阿里云物联网平台 - 物模型

物模型是云平台为物联网产品定义的数据模型，用于描述产品的功能。将产品抽象成数据的集合，方便云端进行控制。

物模型从 属性 、 服务 和 事件 三个维度，分别描述了该实体是什么、能做什么、可以对外提供哪些信息。定义了物模型的这三个维度，即完成了产品功能的定义。

TSL 格式是一个 JSON 格式的文件，完整的 TSL 格式可以参考： 阿里云物模型 。

嵌入式端开发固件往往只需要关注少数几个参数，可以在产品的 功能定义 页面，单击 物模型TSL ， 精简物模型 里面查看。

需要关注的有 "properties"，"events"，"services"，在 JSON 格式里，这三者都是数组，分别存储了该物模型的数据，事件和服务，在 C-SDK 里也就分别是 IOT_Linkkit_Report() 上报属性， IOT_Linkkit_TriggerEvent() 触发事件和注册为 ITE_SERVICE_REQUEST 的回调函数。

在上报属性时，只需要关注 "identifier" 名称对应的值（字符串），此时表示该属性在产品下的唯一标识。例如一个精简物模型属性为：

则上报的数据只需要为 {"count":10} 即可，需满足 JSON 字符串的格式，字符串内有一个名称/值对，名称为 "count"（物模型里 "identifier" 的值），值对为 10（满足物模型里数据类型为 int 的要求）。

触发事件需要关注 "identifier" 名称对应的值（字符串），表示该事件在产品下的唯一标识；还需要关注 "outputData"，表示上报事件的输出值。一个精简物模型例子如下：

"outputData" 数组的使用与属性上报一致，这里就不介绍了。

服务调用需要同时关注 "identifier"，"inputData" 和 "outputData" 这三个名称，分别表示该服务在产品下的唯一标识，服务的输入参数，服务的输出参数。与函数调用有输入值和输出值类似，服务调用也有这些特征。

物模型数据校验方式目前有两种， 弱校验 和 免校验 。

也就是说，弱校验针对产品设备的上报数据，只要 idetifier 是一致的，且 dataType 字段满足要求，就接收该数据，并且在其他云端产品流转。

为什么云端可以设置和获取接入设备的属性呢？为什么接入设备可以上报事件给云端呢？又为什么云端可以调用接入设备提供的服务呢？这就是这一小节解释的内容。

物模型基于 MQTT 协议，MQTT 协议的介绍不在此处展开。

云端定义了一系列的 Topic，在设备接入云端时，C-SDK 向 MQTT broker 订阅了一些的 Topic，而云端需要与设备交互时，就向 MQTT broker 发布相应的 Topic，这样就完成了交互过程。同理，云端也会订阅一些 Topic，设备可以向这些 Topic 发布消息。

接入设备端订阅发布的 Topic 列表如下：

其中 ${productKey} 会替换为实际的产品名，${deviceName} 会替换为实际的设备名，${tsleventidentifier} 是事件的标识符，${tslserviceidentifier} 是服务的标识符，最大限度地保证了 Topic 的唯一性。

这些 Topic 的作用在后面用时序来描述。

高效、高质量和可负担的智慧医疗不但可以有效提高医疗质量，更可以有效阻止医疗费用的攀升。智慧医疗使从业医生能够搜索、分析和引用大量科学证据来支持他们的诊断，同时还可以使医生、医疗研究人员、药物供应商、保险公司等整个医疗生态圈的每一个群体受益。

在不同医疗机构间，建起医疗信息整合平台，将医院之间的业务流程进行整合，医疗信息和资源可以共享和交换，跨医疗机构也可以进行在线预约和双向转诊，这使得“小病在社区，大病进医院，康复回社区”的居民就诊就医模式成为现实，从而大幅提升了医疗资源的合理化分配，真正做到以病人为中心。

振邦电子健康档案/电子病历的建设，通过标准化的业务语言组件，在授权许可范围内，共享患者的病历信息，以供医护人员随时查询，为预防、诊断、康复提供可靠参考。这保证了患者在任何地方都能得到一致的护理服务，从而有效提升了医疗服务水平。振邦智慧医疗系统融合了中西方医疗方法与技术。

中医医院将中西医各类临床信息整合成标准化、可计算的模型，使医务人员可以准确制定融合中西医的治疗方案。

医疗信息整合平台和电子健康档案/电子病历不是振邦智慧医疗系统的全部，当前振邦正在大力发展的医疗信息整合平台和电子健康档案/电子病历、移动医疗设备、个人医疗信息门户、远程医疗服务和虚拟医疗团队等，都将有力地推动智慧的医疗的建设；

也将助力于中国建设起覆盖城乡居民的基本医疗卫生制度，为群众提供安全、有效、方便、价廉的医疗卫生服务。在未来，当智慧元素融入整个行业，医疗信息系统必将以前所未有的速度开始进化，并对医疗卫生行业，乃至全人类的健康产生重大影响。

