第一次工业革命（18世纪60年代-19世纪中期），以蒸汽机、汽船、火车为代表，标志着人类进入蒸汽时代
第二次工业革命（19世纪七八十年代-19世纪末20世纪初），以电力、内燃机、飞机、汽车为代表，标志着人类进入电气时代
第三次工业革命（二战后-20世纪70年代），以计算机、原子能、航空航天、遗传工程为代表，标志着人类进入信息时代
第四次工业革命当前谈第四次工业革命还为时过早，更多的则是对未来的预测，没有一个统一定义。
硬件时代（1946—1980），国内代表企业：华为
软件时代（1980—2000），国内代表企业：华为、金蝶、用友
互联网时代
PC互联网（2000—2010），也叫Web10。标志是浏览器的诞生（90年代初诞生，20世纪初趋于成熟），国内代表企业：BAT（百度、阿里、腾讯）
移动互联网（2010—2020），也叫Web20。标志是智能手机的诞生（2010年iPhone4诞生），国内代表企业：TMD（头条、美团、滴滴）
物联网时代（2020—）
定义：通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。
国内代表企业
在后互联网时代和物联网时代的过渡期，又出（chuang）现（zao）了许多“专业术语”，下次选两个近几年比较有代表性的概念：工业互联网和产业互联网，聊五毛钱的。物联网与各种网络的关系
物联网(InternetofThings)的概念最早在1998年由美国MIT大学的KevinAshton教授提出，把RFID技术与传感器技术应用于日常物品中形成物联网，着重的是物品的标记。2005年ITU以InternetofThings为题发布互联网报告，强调物品联网。近年随着移动互联网技术和云计算技术的发展，特别是节能环保和社会安全等需求，物联网再度受到关注，但聚焦在通过感知达到智能服务的目的。在2010年我国的政府工作报告所附的注释中对物联网有如下的说明：是指通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。它是在互联网基础上延伸和扩展的网络。
传感网使用传感器作为感知元件，应用上可以无需基础网络，通常也不强调智能分析与决策。物联网使用传感器、RFID、激光扫描器、红外标记、普通条码、二维码、全息光学条码、GPS等作为感知元件，需要通过基础网络实现物与物和人与物互联，强调对感知数据的汇聚和挖掘及分析决策。物联网的组成包括三部分，即泛在化的传感节点及网络、异构性的网络基础设施、普适性的数据分析与服务。物联网与传感网的区别不在于联网的物件数量而在于感知单元的多样性和感知结果的智能利用，可以说传感网是物联网的一个子集。
物联网的底层借助RFID和传感器等实现对物件的信息采集与控制，通过传感网将传感器等感知节点的信息汇集，并连到核心网络，基础网络是物联网的重要组成部分，用于承载物物互联或物与人互联的信息传递，物联网的上层实现信息的处理和决策支持。物联网可用的基础网络可以有很多种，通常互联网最适合作为物联网的基础网络。尽管下一代互联网将以支持物联网的应用作为主要目标之一，但物联网并不是互联网的下一代，物联网可以说是互联网上的一种业务或应用。物联网强调的是认知，是互联网向感知平台和数据挖掘两个方向的拓展。物联网与互联网上传统业务相比有不同的特点：在物联网以公众网络(例如互联网)作为基础网络平台的情况下，物联网相当于互联网上面向特定任务来组织的专网()。互联网是全球性的，但物联网往往是行业性的或区域性的，物联网的行业应用的多样性与承载平台的通用性之间需要有中间件来适配。
