的产品用的IIS是一个版本,Tomcat又是一个版本,这种问题理论上说是要优先考虑并且要避免的,要对老的版本进行迭代,保持到一个比较新的且稳定的版本,但大部分企业都聚焦在如何把业务更快速的迭代好,把产品上线,很多东西就在过程中慢慢孤岛化。除了IIS与Tomcat外,像Mysql、日志平台的差异等,如果不能有效的统一起来,就无法有效的进行数据分析,这就是孤岛化带来的最大问题。2、 多格式:企业手中的数据杂乱无章,格式不统一。不能有效整合成统一格式进行应用。如果今天我们要去分析我们的数据,数据要拿来用了,我们都希望数据统一,无论是结构化还是非结构化,大不了JS我们打散放到MongDB里面去,变成一个个文档到后面再去处理,要么就是全部都处理好变成结构化数据,放到一个Mysql,或者是其它结构化的数据里面,再进行统一的分析和处理,但这种状态太理想化了,很难实现,像返回日志的问题,有1000条PV就会有1000条日志,如果这是1天的量,那一年的量可想而知,这样的数据量放到单一的数据库里面去,也不现实,所以多格式面临的问题就是不能有效的整合成统一格式进行应用。3、 低价值:除了核心业务数据拥有很大价值,最大的问题是所有业务数据的量只占我们所有数据量的5%~10%,其他90%都是附加数据,不能有效的产生价值。所以大数据从字面意思理解,他只是一个名词,是一个海量数据的名词,90%数据都不产生价值的话,它只能属于沉睡数据资产。大部分企业数据都存在这个问题就是低价值的问题。4、 无应用:拥有大量的数据,90%的数据又不能被直接应用,无法被用户直接感知,它就是我们经常所说的,食之无味,弃之可惜,但又占用空间的无用产物,无应用就体现在占用磁盘,应用了你大量空间,却未被转化成客户可感知、可应用的数据。 五、内容总结1、大数据的概念2、大数据的前世今生3、大数据的采集方式4、数据的定义5、数据存在的问题 六、问题答疑环节:1:大数据在高校里面有什么样的应用场景?答:1)实验数据少时,用纸记录;2) 产生海量数据时,找个数据库存下来,会存在几个比较明显的问题:A、 实验室比较机动,随机性强,数据格式无法定义B、 数据不标准,多数情况下先收集,再分析问题2:业务数据难道不是通过客户端收集的吗?答:业务数据不一定是通过客户端收集的,如果你的产品是通过异步方式处理的,APP端和WEB端只负责请求丢给消息队列,由后端服务去消费消息队列,再进行后续的操作,这个过程中你是可以去收集消息队列中的日志,再进行分析,从而留存用户行为的效果。通过客户端收集会有一个问题,收集日志过程中都有一个原则,如果是通过非侵入式拿到日志,那就一定得通过非侵入式获取日志,千万不要通过破坏性的埋点、打空的方式拿日志,埋点打空本身会对我们的业务形成一定的破坏性,影响到性能,特别是不能预期这个场景时,这个性能破坏无限大。比如说当你在做一个秒杀活动的时候,你通过秒杀活动的APP同步参与秒杀,又同时存日志到数据池中去,秒杀可能有1秒中有几十万次,几百万次的请求,服务器本身压力已够大,这种情况下,可能就会导致雪崩,集群有可能就会挂掉。这是一个非常典型的,不应该出现的低级错误,所以最好是庞路收集。 下一期内容《大数据对企业的促进作用》将于11/28晚20:00直播,敬请期待。