扩展资料：

智能医疗发展趋势：

将物联网技术用于医疗领域，借由数字化、可视化模式，可使有限医疗资源让更多人共享。从医疗信息化的发展来看，随着医疗卫生社区化、保健化的发展趋势日益明显，通过射频仪器等相关终端设备在家庭中进行体征信息的实时跟踪与监控；

通过有效的物联网，可以实现医院对患者或者是亚健康病人的实时诊断与健康提醒，从而有效地减少和控制病患的发生与发展。此外，物联网技术在药品管理和用药环节的应用过程也将发挥巨大作用。

随着移动互联网的发展，未来医疗向个性化、移动化方向发展，到2015年超过50%的手机用户使用移动医疗应用，如智能胶囊、智能护腕、智能健康检测产品将会广泛应用，借助智能手持终端和传感器，有效地测量和传输健康数据。

未来几年，中国智能医疗市场规模将超过一百亿元，并且涉及的周边产业范围很广，设备和产品种类繁多。这个市场的真正启动，其影响将不仅仅限于医疗服务行业本身，还将直接触动包括网络供应商、系统集成商、无线设备供应商、电信运营商在内的利益链条，从而影响通信产业的现有布局。

随着安全防范体制和技术的进一步完善和提高，使得医疗行业完全有条件、有能力应用最新的新科技成果，带领全行业步入一个新的台阶，提供最先进最及时的医疗服务，树立自己的行业形象，并能够高效的为用户服务。

为促进医院实现现代化、高效管理的具体要求，现提出结合现今行业发展水平，利用先进技术，采用安全可靠的网络监控解决方案，将监控系统“集成化，网络化”是符合医院保卫工作发展需要的。

参考资料来源：百度百科-智能医疗

参考资料来源：百度百科-智慧医疗

随着全球信息化的浪潮，信息化产业不断发展、延伸，已经深入了众多的企业及个人，SOA系统架构的出现，将给信息化带来一场新的革命。

纵观信息化建设与应用的历程，尽管出现过XML（标准通用标记语言的子集）、Unicode、UML等众多信息标准，但是许多异构系统之间的数据源仍然使用各自独立的数据格式、元数据以及元模型，这是信息产品提供商一直以来形成的习惯。各个相对独立的源数据集成一起，往往通过构建一定的数据获取与计算程序来实现，这样的做法需要花费大量工作。信息孤岛大量存在的事实，使信息化建设的ROI（投资回报率）大大降低，ETL成为集中这些异构数据的有效工具。ETL常用于从源系统中提取数据，将数据转换为与目标系统相兼容的格式，然后将其装载到目标系统中。数据经过获取、转换、装载后，要产生应用价值，还需另外的数据展现工具予以实现，如此复杂的数据应用过程，必定产生高昂的应用成本。

结构化的数据管理尚可通过以上方法，予以实现其集成应用。在非结构化的内容方面，这些具有挑战性的问题令人生畏。内容管理的应用方案基于不同的信息化应用系统，而且大部分是纵向的以组织部门为界限的。在内容管理市场中，经常使用来自不同厂商的产品来提供这些解决方案。即使是同一个厂商的产品，相互之间的功能也是经常重叠，并且无法集成。

随着信息化建设的深入，不同应用系统之间的功能界限已趋于模糊。同时企业资源计划系统和协同商务系统，又需要商业智能的分析展现数据提供用户 *** 作依据。

在激烈竞争且多变的市场环境下，企业的管理模式很难固化，应用传统的信息化软件，当企业要做出一些改动时需要面对巨大的挑战。

SOA系统架构的出现，信息化变革

微软大中华区服务部总经理辛儿伦介绍说，从上世纪60年代应用于主机的大型主机系统，到80年代应用于PC的CS架构，一直到90年度互联网的出现，系统越来越朝小型化和分布式发展。2000年WebService出现后，SOA被誉为下一代Web服务的基础框架，已经成为计算机信息领域的一个新的发展方向。

SOA的出现给传统的信息化产业带来新的概念，不再是各自独立的架构形式，能够轻松的互相联系组合共享信息。

可复用以往的信息化软件。基于SOA的协同软件提供了应用集成功能，能够将ERP、CRM、HR等异构系统的数据集成。

松散耦合方式，只要充分了解业务的进程，就可以不用编写一行代码，通过流程图实现一套我们自己的信息系统。就像已经给你准备好了砖瓦和水泥，只需要想好盖什么样的房子就可以轻松的盖起。加快开发速度，并且减少了开发和维护的费用。软件将所有的管理提炼成表单和流程，以记录管理的内容，指定过程的流转方向。

更简便的信息和数据集成。信息集成功能可以将散落在广域网和局域网上的文档、目录、网页轻松集成，加强了信息的协同相关性。同时，复杂、成本高昂的数据集成，也变成了可以简单且低成本实现的参数设定。创建了完全集成的信息化应用新领域。

