在設(shè)計(jì)IoT數(shù)據(jù)庫(kù)時(shí)，企業(yè)可以有很多選擇，但是技術(shù)人員必須通過(guò)評(píng)估不同的IoT數(shù)據(jù)庫(kù)體系結(jié)構(gòu)（例如static vs. streaming and SQL vs. NoSQL）來(lái)確定最合適的方案。

正確的物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)取決于每個(gè)物聯(lián)網(wǎng)項(xiàng)目的需求。因此，選擇數(shù)據(jù)庫(kù)的第一步是在數(shù)據(jù)庫(kù)架構(gòu)中進(jìn)行選擇時(shí)考慮到物聯(lián)網(wǎng)項(xiàng)目應(yīng)用的關(guān)鍵特性。物聯(lián)網(wǎng)技術(shù)人員必須確定要存儲(chǔ)和管理的數(shù)據(jù)類(lèi)型、數(shù)據(jù)流、分析、管理和安全的功能要求、以及性能和業(yè)務(wù)要求。

在確定組織對(duì)數(shù)據(jù)庫(kù)的需求之后，IT管理員必須評(píng)估IoT數(shù)據(jù)庫(kù)體系結(jié)構(gòu)以及它們?nèi)绾未龠M(jìn)或抑制IoT數(shù)據(jù)需求。

了解靜態(tài)和流式IoT數(shù)據(jù)庫(kù)架構(gòu)

首先，了解靜態(tài)數(shù)據(jù)庫(kù)與流式數(shù)據(jù)庫(kù)之間的根本區(qū)別。

靜態(tài)數(shù)據(jù)庫(kù)，也稱(chēng)為批處理數(shù)據(jù)庫(kù)，用于管理靜態(tài)數(shù)據(jù)。用戶(hù)需要訪問(wèn)的數(shù)據(jù)作為由數(shù)據(jù)庫(kù)管理系統(tǒng)（DBMS）管理的存儲(chǔ)數(shù)據(jù)駐留。用戶(hù)進(jìn)行查詢(xún)并從DBMS接收響應(yīng)，該DBMS通常但并非總是使用SQL。

流式數(shù)據(jù)庫(kù)處理運(yùn)動(dòng)中的數(shù)據(jù)。數(shù)據(jù)不斷地流經(jīng)數(shù)據(jù)庫(kù)，并具有一系列連續(xù)的查詢(xún)，通常以特定于流式數(shù)據(jù)庫(kù)的語(yǔ)言進(jìn)行。流式數(shù)據(jù)庫(kù)的輸出最終可以存儲(chǔ)在其他地方，例如云中，并可以通過(guò)標(biāo)準(zhǔn)查詢(xún)機(jī)制進(jìn)行訪問(wèn)。

流式數(shù)據(jù)庫(kù)通常是分布式的，以處理大量數(shù)據(jù)的規(guī)模和負(fù)載要求。當(dāng)前，有一系列商用、專(zhuān)有和開(kāi)源流數(shù)據(jù)庫(kù)，包括Google Cloud Dataflow、Microsoft StreamInsight、Azure Stream Analytics、IBM InfoSphere Streams和Amazon Kinesis。

開(kāi)源系統(tǒng)主要基于Apache，包括Databricks提供的Apache Spark Streaming，Data Artisans提供的Apache Flink，Confluent提供的Apache Kafka和Twitter所擁有的Apache Storm。組織主要使用流數(shù)據(jù)庫(kù)進(jìn)行實(shí)時(shí)決策并滿(mǎn)足幾乎即時(shí)的延遲要求。

但是，組織仍然可以從標(biāo)準(zhǔn)查詢(xún)技術(shù)和模式中受益，這就是為什么許多流式數(shù)據(jù)庫(kù)還包括靜態(tài)數(shù)據(jù)庫(kù)組件的原因。這些統(tǒng)一數(shù)據(jù)庫(kù)結(jié)合了流式數(shù)據(jù)庫(kù)和靜態(tài)數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)，因?yàn)樗鼈兗戎С至魇綌?shù)據(jù)庫(kù)的實(shí)時(shí)功能，又支持靜態(tài)數(shù)據(jù)庫(kù)的查詢(xún)過(guò)程和架構(gòu)的靈活性。