本章节课程,是本期《物联网硬件接入难点及解决方案》的最后一节课程了。除对本课程内容进行总结外,还将重点介绍物联网产品未来的发展变化。 一、前4章节内容总结物联网项目实施三大问题a) 接口多、协议多- YFIOs数据组态,成本低,使用环境更广。b) 工控方案代价高 - 产品整合方案:软硬件兼工程的全面整合,甚至可以优化商业模式的变化。c) 偏云端,需多方合作:接入多、对接难- 物联网云平台,解决节点多,对接困难。 以上可简要为:1、成本高 2、实施困难:需要进行线的部署,这就需要用到电磁供电,无线设备等大功耗的产品。所以推出了低功耗、无线通信、智能(大数据分析同,人工智能等相关)的物联网产品,可以很好的解决成本与项目实施问题。二、产品技术实现针对物联网未来的发展出的一个产品:六方塔环境监控器:专为环境监测倾情打造了“六方塔”数据采集器。“六方塔”的技术充用利用了阿里云的物关网技术。下面先来看看技术实现路线图:A、在数据采集端:内核做成一个超小型的轻量级设备,采用阿里云AliOS Things嵌入式物联网操作系统,采用低功耗芯片,电池供电。B、通讯环节:考虑到野外监控环境,采用LoRaWan(或NB-IoT)等相关低功耗窄带技术进行数据远传。以及重点使用阿里的Link WAN管理平台,专门针对LoRaWan设备进行通信管理。C、云平台,界面展示端:采用阿里Link develop一站式平台,打造环境监控平台。我们主要是在硬件上,但是软件与新技术上,我们就直接对接阿里云的物联网平台。 三、产品介绍: 1、六方塔主板: 为什么要选用这种六边形的设计方式,有以下两个原因:a) 节约空间;b) 方便堆叠和方便拼接。设备的选用:a) 芯片:低功耗芯片 STM32L476RCT6b) 外设接口: 3*IIC 3*SPI 3USART 2uarts 1*LPuart 1*CAN c) 主板主要运行系统是AliOS Things,更加方便我们将数据传输到云端,方便后续数据处理工作的进行。 2、六方塔传感板: a) 数据采集板中包含了多个传感器:温湿度传感器、光照传感器PM2.5传感器、CO2传感器、噪声传感器;b) 传感器电源可以分别控制,实现更精确的电源管理;c) 数据采集板将数据实时采集并且上传到LinkDevelop平台或者是阿里云物联网平台。 3、六方塔-LoRaWAN板 LoRaWAN是在LoRa物理层传输技术基础之上的以MAC层为主的一套协议标准。有了这个标准之后,LoRaWAN的就变成一种网络技术。这套技术对应的产品包括LoRaWAN节点,LoRaWAN网关和LoRaWAN的协议和数据云平台。使用LoRaWAN网络产品时,对用户的接口有两个:一个是在底层传感器和LoRaWAN节点之间有一个数据接口,传感器数据通过这个接口传到网络;一个是LoRaWAN的协议和数据云平台和用户的应用之间有一个数据接口将网络的数据传送应用。LoRaWAN提供了多信道接入、频率切换、自适应速率、信道管理、定时收发,节点接入认证与数据加密、漫游等特性。除在物理层仍具有传输距离远、功耗低的优势之外,相对于仅使用 LoRa物理层的传输方式具有如下优势:A、具有兼容性:不同厂家的不同传感器节点可以接入同一个LoRaWAN网络B、网络容量大 C、安全性好 D、特性不断扩展升级 4、六方塔-LoRa 产品同时支持利尔达和凌承芯的LoRa模组、超低功耗、超高灵敏度、传输距离远。接口:SPI接口,通过SPI接口,借助CAD+休眠等机制,实现低功耗数据传输。 5、六方塔-NB-IOT 选用移远的BC95-B5/BC35-G模组,尺寸紧凑的NB-IOT无线通信模块,超低功耗、超高灵敏度,内嵌废物的网络服务协议栈。接口:采用usart接口,通过usart接口给模组发送AT指令对模组进行各种配置,可以将数据采集板采集到数据通过NB上传到各种云平台。从以上可以看出,未来功耗问题是我们需要关注的重点,也是需要重点去解决的难题。六方塔环境监控器就是我们结合阿里云新技术,迎合未来的市场需求,而开发的一款解决方案型产品。物联网时代已真正的来临了,且已经渗透到我们生活的点点滴滴,无论是农业,还是畜牧业,或是智能家具,都与物联网有着千丝万缕的融合。