M2M(Machine-to-Machine)与物联网有关，M2M通信与物联网的核心理念一致，不同之处是物联网的概念和所采用的技术及应用场景更宽泛，M2M主要聚焦在无线通信网络应用上，是物联网应用的一种主要方式。与物联网有关的还有CPS(CyberPhysicalSystem)，CPS是计算、通信与物理过程的综合，CPS与物联网有类似的能力，物联网通过数据挖掘可得到决策建议，但通常是要上报主管人员再决定是否要采取措施，而CPS强调循环反馈，要求系统能够在感知物理世界之后通过通信与计算再自动执行对物理世界的反馈控制措施。从物与物通信进一步扩展到物与人以及人与人通信，支持个人和/或设备无论何时、何地、何种方式以最少的技术限制接入到服务和通信的能力，这种网络发展的愿景被称为泛在网。
在物联网上所用的通信技术比较成熟，但仍需要考虑物联网节点多功率小且需要接力传送等特点进行适配。
物联网通常有很多传感器节点，在传感过程中，首先是需要识别被感知的对象和感知信息。在给定任务的情况下使用最少数量的节点并最省功耗是物联网设计的目标。节点的传输距离、节点的合理分层分簇、拓扑控制等一系列节点的几何布局，是物联网感知层面设计的主要问题。根据应用和服务对物联网节点分群分簇，每簇会有一个节点负责搜集数据并将集合的数据传到网关，簇头的选择需要考虑节点的存储、过滤和聚合能力，为了不致过早耗掉簇头的电能，每簇内各节点可能需要轮流担任簇头。由于物联网节点数量密集，覆盖范围宽，而且新的物品的加入将要求节点添加或删除等，在节点的配置上要从减少安装和维护成本考虑，要尽可能少用人工干预，其次是网络发现技术，要求节点能够发现在其所处环境内的相邻节点的存在和身份，以便协商分享的任务，在物联网中网络是动态变化的，新的物品的加入将改变网络的拓扑，而且物品的特征还会随自治程度而变，物联网应具有基于智能匹配来对网中的节点自动发现和指配、自动部署与激活、解除激活和性能监视，还可以在任何时间对所分配的作用进行调整和调度。
有些节点由于制造的不一致，缺陷需要在出厂前校正，由于环境影响、老化等原因使所感知的数据有偏差，还需要在数据收集时校正或去除，还需要考虑传感器与环境之间的耦合关系。在感知数据的报送方式上，分为主动式和反应式两种。物联网收集的数据如果原封不动地存储将占用海量存储资源，必须通过压缩去掉重复冗余的数据，并且需要开发图像信息检索方法和搜索引擎，以有效提高物联网设施的利用效率。收集的数据不限于被感知物件的信息，还包括与事件的发生可能有相关性的政府数据、市民产生的数据等，要在认证安全、隐私保护等方面对数据进行过滤与正确性的确认。为了全面准确提供智能决策，希望有多源甚至异构的数据，通过多数判决和推理分析，去逼近真实环境，最后利用专家系统和数学模型，参考历史数据，综合异构来源的多种信息，进行分析推理，给出决策。
物联网需要有网管，控制物联网节点的休眠和叫醒，检测和登记节点的移动、发现相邻节点，并且在一个特定区域内均衡和调度传感任务等。需要关注物联网能量获取与存储及节能问题，实现能量测量和电量不足的预报以及动态功率优化等能量管理。从安全与隐私来看，物联网是双刃剑，它能对生产安全、反恐维稳和家居安全起积极作用，但如果感知数据偏差太大和判决失误，将弄巧反拙，因此对物联网的可靠性和安全及隐私需要足够重视。
物联网是两化融合的切入点，也是民生服务的新亮点，其应用面很宽，将带动新的产业特别是现代服务业的发展，其社会效益高于经济效益。物联网看似门槛不高，但如何在给定任务的情况下最大化网络的生命周期和最小化组网及应用成本均是严峻的挑战。低成本、高可靠、长寿命的传感器和RFID是物联网推广应用的前提，数据挖掘与智能分析是体现物联网效益的关键，也是物联网的薄弱环节。当前对物联网的理论和技术的研究还落后于应用示范，未来需要在物联网技术方面加大创新开发力度。同时还要重视统筹规划、资源共享，务求实效。一、从“信息高速公路”到“物联网”
