工控摘要：如想充分發揮物聯網的全部潛在優勢，必須將云計算作為物聯網的基礎。隱藏在互聯背后的理念是收集的數據大部分應當在線傳輸，只有這樣應用才能有效的匯聚、分析和利用這些數據。
　　
　　隨著時間的發展，物聯網概念所涉及的東西越來越多。除了內置有內部傳感器和處理器外，這些東西還直接與網絡相連，在線傳輸它們的數據。雖然家庭自動化可能是這一概念的“主要”用武之地，例如冰箱內的牛奶沒有了，冰箱會自動從食品店那里定購牛奶。但是物聯網的應用范圍實際上正變得越來越大。我們將擁有許多能夠彼此互動卻又彼此獨立的東西，辦公室會在需要的時候自動定購辦公物品，無需我們干涉，甚至我們衣服和身體上的傳感器會實時將我們的健康數據傳輸我們的醫生。這類M2M（機器對機器）通信是的關鍵之處。
　　
　　要想充分發揮物聯網的全部潛在優勢，必須將云計算作為物聯網的基礎。隱藏在互聯背后的理念是收集的數據大部分應當在線傳輸，只有這樣應用才能有效的匯聚、分析和利用這些數據。現在再讓我們回頭看一下冰箱的例子。在這個例子中，并不是冰箱自己從食品店那里定購牛奶，而是冰箱向應用傳輸它們的全部數據，包括目前的食品存量和用戶消耗情況，然后由應用讀取和分析這些數據。隨后，綜合考慮其它因素，如用戶目前的食品預算資金以及牛奶會在多長時間內送到等因素，再決定是否購買，而云正是這些應用的理想歸宿。
　　
　　如果我們所有的日常用品都安裝這種，那么生成的數據量將非常龐大。因此，物聯網必須要考慮到如何存儲和分析這些生成的數據。這不僅僅是一個數據量的問題，其中還涉及到這些數據的生成速度問題。傳感器正在生成越來越多的數據，而且這些數據的生成速度已經超過了大多數商業應用的處理速度。
　　
　　基于云的解決方案是應對數據生成數量和速度問題的基礎。云可以根據我們的需求自動地動態提供預備存儲資源，無需人工干預。云還賦予了我們通過云數據庫集群或是無需停機即可調整容量的虛擬化物理存儲訪問虛擬存儲的能力和訪問大型存儲資源池的能力，這些都是在本地所無法實現的。
　　
　　關于這些數據的第二個問題是如何處理它們。這一問題有兩個難點。*個難點是如何實時處理從每個不一物體那里獲得的所有數據點。第二個難點是從所有收集到的可用數據點中提取有用的信息，以及關聯從不同物體那里獲得的信息，為存儲的數據增加實際價值。
　　
　　盡管實時處理看似很簡單――接收數據、分析數據，然后再利用這些數據――但是實時情況并非如此。讓我們再回頭看一下那個冰箱的例子吧，想像一下每次有人打開冰箱門，這臺冰箱就要發送一個數據包，這些數據包中包括了哪些東西被移動了，哪些東西被放了進來。我們估算一下，約有20億臺冰箱，每天開關冰箱門4次，那么一天下來將生成80億個數據包，平均下來每秒約有10萬個數據包，這個量是非常驚人的。更糟糕的是，這些數據點可能主要集中在一天之中的特點時段（主要是早上和晚上）。如果我們根據zui大負載準備處理容量，那么大量基礎設施將會被浪費。
　　
　　一旦進行實時處理，那么我們將會遇到第二個難點，即如何從這些被存儲的數據中提取有用的信息，讓它們更上一個臺階，而不再是個人事務。如果冰箱能夠自動為你向食品店下訂單，對于你個人來說這非常不錯，但是如果制造商知道來自某些特定地區的冰箱有過熱趨勢，或是存儲某些物品的冰箱使用壽命消耗過快，那么對于制造商來說意義將更大。為了從存儲的數據中提取這類信息，我們需要利用現有的大數據解決方案（以及一些即將出現的解決方案）。
　　
　　云計算非常適合處理這些問題。在*個難點中，允許進行動態分配（和回收）處理資源，讓需要實時分析冰箱數據的應用能夠應對這些海量數據以及能夠優化基礎設施成本。在第二個難點中，云計算能夠與大數據解決方案進行協作。
　　
　　綜上所述，物聯網可能會改變云計算的總體架構，但與此同時云計算對于實現這一變化也非常關鍵。在虛擬化計算資源方面，雖然應用無需人工干預自己可以動態分配這些資源，但是如果這樣的話云計算不會有任何發展。因為物聯網才是推動它們發展的*動力。