智用物联网,用好物联网,将有更大的挑战与机遇。 四、本期课程总结1、课程概览2、物联网现状及落地难点3、物联网三大困境破解4、物联网落地场景一-物联网智慧养殖5、物联网落地场景二-物联网水处理系统6、物联网未来发展与产品介绍以上内容在之前的课程已解讲的非常多,这里不多赘述,可登录《MVP时间》在线观看视频讲解,也可直接点击上述每节课程概要,查看详细的内容解读。 非常感谢对本课程的关注,若有任何的建议与其它诉求,均可反馈给MVP运营,我们将在下周的直播课程《50分钟带你学会物联网智慧畜牧实践》中进行答疑。
大家好,我是叶帆科技创始人兼CEO,刘洪峰,也是阿里云的MVP。本章课程我们将结合前面讲的内容,进行场景再现,上一章节我们讲了智慧养殖,本章节我们将讲物联网是如何进行水处理的, 主要采用什么样的原理。智慧养殖是在物联网实施过程中,整个项目持续最久的。当前这个水处理系统,大概也做了2年多的时间,早期对广西的客户进行一些污水处理,主要是循环水处理,像大楼里面的暖气供水,空调用水等都是内部循环,这些水如果不及时处理,就会对管道进行腐蚀,造成其它不可预估的损失及影响。目前不只是循环水的处理,还有锅炉、RO等水处理。一、首先看一下水处理如何定义的水处理是指为使水质达到一定使用标准而采取的物理、化学措施。而我们主要采用化学水处理措施,应用比较典型的像循环冷却水、闭路系统、RO系统、锅炉系统。 二、项目在进行的整个过程中,最大的困难点1、 对接仪表多,现场类型多样;2、 硬件成本高,现场实施困难。 三、针对这些问题,我们是如何应对的在我们未介入进行水处理之前,客户主要是通过以太网放到云端来进行数据实施与中转,其实以太网是一个本地的系统,这样操作务必会造成一个大的成本投放,仪表至少都要上万,而我们做的循环水系统,并不是靠项目来挣钱,而是药的成本,它就像是电信移动运营商靠流量来赚钱,所以主要的营利在药的收益,这就对设备有了更高的要求,特别是点越来越多时,共公做法不仅成本高,维护也困难。对此我们也对整个硬件进行了重构,硬件就是上图中展示的这些,把相关仪表整合成一体化的一台设备,在便利性与成本控制上都有明显的成效。四、设备的应用与配置1、下图中这个设备是真实场景中的设备,这些设备都可配置的,右侧的流程图也是可调整的,其实每个图都是根据我们配置的药包数量、检测数、节点量等自动生成。以前要做这些是非常麻烦,需要一个个配合,一个个写逻辑关系,当前这个就是一键生成,不需要你很了解技术,只要熟悉流程就可以很快的完成这一部分的工作。 2、下面这张图是软件配置的截图,是根据上图中的流程,这里可以看到很详细的配置过程。比如首页要显示什么内容,药泵以及其它的点要怎么配置等,都可以直观的操作。 3、下面这个图就是展示配置后,有多少个药泵,第一个节点是什么,值是多少,第二个节点是什么,值又是多少。比如像检测锅炉的,有检测温度点,PH值等,需要采集的数据可能会更多,甚至还有流量计也会进来,这里都可以进行配置。因此除了配置的繁杂性,逻辑关系也很重要,这个和做水处理和物联网传输也有一个非常大的区别,我们是把常规必要可配置的项,尽可能支持可配置,而这个开发逻辑, 我们也是接入了阿里云系统,进行二次开发,用户也可以很简单的参与进来一起开发,有些特殊的用户可以写一些相关的逻辑。这样用户合作也很容易并且灵活性也高,成本大大节约,实施也更加简单便捷,甚至帮助他们优化业务模式,比如可以提供免费设备,换成收取服务费,从一个卖产品到一个提供服务的转换。 五、经验总结:物联网的发展,真正的帮助传统企业的发展,带动了传统企业的转型,影响到了整个生态的发展,更影响了整个商业的发展,未来物联网将与我们每个人息息相关。以上是本章节全部的内容。若大家对本单节内容有任何的建议可以给到《MVP 时间》运营,便于我们后续一对一进行答疑。 六、本章课程回顾:1、针对物联网水处理实施过程的经验,提出实施中遇到的两大难点;2、针对以上两大难点,提出自己的解决方案3、产品介绍与使用登录MVP 时间官网,在线学习更多最佳实践解决方案。 七、历史课程回顾:第三章:《MVP 时间》之物联网落地场景一:物联网智慧养殖第二章:《MVP 时间》之物联网落地三大困境破解第一章:《MVP 时间》之物联网现状及落地难点课程上线预告:会上网的鸡,有啥不一样?