1993年，美国政府宣布实施一项新的高科技计划——“国家信息基础设施”，旨在以因特网为雏形，兴建信息时代的高速公路——“信息高速公路”，使所有的美国人方便地共享海量的信息资源。这一计划的提出，导致美国信息产业高速发展，进入了以网络经济为主导的新经济时代，创造了巨大的经济效益和社会效益。如今面对来势凶猛的金融危机，美国的经济社会发展面临着前所未有的挑战，亟需一个全新的经济增长点拉动经济走出低谷并再次迎接长时间的繁荣。由此，物联网战略——“智慧的地球”应运而生。
2008年的时候IBM提出了智慧地球的计划，该计划的核心就是物联网。物联网具备极其广泛的行业覆盖度以及影响力。物联网的发展不仅能促进新兴信息技术产业的发展，而且还能带动诸如智能能源、智能运输、智能医疗等诸多传统行业的发展。将物联网技术引入家庭生活，还能带来智能家居。由于物联网能够全面改善居民生活水平，提高整个经济社会的运转效率，因此物联网的发展被称为是继计算机、互联网之后，世界信息产业发展的第三次浪潮。
今天，“智慧地球”战略被美国人认为与当年的“信息高速公路”有许多相似之处，同样被他们认为是振兴经济、确立竞争优势的关键战略。该战略能否掀起如当年互联网革命一样的科技和经济浪潮，为世界所瞩目。
二、“智慧城市”的研究现状
智慧城市的概念
·数字城市与物理城市
数字城市存在于网络空间（cyber space）中，虚拟的数字城市与现实的物理城市相互映射，是现实生活的物理城市在网络世界中的一个数字再现（Li Deren&Yao Yuan&Shao Zhenfeng&et al,2014）
·智慧城市定义
图“智慧城市”研究的相关知识点
智慧城市则是建立在数字城市的基础框架上，通过无所不在的 传感网 将它与现实城市关联起来，将 海量数据 存储、计算、分析和决策交由 云计算 平台处理，并按照分析决策结果对各种设施进行 自动化的控制 。（Li Deren&Shan Jie&Shao Zhenfeng et al,2013）
即， 智慧城市＝物联网＋大数据＋云计算 。
（李德仁,姚远,邵振峰，2014）
智慧城市的建设历程
图国内外智慧城市建设历程
（王广斌,张雷,刘洪磊，2013）
三、物联网在智慧城市中的行业应用
1在民生领域中的应用。民生大数据包括有人口、环境、交通、健康、经济等数据。
2在市场监管领域的应用。可以挖掘技术来分析不同变化的市场数据，以便于相关部门及时的对市场变化做出相应的反应，提高对于未来实践的准确预警度，实时进行监管。
3在政府服务领域的应用。可以共享帮助政府的各个部门间或政府与市民间形成信息共享。
4在基础设施领域的应用。可以更加方便对交通和电力等设施进行数据的采集和分析，能够更加完善的促进城市基础设施建设。
“民生”一直以来都是全球物联网市场与中国本土发展最重要的切入点。居家养老、科技农业、食品追溯、车联网等一批围绕民生开展的应用正日趋成熟。
例：
1 比如一个产品“伴”系统。通过一个传感器、一块大垫子，就可以监控家中老人的身体状况，并作出判断是否需要通知子女或社区医生。通过垫在床脚处的传感器，远程监控中心可以发现老人生理数据上的异动，如心跳、血压发生大的变化，则在远端预警。服务中心可就此发出指令，或联系子女，或联系街道以提供帮助。而另一块铺在地上的大垫子则能察觉老人是否跌倒。通过跌倒在地上的姿势、卧地时间长度等数据，可以判断是不是出了意外。这一套系统已在上海一些社区试点。
2 近年来，从毒豇豆、地沟油、瘦肉精，到漂白蘑菇、化学火锅……面对频发的食品安全事件，不禁想问，吃什么才是安全的？企业物该如何重拾消费者信任？联网技术可以作为一个全面管控体系，可以从源头上把控风险。
比如餐厨垃圾中的油脂排放到采用物联网技术的专用油桶中，通过互联网自动将油脂数量、时间、地点等信息上传至监管系统，运输车辆采用GPS跟踪路径，轨迹信息同样上传至监管系统……通过大数据技术，当发现GPS轨迹信息、油桶身份信息等数据异常时，系统会及时提醒监管部门处理。