對(duì)于大多數(shù)物聯(lián)網(wǎng)應(yīng)用來(lái)說(shuō)，最好的數(shù)據(jù)庫(kù)是結(jié)合了流式和靜態(tài)功能的統(tǒng)一數(shù)據(jù)庫(kù)。也正是由于這個(gè)原因，大多數(shù)最受歡迎的供應(yīng)商的數(shù)據(jù)庫(kù)都包括兩種類(lèi)型的數(shù)據(jù)庫(kù)。

靜態(tài)與流式數(shù)據(jù)庫(kù)

探索更多細(xì)微差別的數(shù)據(jù)庫(kù)架構(gòu)

時(shí)間序列數(shù)據(jù)庫(kù)在很多方面都基于與流式數(shù)據(jù)庫(kù)相同的技術(shù)，但是兩者的開(kāi)發(fā)重點(diǎn)稍有不同。時(shí)間序列數(shù)據(jù)庫(kù)更具戰(zhàn)術(shù)性。它們通常涉及在NoSQL數(shù)據(jù)庫(kù)上植入特定的索引技術(shù)，以實(shí)現(xiàn)高性能事件處理。流式數(shù)據(jù)庫(kù)更加全面，可實(shí)現(xiàn)更廣泛的數(shù)據(jù)分析組合，例如機(jī)器學(xué)習(xí)或窗口化。

SQL vs NoSQL？

SQL數(shù)據(jù)庫(kù)是關(guān)系和功能靜態(tài)模式，描述了信息的組織方式。這使它們易于管理。但是，它們會(huì)遇到有效擴(kuò)展的問(wèn)題。 NoSQL數(shù)據(jù)庫(kù)是非關(guān)系型的，沒(méi)有架構(gòu)，并且通常被提倡為高度可擴(kuò)展且性能優(yōu)于SQL數(shù)據(jù)庫(kù)。

一些技術(shù)專(zhuān)業(yè)人員可能會(huì)認(rèn)為NoSQL數(shù)據(jù)庫(kù)將是顯而易見(jiàn)的選擇，因?yàn)榭缮炜s性對(duì)于許多物聯(lián)網(wǎng)應(yīng)用至關(guān)重要。但是可伸縮性和性能只是技術(shù)人員選擇數(shù)據(jù)庫(kù)時(shí)需要考慮的兩個(gè)因素。

在許多情況下，關(guān)鍵因素是易于集成到現(xiàn)有系統(tǒng)中，而在現(xiàn)有系統(tǒng)中SQL更有效。許多物聯(lián)網(wǎng)工具和系統(tǒng)都采用SQL。在基于較舊消息協(xié)議或工業(yè)自動(dòng)化平臺(tái)的工業(yè)環(huán)境中尤其如此。

具有創(chuàng)建和管理模式的能力也是一個(gè)加分項(xiàng)。盡管技術(shù)人員可能會(huì)發(fā)現(xiàn)模式開(kāi)發(fā)受到限制，必須組織信息。預(yù)先投入精力來(lái)開(kāi)發(fā)模式可以節(jié)省大量的工作，以后可以在非架構(gòu)環(huán)境中組織數(shù)據(jù)。

當(dāng)在SQL和NoSQL之間進(jìn)行選擇時(shí)，企業(yè)可能還會(huì)發(fā)現(xiàn)將靜態(tài)數(shù)據(jù)庫(kù)與流式數(shù)據(jù)庫(kù)結(jié)合起來(lái)會(huì)遇到挑戰(zhàn)。從理論上講，靜態(tài)數(shù)據(jù)庫(kù)或流式數(shù)據(jù)庫(kù)可以是SQL或NoSQL。實(shí)際上，數(shù)據(jù)庫(kù)專(zhuān)門(mén)設(shè)置為任何一個(gè)。對(duì)特定統(tǒng)一數(shù)據(jù)庫(kù)感興趣的IoT技術(shù)人員可能會(huì)發(fā)現(xiàn)，數(shù)據(jù)庫(kù)設(shè)計(jì)決定了他們的SQL vs. NoSQL決策。

企業(yè)最終是選擇SQL還是NoSQL數(shù)據(jù)庫(kù)取決于更廣泛的功能和技術(shù)要求，尤其是可伸縮性、性能以及集成到舊系統(tǒng)中的需求。
責(zé)任編輯：tzh