发帖
雷达卡
BigData的新时代和技术的进步已向IoT设备的高功能性迈出了重要的一步。物联网设备的普及已导致更轻松，更快速地收集，分析和分发BigData的方法。根据 Statista的报告，到2020年，全球将有300亿个IoT设备，到2025年，这一数字将超过750亿。从统计学上讲，在IoT设备和网络上的BigData积累也清晰可见，并可以解决此问题。 ，各种计算方法已经很流行。有诸如量子计算，云计算，边缘/雾计算之类的方法。
尽管量子计算前景广阔，但路途遥遥无期，同时，云计算已经成为开发人员和数据科学家中流行的分析方法。2014年，思科首次采用了一种新的“雾化”方法。雾更好地称为边缘计算/雾计算。Hadoop等大数据分析工具有助于降低存储成本。这进一步提高了业务效率。
大数据和数据挖掘：
收集的大数据量巨大，它们通常是从单一同质源或各种异质源收集的。这些来源是传感器，如声学传感器，生物传感器，氧化锌??（ZnO）纳米棒传感器等。嵌入这些大数据中的是有用的信息和宝贵的知识。
收集并分析了各种不同的数据：
精确数据
数据不准确
不确定数据
为了收集这些BIgData，使用了一个称为数据挖掘的过程。数据挖掘发现隐式，先前未知和有用的数据。BIgData IoT设备上的数据挖掘有助于发现适用于智能城市和城市分析的IoT应用程序的模式。社交网络上的数据挖掘有助于识别社区。流行的数据挖掘技术是：
频繁模式挖掘：
此技术用于在IoT域中查找频繁出现的项目集以及它们之间的关系。
监督学习：
这是一种从旧的BigData IoT数据中学习以分类或预测新数据的方法。
大数据分析确实是信息技术领域的一场革命。两家公司对数据分析的使用逐年增强。这些公司的主要重点是客户，并且企业对消费者（B2C）应用程序的兴起。根据环境的性质，我们将分析分为不同的类型。我们将大数据分析分为三个部门：
规范分析
预测分析
描述性分析
大数据分析涉及使用诸如机器学习，数据挖掘，自然语言处理和统计之类的分析技术。会对数据进行缓冲，管理和集成，以提供业务分析。大型企业和跨国组织如今以不同的方式广泛使用这些技术。
什么是雾计算？及其对数据分析的好处。
雾计算是大数据，收集，处理和分发的去中心化基础架构。它具有边缘节点的相当大的处理能力，这使这些节点能够自行执行大量数据的计算，而无需将其发送到远程服务器。Fog包括“ Cloudlets”，这是小型数据中心，支持需要低延迟的密集型IoT应用程序。Fog是一种智能网关，可以减轻云负载，从而提供更多的数据存储和处理能力。
如果我们考虑使用雾计算来挖掘本地设备上的频繁模式，则结果将更加高效且延迟较低。在这种方法中，本地数据保存在单个物联网设备上以发现本地频繁模式。在将这些模式的并集并形成这些模式的全局候选者之后，在每个物联网设备上计算每个全局候选者的频率，以将其频率传输到其他物联网设备并求和频率值以发现全局频繁模式网络。
与云计算相比，使用雾计算在本地物联网设备上挖掘频繁模式的效率更高。利用雾计算进行模式挖掘可以减少延迟，低网络带宽问题，实现地理关注并提高安全性。
雾计算的好处：
它利用边缘网络而不是广泛的云网络。
方便用户附近的计算。
它在位于终端之间的IoT设备或网络服务上存储，管理和处理数据
设备和数据中心。
它具有低延迟问题。
它可以处理低带宽
雾计算具有多个相互连接的通道。
它具有很高的数据安全性和防止数据泄漏的安全性。
雾计算通过快速的响应时间和较低的滞后问题提供了高度改进的用户体验。
它通过使用蓝牙，Zigbee或Z-wave等协议来确保设备的电源效率。
云计算前提：
云计算是通过互联网连接的多个设备，计算机和服务的网络。云计算有两个主要部分：
前端 -它是客户端设备的群集，例如手机，计算机或平板电脑。
后端 -它由一个收集和处理数据的数据存储和处理系统组成。
云计算下有几种服务，例如：
IaaS（基础架构即服务）
PaaS（平台即服务）
SaaS（软件即服务）
云计算与物联网设备的集成具有成本效益，并且可以灵活地分析数据，还提供了设备的可扩展性。但是，云计算有其局限性，那就是雾计算比云计算具有优势，
雾与云
人们普遍认为雾计算可以代替云计算，这是一个神话，因为雾计算可以增强云计算而不是替代云计算。雾计算更是一种天真的方法，node.js开发人员可以利用它， 因为它们在基于IoT网络的本机应用程序方面具有更好的优势。尽管云计算也不错，但是云网络中的BigData数量巨大，并且在雾计算中也受到了严格的分类/监督。
在云计算中，该架构是集中式的，由可在全球范围内，距客户端设备一千英里的大型数据中心组成。雾体系结构是分布式的，由数百万个尽可能靠近客户端设备的小节点组成。
云计算具有更广泛的网络，与终端设备相距甚远，而雾则充当数据中心和硬件之间的中介，因此它更接近最终用户。如果没有雾层，云将直接与设备通信，这很费时。
雾计算存储在设备附近的小节点中，因此可确保实时响应和控制，而云计算则在远程服务器上进行。
由于雾计算的基础架构小于云，因此其存储能力和计算能力较低。
雾中有数百万个相互连接的小节点，这与具有较少节点的云相反。
雾的即时响应性很高，但仅对数据的短期分析有效，相反，云计算在进行深度长期分析时响应速度较慢。
雾由于在多个节点上处理数据而导致低延迟，而云则必须在产生延迟的较少节点上处理BigData。
蓝牙，Zigbee等协议使雾计算即使在断电的情况下也能保持活动状态，而没有电源则根本不可能进行云计算。
Fog是一个更安全的系统，因为数据存储在小型节点或终端设备上，另一方面，使用云源进行云计算会使数据不安全。
结论：
随着越来越多的物联网设备进入每个家庭，如今，大数据正在大量增加，并且要处理如此庞大的数据并对其进行分析，数据分析是许多公司接受的强大工具。但是，由于每种方法的计算能力不同，因此彼此之间也大不相同。每个锁都有其密钥，并且类似地，每个BigData中心都有不同的计算方法。
数据分析和计算领域具有巨大的潜力，因为每小时通过全球各种IoT设备挖掘大量的数据。教育部门也在大量使用数据分析。有使用数据分析进行研究和分析的新选项。许多公司正在投资开发自己的计算功能，以应对大量的BigData及其分析。像IBM，Oracle，HP和SAP这样的大型公司正在为BigData提供计算解决方案并获得巨额利润。计算已成为一个生态系统，在其基础结构的每个级别都有参与者。
因此，如果您的组织是数据驱动的或具有基于IoT的应用程序，则您需要为数据存储提供计算解决方案，因为数据分析可以帮助您了解客户购买模式，潜在客户群，市场调查，竞争对手战略和战略营销领域。如果您的目标是对数据进行长期分析，那么以云源为核心的云计算是最好的选择。但是，如果您正在寻找增强的用户体验和即时实时响应的计算需求，那就去雾化吧！
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