3 美国调研公司曾调查超过600名来自教育和IT行业的领袖，其中将近一半的人相信，在未来两年内，物联网技术将会改变学生们在校园的学习方式。
具体看，智慧校园是把感应器嵌入和装备到食堂、教室、图书馆、供水系统、实验室等各种物体中，并且被普遍连接，形成“物联网”，然后将“物联网”与现有的互联网整合起来，实现教学、生活与校园资源和系统的整合。
比如流媒体视频课程和数据分析可以帮助教师跟踪学生的学习情况，根据他们的能力水平定制教学内容，以及预测学生的执行情况。
4 物联网技术在医疗领域的应用潜能同样巨大。普遍认为，未来20年内将迎来人工智能诊疗的时代。
例如儿科部会记录早产儿和患病婴儿的每一次心跳，然后将这些数据与历史数据相结合。基于这些分析，系统可以在婴儿表现出任何明显的症状之前就检测到感染，这使得医生可以早期干预和治疗。
远程医疗监护也在兴起。利用物联网技术，构建以患者为中心，基于危急重病患的远程会诊和持续监护服务体系。可以减少患者进医院和诊所的次数。
四、物联网中大数据的价值与痛点
物联网简单来说，其实就是利用互联网把现实中的所有物品利用传感器连接起来，在这个基础上会产生大量的数据。而如何从这些数据中挖掘出有用的信息，充分利用这份资源，才是最具难度和价值的。
比如监测老年人身体健康的数据，除了应用于通知子女和社区医生，还可提供给医疗机构、养老机构等。甚至可以运用这份数据，针对每位老人制定相应的养老计划。
监测食品安全的数据也是如此。除了提供给政府方便监管以外，还可以提供给餐饮机构。将后厨的信息、食材履历、厨余去向等信息在互联网平台展示，让消费者通过互联网随时走进企业。一份数据，可以同时起到监控、管理、宣传三大功能。
数据的价值是强大的。SNS霸主Facebook就将他拥有的海量用户数据玩的非常漂亮。Facebook可以知道你什么时候跟别人约会，什么时候分手。就在今年情人节后第三天，Facebook通过其开发博客公布了其数据研究部门科学家团队的一项发现，即利用Facebook网站的统计数据，可以判断发帖的用户是否、何时擦出了爱的火花。
活跃用户规模已达到27亿的Facebook掌握了数以亿计的用户信息。使用一定的模型，可以从这些数据中挖掘出无限有趣的信息。比如新的感情开始时人们最喜欢的音乐、最喜欢的商品等等。
随着物联网技术的不断进化，智慧城市的不断快速发展，各种大数据也在不断被人们所发现，并应用实际中。所以需要同步发展的是数据挖据、决策分析的能力。将大数据转化为数据资产，将智慧城市建设成智能化、互联化的城市。
大数据技术发展史：大数据的前世今生
今天我们常说的大数据技术，其实起源于Google在2004年前后发表的三篇论文，也就是我们经常听到的“三驾马车”，分别是分布式文件系统GFS、大数据分布式计算框架MapReduce和NoSQL数据库系统BigTable。
你知道，搜索引擎主要就做两件事情，一个是网页抓取，一个是索引构建，而在这个过程中，有大量的数据需要存储和计算。这“三驾马车”其实就是用来解决这个问题的，你从介绍中也能看出来，一个文件系统、一个计算框架、一个数据库系统。
现在你听到分布式、大数据之类的词，肯定一点儿也不陌生。但你要知道，在2004年那会儿，整个互联网还处于懵懂时代，Google发布的论文实在是让业界为之一振，大家恍然大悟，原来还可以这么玩。
因为那个时间段，大多数公司的关注点其实还是聚焦在单机上，在思考如何提升单机的性能，寻找更贵更好的服务器。而Google的思路是部署一个大规模的服务器集群，通过分布式的方式将海量数据存储在这个集群上，然后利用集群上的所有机器进行数据计算。 这样，Google其实不需要买很多很贵的服务器，它只要把这些普通的机器组织到一起，就非常厉害了。