大家好,我是叶帆科技创始人兼CEO,刘洪峰。在上一节中,介绍了物联网硬件落地面临的问题,以及相应的解决方案。主要是理论上的解决,本节课程将根据物联网养殖这个实际案例进行详解。此场景是我们和新希望以及其它养殖企业合作的真实案例,在现场装了不少的点,采了不少坑,当然也总结了不少的问题,期间不断寻找解决方案,找寻不同的技术支持,来完善整个过程的实施方案。在我们真正的生活环境中,离养殖都是比较远的,了解的知识也是很浅显单薄的。刚开始我和大家一样,也存在很多的误区。也只远远见过简单的鸡棚,也听说过肉鸡养殖1个多月就出棚上市的效率。但真正开始接触这个项目后,历经3年的项目打磨后,回头看确实和之初的想法存在很大的出处。接下来,一起来看看养殖的现状,中国养殖业比较发达,毕竟是一个从农业转工业的国家,无论是肉鸡、肉鸭,尤其是猪的存量非常大,据了解,全世界70%的猪都被中国人吃掉了,整个养猪产业是非常大的,诉求也是非常高的。按照农业部对标准化规模养殖的定义:生猪年出栏0.5万头以上、肉鸡年出栏5万只以上、蛋鸡年存栏1万只以上、肉牛100头以上、肉羊出栏300只以上,按此标准,2015年中国生猪、肉 鸡、蛋鸡、肉牛和肉羊规模化程度分别达到了20.29%、30.29%、48.70%、19.75%和15.12%。下面这些图片,是在施工现场拍摄的一些照片,比如有笼养的,放到笼子中去养的,鸡又分肉鸡、蛋鸡。方式上还发平养、散养等方式。 这些照片只是拍摄的部分环境展示,真实的场景更多、更复杂。有的鸡舍大,有的小,有的反馈自动化成本高,有的设备比较差,样式也是多种多样。从上面的情况也能看到,面临的主要问题有以下几个方面:1、养殖棚舍种类繁多,类型不同,大小不一,布线、实施难度大。这对信号传输,布线带来了各方面的影响与难点。2、需要采集的数据种类多。像温湿度问题、环境问题:氧气含量、二氧化碳含量、氨气含量等,以及PM2.5这样的数据。除此之外,还要监控里面的风机等运行状态,电表数据,水表数据等。后续为了评测,增加了一些称重。上面我们有讲到养殖环境:平养,散养,这给称重也带来了很大的挑战,刚开始,针对散养的, 做了一个非常大的称,后续针对笼养,我们又做了一个针对笼的称。肉比是最重要的指标,如果没有称重系统,那对于整个物联网养殖系统是一个非常大的缺失。称的需求量是非常大的,如何以低价格低成本的解决是一个难点。在国外,建一个鸡舍大概需要300万,甚至更高的投入成本;但是在国内,基本上都小型的鸡棚鸡舍,最多几十万就可以搞定了。如果物联网实施也需要几十万上百万,那代价相对较高。但我们下面给出的解决方案将有一个数量级的下降,且便于推广,便于整体管理。下面就来介绍下我们的实施方案。1、首先看一下物联网养殖的发展历程:物联网养殖从2003年开始,而我们真正的介入是2014年、2015年期间,刚开始的做法也是偏传统,偏中控的方式,比如说通过传感器,几个单品进行连接,但是后面发现实施繁琐,价值昂贵,致使我们开始进行整合方案,开始是三合一,把光照、二氧化碳、温湿度相关的数据整合在一起,后面又做到七合一,再到目前的九合一,包括最关键的称也是一样,尽量使安装更加方便,实施更加便利,测量更加准确。 