物联网时代的数据库如何选型？

物联网时代，大量的数据从不同的设备传感器产生，单机数据库系统肯定无法存储这么大量的数据，在选择数据库方面，肯定要选择具有分布式能力存储的数据库。

在物联网时代，数据之间还有一个非常重要的特性，那就是数据之间的关联性。不同的数据从相互连接的互联网设备传感器中产生，由于不同的传感器相互连接，协同工作和采集数据，如何将大量具有相互关联的数据保存在数据库，这里我推荐使用图数据库来进行存储。

图数据库相对于其他数据库来说，最大的优势就是查询数据之间的关联性会更加快速，消耗的时间会更短。打个比方，在社交网络中，我们想要查询在用户A的粉丝中，粉丝关注了B的用户。如果使用传统关系型数据库来存储用户的关注关系，在上面的数据统计中，要使用两层Join才能算出结果，而关系型数据库Join *** 作会很慢。使用图型数据库存储数据的话，图中的点为用户，边为用户的关注关系，在查询A的粉丝，同时粉丝也关注B的用户，只需要遍历两层关注关系就能很快查询到结果。

图数据库也属于NoSql数据库的一种，常用的图形数据库有，JanusGraph、Neo4j、Cayley、dgraph。不同的图数据库，底层实现也不尽相同。

JanusGraph是一种分布式图数据库，由Java语言开发，可以使用Hadoop生态存储系统作为数据源，构建出数据大图。是TiTan图数据库的开源版本，支持事务的ACID。

Neo4j是一种单机的图数据库，其优势就是能够快速安装并且使用，便于新同学上手。你的数据量一般不大的话，我推荐使用Neo4j，直接使用Neo4j相关的API就可以将数据模型图构建而出，然后使用Neo4jCypher查询语言，就可以分析数据，Cypher是一种类SQL的语言。

Cayley和Dgraph都是使用Go语言实现的图数据库，Go语言的最大特性就是其编译速度和开发便捷性，Cayley和Dgraph都支持分布式存储，不过都不支持SQL语言查询数据，Dgraph不支持事务，而Cayley支持事务，不过在开源社区，Dgraph比Cayley更加活跃，这里优先建议使用Dgraph作为物联网的存储数据库。

总体来说，在物联网时代，一定要学会使用图数据库，在分析大量数据之间的关联性时，图数据库就能够派上用场，图数据库最大的优势就是分析不同数据之间的关联性。

不通频段不同协议的标签存储数据的方式是不一样的
比如
EPCC1G2标签存储器
从逻辑上将标签存储器分为四个存储区，每个存储区可以由一个或一个以上的存储器字组成。这四个存储区是：
EPC 区(EPC)：存EPC号的区域，本读写器规定最大能存放15字EPC号。可读可写。
TID 区(TID)：存由标签生产厂商设定的 ID 号，目前有4字和8字两种ID号。可读，不可写。
用户区(User)：不同厂商该区不一样。Inpinj 公司的G2 标签没有用户区。Philips 公司有28字。可读可写。
保留区(Password)：前两个字是销毁(kill)密码，后两个字是访问(access)密码。可读可写。
四个存储区均可写保护。写保护意味着该区永不可写或在非安全状态下不可写；读保护只有密码区可设置为读保护，即不可读。
上海复旦微电子股份有限公司的FM1208是
程序存储器32K×8bit ROM
数据存储器8K×8bit EEPROM
256×8bit iRAM
384×8bit×RAM

---