当时的天才程序员，也是Lucene开源项目的创始人Doug Cutting正在开发开源搜索引擎Nutch，阅读了Google的论文后，他非常兴奋，紧接着就根据论文原理初步实现了类似GFS和MapReduce的功能。
两年后的2006年，Doug Cutting将这些大数据相关的功能从Nutch中分离了出来，然后启动了一个独立的项目专门开发维护大数据技术，这就是后来赫赫有名的Hadoop，主要包括Hadoop分布式文件系统HDFS和大数据计算引擎MapReduce。
当我们回顾软件开发的历史，包括我们自己开发的软件，你会发现，有的软件在开发出来以后无人问津或者寥寥数人使用，这样的软件其实在所有开发出来的软件中占大多数。而有的软件则可能会开创一个行业，每年创造数百亿美元的价值，创造百万计的就业岗位，这些软件曾经是Windows、Linux、Java，而现在这个名单要加上Hadoop的名字。
如果有时间，你可以简单浏览下Hadoop的代码，这个纯用Java编写的软件其实并没有什么高深的技术难点，使用的也都是一些最基础的编程技巧，也没有什么出奇之处，但是它却给社会带来巨大的影响，甚至带动一场深刻的科技革命，推动了人工智能的发展与进步。
我觉得，我们在做软件开发的时候，也可以多思考一下，我们所开发软件的价值点在哪里？真正需要使用软件实现价值的地方在哪里？你应该关注业务、理解业务，有价值导向，用自己的技术为公司创造真正的价值，进而实现自己的人生价值。而不是整天埋头在需求说明文档里，做一个没有思考的代码机器人。
Hadoop发布之后，Yahoo很快就用了起来。大概又过了一年到了2007年，百度和阿里巴巴也开始使用Hadoop进行大数据存储与计算。
2008年，Hadoop正式成为Apache的顶级项目，后来Doug Cutting本人也成为了Apache基金会的主席。自此，Hadoop作为软件开发领域的一颗明星冉冉升起。
同年，专门运营Hadoop的商业公司Cloudera成立，Hadoop得到进一步的商业支持。
这个时候，Yahoo的一些人觉得用MapReduce进行大数据编程太麻烦了，于是便开发了Pig。Pig是一种脚本语言，使用类SQL的语法，开发者可以用Pig脚本描述要对大数据集上进行的 *** 作，Pig经过编译后会生成MapReduce程序，然后在Hadoop上运行。
编写Pig脚本虽然比直接MapReduce编程容易，但是依然需要学习新的脚本语法。于是Facebook又发布了Hive。Hive支持使用SQL语法来进行大数据计算，比如说你可以写个Select语句进行数据查询，然后Hive会把SQL语句转化成MapReduce的计算程序。
这样，熟悉数据库的数据分析师和工程师便可以无门槛地使用大数据进行数据分析和处理了。Hive出现后极大程度地降低了Hadoop的使用难度，迅速得到开发者和企业的追捧。据说，2011年的时候，Facebook大数据平台上运行的作业90%都来源于Hive。
随后，众多Hadoop周边产品开始出现，大数据生态体系逐渐形成，其中包括：专门将关系数据库中的数据导入导出到Hadoop平台的Sqoop；针对大规模日志进行分布式收集、聚合和传输的Flume；MapReduce工作流调度引擎Oozie等。
在Hadoop早期，MapReduce既是一个执行引擎，又是一个资源调度框架，服务器集群的资源调度管理由MapReduce自己完成。但是这样不利于资源复用，也使得MapReduce非常臃肿。于是一个新项目启动了，将MapReduce执行引擎和资源调度分离开来，这就是Yarn。2012年，Yarn成为一个独立的项目开始运营，随后被各类大数据产品支持，成为大数据平台上最主流的资源调度系统。