2、第二部分介绍下养殖的新场景:国内的养殖还处于偏落后状态,数据都是通过人工检测几个试验点,进行手工填报,称重也是同样的操作。操作周期较长,人工投入成本高,基本上一周才会操作一次。一个肉猪大概40天就出舍了,这样来看评测力度就比较粗,没有办法很好的了解鸡的成长是否是符合标准的,温湿度是否是合理的成长因素,最佳环境值应该控制在什么样区间,可以促进鸡的成长,哪些参数需要调控,都非常难管理。但是增加了物联网管控后,就是一个新的场景了,可以对数据进行汇总分析,给出最佳指标值,并且会安排专家亲自辅导,现场作业,针对不同的指标调控进行辅导,包括用料,也会进行相关的指导,帮助养殖户提升新环境的养殖操控。 3、第三部介绍下解决方案相关产品:通过图片可以看到,有最初整合的三合一的数据采集器,中期的七合一数据采集器,到目前的九合一数据采集器,同时我们也在不断的对产品进行优化改进。 物联网和互联网一样是个服务行业,它随着技术的更新,时代的发展而不断的更新迭代。举个例子,像传感器,刚开始都是可以使用1年半,但在实际场景中,根本用不到1年半,尤其是氨气比较重的地方,只能使用1~2个月就作废了。4、第四部分介绍下移动APP终端:此APP也是我们结合线下硬件施工情况,专门开发的一款软件监控系统,除了在WEB端可以查看,还有APP端,在APP上可以直观的看到相关的数据指标,像日常管理有每日小记、日明细、报警管理、环境情况以及总体数据分析与曲线图对比。还有用料与成长比,成长曲线等监管数据,均可在此APP中管理。这也是通过互联网化管理的方式,可以大大降低人工以及实施成本。 以上就是本章节全部的内容。希望大家多多提取学习建议给到《MVP 时间》运营,便于我们后续一对一进行答疑。 下面简单做下本章节内容小结:1、针对物联网养殖实施过程的经验,提出实施中遇到的难点;2、中国养殖现状;3、物联网养殖的发展历程;4、物联网化的养殖场景;5、物联网化养殖核心的解决方案及产品;6、APP监管软件,方便环境以及用料管理。 登录MVP 时间官网,在线学习更多最佳实践解决方案。 历史课程回顾:第二章:《MVP 时间》之物联网落地三大困境破解第一章:《MVP 时间》之物联网现状及落地难点课程上线预告:会上网的鸡,有啥不一样?
大家好,我是叶帆科技创始人兼CEO,阿里云 MVP。 第一章我们讲了物联网实施以及落地的三大难点。 本章节就来看一下就这三大难点进行解析,以及将有什么样的应对方案。 在第一章节中,第一大难点说到的是接口多,协议更多,以及各接口协议不统一带来的对接繁杂问题,哪应应方案是什么呢? 我给出的答案是:YFIOS:数据组态。 组态软件,组态软件在数据公共领域并不陌生,为什么说组态软件在公共领域不陌生,在公共领域都涉及到生产环节,对时间、可靠性等各方面有很高的要求,所以每一个项目都需要涉及到一些开发,需要一些新的内容,就会造成周期较长,会带来一些不可预测的BUG,所以通过主态软件平台来进行相关的开发,有统一的GCS,通用的存储模块,到现场直接搭积木的方式来进行相关的开发。 但如果把传统的组态软件移植到物联网里面,并不合适,为什么这么说呢? 因为传统的组态软件都是基于PC平台的,很大一部分是基于windows平台进行开发的,还有物联网系统的点特别多、又特别小,成本非常敏感,所以这种方式来做是非常不合适的。但是如果要用产品来开发,比如我接传感器,网线开发,做标准件,有时候这些领域并不合适,因为在一些现场,同样是测一些指标,有些正常,有些就差异很大,就需要这种组态化的变化,我们这个方案和传统方案不一样的地方就是把组态软件小型化,原来是放在电脑上的,我们把它放到一个单片上,小芯片上,就可以实现自由的配置,解各种各样的调和、协议,以及相关的程序模型。 