在具体的功能实现上，SOA协同软件所实现的功能包括了知识管理、流程管理、人事管理、客户管理、项目管理、应用集成等，从部门角度看涉及了行政、后勤、营销、物流、生产等。从应用思想上看，SOA协同软件中的信息管理功能，全面兼顾了贯穿整个企业组织的信息化软硬件投入。尽管各种IT技术可以用于不同的用途，但是信息管理并没有任意地将信息分为结构化或者非结构化的部分，因此ERP等结构化管理系统并不是信息化建设的全部；同时，信息管理也没有将信息化解决方案划分为部门的视图，因此仅仅以部分为界限去构建软件应用功能的思想未必是不可撼动的。基于SOA的协同软件与ERP、CRM等传统应用软件相比，关键的不同在于它可以在合适的时间、合适的地点并且有正当理由向需要它提供服务的任何用户提供服务。

“泛在电力物联网”的四层架构以及每层架构主要解决的问题：

感知层：解决数据采集问题，负责感知外界信息和响应上层指令

网络层：接驳感知层和平台层，具有强大的纽带作用

平台层：信息汇总、数据贯通，提升数据高效处理和云雾协同能力

应用层：用户接口，接收信息，并对信息进行处理和决策

针对感知层，SpreadJS可有效解决数据采集、模板迁移，以及数据兼容性问题

（感知层基本架构）

泛在电力物联网的建设，国网公司曾多次强调，不搞推倒重来，不搞重复建设，即“少花钱、多办事”。因此，针对感知层搭建过程中的数据采集、统一感知接入和数据共享等问题，首先要做到与原设备和系统的数据完全兼容，并充分利用原设备和数据模板，唤醒和盘活存量设备及数据。

在泛在电力物联网出现之前，这部分数据主要由电网数据采集员收集，通过各部门ERP系统进行填报、汇总，难免会出现由于现场设备终端种类众多、 *** 作系统不统一而导致的数据误差和接驳困难，更不要说去实现更高层面的业务协同和数据贯通了。

针对上述问题，利用SpreadJS的“在线Excel”特性就可以很好地解决。

Excel作为一款市面上使用人数最多的数据分析及填报软件，具备功能强大，简单易学的特点，SpreadJS 同样具备上述优点，并提供高度类似 Excel 的 *** 作模式和UI，在不依赖任何Excel的组件下，实现数据填报、Excel 类报表设计、公式计算、图表可视化等功能，并可无损导入、导出 Excel 文件。

使用SpreadJS，可将原有系统数据（或Excel模板）转换为JSON格式，直接导入新系统中，不仅解决了原模板不统一，用料数据不一致，文件难以管理的问题，还最大程度的保留了Excel公式、图表，以及数据填报能力，同时所有报告的数据和模板都可以在后台进行有效的管理和存储。

针对平台层，SpreadJS可为“数据中台”构建，提供高效的性能支撑

作为信息汇总和碰撞的地方，数据相通是其基本条件，而要做到数据贯通，必须要解决数据存储、检索、权限管理等问题，数据中心（或数据中台等）便是一个很好的解决方案。

如果一个工作人员如果对其他专业系统不熟悉，加上没有通用的数据分析手段，面对那些已经经过信息化重新组织的业务数据，基本无从下手。

因此，打造数据中台，一定要从源端开始，建立数据从接入、存储到加工应用的规范化流转机制，实现数据同源，并减少重复存储，以此降低数据存储成本，以及数据重复加工产生的人力成本。

远光软件，作为专业的企业资源管理产品解决方案提供商，已经开始全面布局泛在电力物联网的业务规划，打造针对电力行业的数据中台，并通过产业链管理、区域能源管理、能源网络管理、电力市场交易、综合能源服务和能源大数据管理六大业务服务能源新生态。

远光软件在“泛在电力物联网”的布局

企业应用管理系统，作为远光软件数据中台的核心模块之一，正是以Excel的数据源为基础，以数据共享、在线协同编辑为目的，充分实现企业业务流程和内部数据闭环。

而SpreadJS的典型应用场景之一：在线协同编辑，则可以很好地满足远光软件关于“企业应用管理系统”构建的全部需求。

以SpreadJS开发的协同办公系统，具备协作效率高（多人协同编辑，无需等待），简单易用（类 Excel 的方式降低学习成本，最终用户极易上手），快速响应需求（无需IT、开发部门介入，业务部门自行完成）等特点，可有效助力企业从业务和数据双视角构建数据服务体系，为系统使用者提供数据调用、数据监控、数据分析与数据展现等服务，为项目管理者提供流程规范化、数据业务化、数据服务化及服务共享化的支持。

扩展阅读《SpreadJS 在“泛在电力物联网”信息化系统开发中的作用》网页链接

大数据技术是指大数据的应用技术，涵盖各类大数据平台、大数据指数体系等大数据应用技术。

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

随着云时代的来临，大数据也吸引了越来越多的关注。分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。

大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

扩展资料：

大数据的三个层面：

1、理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

2、技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

3、实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。

参考资料来源：百度百科-大数据

---