同样是在2012年，UC伯克利AMP实验室（Algorithms、Machine和People的缩写）开发的Spark开始崭露头角。当时AMP实验室的马铁博士发现使用MapReduce进行机器学习计算的时候性能非常差，因为机器学习算法通常需要进行很多次的迭代计算，而MapReduce每执行一次Map和Reduce计算都需要重新启动一次作业，带来大量的无谓消耗。还有一点就是MapReduce主要使用磁盘作为存储介质，而2012年的时候，内存已经突破容量和成本限制，成为数据运行过程中主要的存储介质。Spark一经推出，立即受到业界的追捧，并逐步替代MapReduce在企业应用中的地位。
一般说来，像MapReduce、Spark这类计算框架处理的业务场景都被称作批处理计算，因为它们通常针对以“天”为单位产生的数据进行一次计算，然后得到需要的结果，这中间计算需要花费的时间大概是几十分钟甚至更长的时间。因为计算的数据是非在线得到的实时数据，而是历史数据，所以这类计算也被称为大数据离线计算。
而在大数据领域，还有另外一类应用场景，它们需要对实时产生的大量数据进行即时计算，比如对于遍布城市的监控摄像头进行人脸识别和嫌犯追踪。这类计算称为大数据流计算，相应地，有Storm、Flink、Spark Streaming等流计算框架来满足此类大数据应用的场景。 流式计算要处理的数据是实时在线产生的数据，所以这类计算也被称为大数据实时计算。
在典型的大数据的业务场景下，数据业务最通用的做法是，采用批处理的技术处理历史全量数据，采用流式计算处理实时新增数据。而像Flink这样的计算引擎，可以同时支持流式计算和批处理计算。
除了大数据批处理和流处理，NoSQL系统处理的主要也是大规模海量数据的存储与访问，所以也被归为大数据技术。 NoSQL曾经在2011年左右非常火爆，涌现出HBase、Cassandra等许多优秀的产品，其中HBase是从Hadoop中分离出来的、基于HDFS的NoSQL系统。
我们回顾软件发展的历史会发现，差不多类似功能的软件，它们出现的时间都非常接近，比如Linux和Windows都是在90年代初出现，Java开发中的各类MVC框架也基本都是同期出现，Android和iOS也是前脚后脚问世。2011年前后，各种NoSQL数据库也是层出不群，我也是在那个时候参与开发了阿里巴巴自己的NoSQL系统。
事物发展有自己的潮流和规律，当你身处潮流之中的时候，要紧紧抓住潮流的机会，想办法脱颖而出，即使没有成功，也会更加洞悉时代的脉搏，收获珍贵的知识和经验。而如果潮流已经退去，这个时候再去往这个方向上努力，只会收获迷茫与压抑，对时代、对自己都没有什么帮助。
但是时代的浪潮犹如海滩上的浪花，总是一浪接着一浪，只要你站在海边，身处这个行业之中，下一个浪潮很快又会到来。你需要敏感而又深刻地去观察，略去那些浮躁的泡沫，抓住真正潮流的机会，奋力一搏，不管成败，都不会遗憾。
正所谓在历史前进的逻辑中前进，在时代发展的潮流中发展。通俗的说，就是要在风口中飞翔。
上面我讲的这些基本上都可以归类为大数据引擎或者大数据框架。而大数据处理的主要应用场景包括数据分析、数据挖掘与机器学习。数据分析主要使用Hive、Spark SQL等SQL引擎完成；数据挖掘与机器学习则有专门的机器学习框架TensorFlow、Mahout以及MLlib等，内置了主要的机器学习和数据挖掘算法。
此外，大数据要存入分布式文件系统（HDFS），要有序调度MapReduce和Spark作业执行，并能把执行结果写入到各个应用系统的数据库中，还需要有一个大数据平台整合所有这些大数据组件和企业应用系统。
图中的所有这些框架、平台以及相关的算法共同构成了大数据的技术体系，我将会在专栏后面逐个分析，帮你能够对大数据技术原理和应用算法构建起完整的知识体系，进可以专职从事大数据开发，退可以在自己的应用开发中更好地和大数据集成，掌控自己的项目。
希望对您有所帮助！~