下面就来介绍下这个平台的构成: 在现场,由于物联层接口的原因,就会存在各种各样的差异,接入设备和传感器也必需有对应的物联网接口,我们在硬件上也就需要有一些对应,比如说硬件里面有: 智能网关(6): 里面有各种各样不同的接口,有485组线等; 智能终端(22)+ 智能IO(8):用来采集各种IO,同一个项目里面可能采集的点数比较多,所以也需要有外围,周围的模块进行配合,另外就是定制的产品,因为物联网项目最大的特点就是量比较大,所以针对这个特点,会有具体的项目,在一定情况进行统一设计与整合,一两个点在实施时可能会比较困难,但后续通过精心设计的产品,使实施过程变得更容易,成本更低,调试更方便,这是硬件上的一些准备。 另外一方面就是软件: 1、数据组态中间件:YF IOs 2、画面组态中间件:YF HMI:对现场数据进行采集,以及现场情况进行直观展示,比如说哪个电机开了,哪个风机停了,各种各样的状态能直观显示。这一部分也是通过阿里云ECS进行对接。 3、云端组态中间件:YF Cloud:对接私有协议,一些解析通过一些转接等相关内容处理。 接下来这个大图呢是一个很直观的展示,里面大概有一个模型,是个组态基本上分成两个部分: 1)面向设备和传感器各种各样的仪表叫驱动层,通过此驱动层,把接口多,协议多这样的一些问题进行中间化,再把数据放到相应的数据里边; 2)系统策略:可把采集的数据输送到云端,且可到达各种各样的云端,阿里云有基础版,高级版等,我们就可以通过几个简单的配置,把数据输入到各云平台。当然除了阿里云平台,包括微软的平台,百度等平台,我们都可以把数据输送到这些平台上去,我们还可以把这些数据进行展示,跟手机进行通讯,通过手机可远程控制,包括显示相关内容。 第二部分来介绍下物联网数据组态YFIOs。 针对这一部分,我们已经预先仪表仪器提前开发好了,这个平台已经对外开放,用户也可以一次开发,比如这些设备和仪表都是新出的,他的协议也比较特殊,当然这个时候就可以选择自己开发,也可以委托我们进行相应的开发。 下面简单介绍一下它的特点: 1、是一个轻量级的组态软件,可以放到单芯片上来运行; 2、支持远程升级,远程调试,降低维护运维成本; 3、支持驱动、策略用户二次开发。 下面也快速的介绍下YFIOs的快速创建设备(变更自动添加)的功能: 特点:无需编程,仅需要配置,一分钟完成设备到网关的接入 一旦我们开发好了,在实际操作中逐渐变得更容易,下面举个栗子来说明一下。一个电表,只知道他是485接口的,接在我们的设备上的某个窗口,他的波特率,参数是多少,我们配置好后,他对应的变量会自动的出来,这也是有别于传统组态的,传统组态是一个变量来做的,绑定比较深。 而我们这一块呢,就相对来说比较简单,相当于对设备进行了降模,比如像咱们平常家用的电表,它的电压值,电流值,功率能各种各样的参数,都可以直接对应,这些配置好,他的值就会自动生成,当你要删除时,只要勾选,这些变量就可自动消失,这一块也大大的便利了设备的对接。 接下来介绍下此平台的优势: 1、轻量级组态软件:单芯片运行支持,免编程或少编程就可以实现大部分物联网应用场景构建,同时支持远程升级,远程调试。 尤其是当大批量的去实施物联网项目的时候,就可以把成本大大缩减,并且接入各种各样的传感器,非常的零活,实施简单。 2、组态粒度最小:芯片级别的,可基于I2C、SPI和单总线等芯片级接口进行项目组态构建 做这一块的开发者等技术们可能比较熟悉,传统做法是基于以太网口,串口进行对接的,非常粗。比如:测试维持度,普通的维持度用485端口的话,贵的要上百块,便宜的也要五六十块,但如果你采用YFIOs这种芯片,几块钱就可以搞定。 3、类似产品功耗较低:基于ARM Cortex-M芯片构建物联网组态系统,在保证强大功能基础上,功耗可以做到相对比较低。 物联网的这些传输设备,部署点特别多,有些是在野外,所以对功耗的要求就比较敏感,如果还是采用以前比较大的系统,他的功耗就会很高,而我们这种简单的传感器设备,采用电磁供电,外加一个小太阳能就能满足需要。 4、直接入云:目前网关已通过微软Azure认证,也支持阿里云、百度云等物联网云平台的直接接入。 5、十多年技术积淀积累:2004起开始构建工控组态相关项目,历经WinCE版,Windows版,.NET Micro Framework版和Html5版。 第三部分,实施过程工控方案代价高 传统的工控方案代价非常高,我们的方案是与硬件整合,像养殖业。后续的章节里面,也会针对养殖业的场景进行详细的介绍。这里就快速的给大家简单 带过下。先来看一下下面这个图: 一、 左边就是传统的接入方式,若需要知道各项数据,就需要买各种各样的仪器,以及相关仪器的数据,再通过485来进行串联,这样来看,各项设备成本可想而知,二看部署,每个设备都需要进行单独部分,布线成本也将是一大开支;三在各种各样的扩展性性,无法做到实时扩展,实时切换,快速变通,这就给现场的实施、维护带来很大的困难。 二、右边是根据我们在现场实施过程中,根据遇到的各种情况,经过一系列的沉淀,研制出来的九合一综合采集器。经过多次完善才得来的,刚开始是三合一,后面是七合一,直到目前的九合一。它可把所有要采集的数据整合在一个设备上,然后很方便的直接上传到云端去,一是成本上大大降低,二是基本没有实施成本。 接下来再给大家展示一下第二个在实施中的项目:物联网水处理系统。 同样在右边可以看到有各式各样的设备,每个设备都非常昂贵,便宜的也要几千块,二看实施同上述案例中是差不多的情况,部署非常复杂。因此我们 采用同样的方案,减少实施的中间环节,直接对接探头,经过数据进行直接采集上传到云端。这样一是成本有了数量级的下降,实施难度大大的降低。在后续的案例分享中也会更加详细的进行介绍,同时也不只是对硬件设备进行了改造与重构,在软件上以及实施上都做了改进。 我们做这些设备的宗旨就是:提供一套整合软硬件结合的物联网实施方案,让物联网实施变得更加简单,成本控制的更低。 第四部分,即第三大难点:接入多、对接难。 直接抛出解决方案:物联网云平台解决方案。下面将一一介绍物联网云平台解决方案的实施过程。 1、设备开发、接入、调试、固件升级一站式 阿里一站式开发平台,提供全面的版本:基础版、高级版等。像阿里这样的公司,一自带影响力;二是实力,可以提供标准化的接口,为小公司提供接口对接,降低接入门槛,节省成本。 只要把这些数据放到云平台上去,双方或者多方就可以通过这些标准化的接口进行对接,各接入方只要进行数据采集即可,诊断简单,通过现有的工具界面,就可以很容易的看到数据是否已经对接,至于第三方写的web平台,或者其它内容的数据采集就比较简单,只要关心与阿里平台对接是否有问题即可,不需要过多关注其它环节,责任清晰,避免扯皮。 2、Web、移动开发、市场服务一站式 全平台全环节的设备开发,Web、移动开发、市场服务一站式服务,操作简单,界面直观。在上层的云平台基本不需要任何编程,只要简单的对接,1~2分钟即可完成数据的对接。 以上就是针对物联网落地过程中,常见的三大难点问题,我们给出的应对措施与解决方案,主要是三个部分: 1、 接口多、协议多- YFIOs数据组态 2、 工控方案代价高- 产品整合 3、 接入多、对接难- 物联网云平台 下一章节将针养殖业这个场景实施过程中的一系列问题,展示详细解决。 关注阿里云《MVP 时间》,持续学习课程内容,希望它能给你带来物联网行业体系化的知识点。更期望收到你对此课程内容的学习反馈与建议。