物联网是基于互联网之上，使不可交流的物体与物体之间进行交流，而产生的过程，称之为物联网。在过去的十年中，我们见证了各种设备通过网络连接在一起，各种传感器，温度计，交通、流速传感器以及数据传输。大家都听说过互联网，那有没有听说过物联网呢？
首先从字面来理解，就是物品和网络之间相连。起初这个概念最早是由美国提出来的：把所有的物品通过物联网域名相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪等等的一种网络概念。当然了，物联网的官方定义是：是基于互联网之上，使不可交流的物体与物体之间进行交流，而产生的过程，称之为物联网。
物流发展历程：
1、物的流通；
2、后勤物流；
3、生产物流；
4、生产技术的应用；
5、供应链物流；
6、物联网的发展；
1g到5g的发展历程：
1G：The1st Generation Mobile Communication System，即第一代移动通信系统，就像早期港片里面猪脚拿的那个“大砖头”，使用的通信技术就是1G技术，那是模拟通信技术，只能打电话，不能上网。
1G是已经淘汰的以模拟技术为基础的蜂窝无线电话系统，在那个时代，由于技术限制，设计上因为使用模拟调制、FDMA（频分多址），其抗干扰性能差，频率复用度和系统容量都不高。
1G主要系统为AMPS，另外还有NMT及TACS，该制式在加拿大、南美、澳洲以及亚太地区广泛采用，而国内在80年代初期移动通信产业还属于一片空白，直到1987年的广东第六届全运会上蜂窝移动通信系统正式启动。
2G：由于1G有着很多缺陷，经常出现串号、盗号等现象。1999年A网和B网被正式关闭，2G时代也来到了我们身边。1G到2G就是模拟调制到数字调制的过程，相比较第一代通信，2G在技术上更成熟，系统容量以及通话质量都有了极大的提升，不仅能打电话还能发短信、上网。
那个时代，诺基亚彻底崛起，成为了手机界的霸主持续近十年。2G系统几个主流的网络制式：GSM、TDMA、CDMA。
3G：随着通信产业的发展，人们对于移动网络的需求不断加大，第3代移动通信网络必须在新的频谱上制定出新的标准，享用更高的数据传输速率。
在3G之下，有了高频宽和稳定的传输，影像电话和大量数据的传送更为普遍，行动通讯有更多样化的应用，因此3G被视为是开启行动通讯新纪元的重要关键。
而支持3G网络的平板电脑也是在这个时候出现，苹果，联想和华硕等都推出了一大批优秀的平板产品。3G系统的几个主要制式WCDMA，CDMA2000，TD-SCDMA，WiMAX。
4G：第四代通信技术是集3G与WLAN于一体并能够传输高质量视频图像以及图像传输质量与高清晰度电视不相上下的技术产品。4G系统能够以100Mbps的速度下载，比拨号上网快2000倍，上传的速度也能达到20Mbps。
实质上现在我们所说的4G应该是LTE-Advanced，LTE只是作为39G移动互联网技术。
主要网络制式有：TD-LTE（时分双工）和FDD（频分双工），二者相似度达90%，差异较小，但由于无线技术的差异、使用频段的不同以及各个厂家的利益等因素，FDD-LTE的标准化与产业发展都领先于TD-LTE，成为当前世界上采用的国家及地区最广泛的，终端种类最丰富的一种4G标准。
5G：即第五代移动通信技术，国际电联将5G应用场景划分为移动互联网和物联网两大类。5G呈现出低时延、高可靠、低功耗的特点，已经不再是一个单一的无线接入技术，而是多种新型无线接入技术和现有无线接入技术（4G后向演进技术）集成后的解决方案总称。
无线通信技术通常每10年更新一代，2000年3G开始成熟并商用，2010年4G开始成熟并商用，现在研究5G，2020年成熟应该是符合规律预期的，5G的诞生，将进一步改变我们的生活。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）