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。

物联网、大数据及人工智能都是近年来互联网行业比较火热的话题，三者之间具有非常紧密的联系。想探讨物联网、大数据及人工智能之间如何融合，首先需要了解其基本概念。

概念

1、物联网

根据百度百科的解释，物联网（InternetofThings，IoT）是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络（万物互联）。物联网网络架构设计由感知层、网络层及应用层组成，分别实现数据采集、数据传输及数据应用的功能。目前，物联网已经广泛应用于智慧医疗、智慧环保、智慧城市、智能家居及物流等领域。

2、大数据

大数据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。大数据具有体量大（Volume）、及时性（Velocity）、多样性（Variety）、低价值密度（Value）及真实性（Veracity）的“5V”特性。

3、人工智能

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前，人工智能正在改变各行各业的传统模式，作为人工智能分支的机器学习/深度学习已经广泛用于自然语言处理（NLP）、计算机视觉（CV）、机器翻译及推荐系统等领域。

深度融合

物联网、大数据、人工智能三者之间相辅相成，可以形成一个闭环通路。物联网作为智能感知层，主要负责采集现场的数据并将数据上传至分布式数据库中；大数据作为数据存储层，将经过ETL处理后的数据保存到分布式文件系统（HDFS）或数据仓库（HIVE）中；人工智能作为应用层，可利用sparkml或tensorflow实现相关的机器学习或深度学习算法，对存储在HDFS或HIVE中的数据进行数据挖掘。

应用案例

目前，物联网、大数据、人工智能已经广泛用于智慧城市、智慧环保、智慧交通等领域。以智慧环保中的空气预警为例，首先，物联网可以作为智慧感知层，安装在客户现场的空气监测设备采集的空气质量信息通过网络传输数据中心；而后，利用大数据ETL工具（spark、hive）进行数据清洗并存储至分布式数据库/文件系统/数据仓库中；最后，利用人工智能相关技术进行大数据分析（sparkml、tensorflow），预测未来若干天的空气质量，并以此辅助进行科学决策及改善环境。

院校专业：

基本学制：三年 | 招生对象： | 学历：中专 | 专业代码：710102

培养目标

培养目标

本专业培养德智体美劳全面发展，掌握扎实的科学文化基础和传感器应用、网络通 信、综合布线、物联网项目工程实施等知识，具备物联网生产施工、物联网技术服务、 系统运维等能力，具有工匠精神和信息素养，能够从事物联网设备安装与调试、物联网 系统集成实施、物联网系统监控、物联网产品制造与检测、售后技术支持等工作的技术 技能人才。

职业能力要求

职业能力要求

1 具有物联网产品装配、焊接、检测与调试的能力； 2 具有感知层设备质量检测、典型传感网安装组建与调试的能力； 3 具有物联网项目施工图识读、物联网设备安装与调试的能力； 4 具有物联网平台、数据库及应用程序安装、配置与运行维护的能力； 5 具有物联网样机试制、数据采集与标注、应用程序辅助开发的能力； 6 具有物联网系统应用程序安装、使用、维护、系统监控与故障维修的能力； 7 具有初步将 5G、人工智能等现代信息技术应用于物联网领域的能力； 8 具有终身学习和可持续发展的能力。

专业教学主要内容

专业教学主要内容

专业基础课程：电工电子技术与技能、计算机组装与维修、计算机网络技术基础、 程序设计基础。 专业核心课程：单片机技术及应用、数据库技术及应用、传感器与传感网技术应用、 网络综合布线技术、物联网技术及应用、物联网设备安装与调试、物联网运维与服务。 实习实训：对接真实职业场景或工作情境，在校内外进行物联网综合布线、物联网 电子产品制作、物联网设备安装与调试、物联网工程实施等实训。在物联网系统集成企 业、物联网产品制造企业等单位进行岗位实习。

专业（技能）方向

专业（技能）方向

职业资格证书举例

职业资格证书举例

职业技能等级证书：物联网智能家居系统集成和应用、物联网安装调试与运维、物 联网工程实施与运维

继续学习专业举例

接续高职专科专业举例：物联网应用技术、工业互联网技术 接续高职本科专业举例：物联网工程技术、工业互联网技术 接续普通本科专业举例：物联网工程、计算机科学与技术

就业方向

就业方向

面向物联网安装调试员等职业，物联网设备安装与调试、物联网系统运行与维护、 物联网系统监控、物联网产品制造与测试、物联网项目辅助开发和售后技术支持等岗位 （群）。

对应职业（岗位）

对应职业（岗位）

其他信息：

物联网应用技术是物联网在大学专科（高职）层次的唯一专业，属于电子信息类，升本专业为物联网工程（计算机类）。 本专业培养掌握射频、嵌入式、传感器、无线传输、信息处理、物联网域名等物联网技术，掌握物联网系统的传感层、传输层和应用层关键设计等专门知识和技能，具有从事WSN、RFID系统、局域网、安防监控系统等工程设计、施工、安装、调试、维护等工作的业务能力，具有良好服务意识与职业道德的高端技能型人才。专业课程有C语言程序设计，Java程序设计，TCP/IP网络协议，RFID技术，计算机原理，程序设计原理等。

如何知道艾瑞报告的数据采集途径在哪里关于这个问题有以下解释：物联网系统
数据采集的三大渠道
要想了解大数据的数据采集过程，首先要知道大数据的数据来源，目前大数据的主要数据来源有三个途径，分别是物联网系统、Web系统和传统信息系统，所以数据采集主要的渠道就是这三个。
物联网的发展是导致大数据产生的重要原因之一，物联网的数据占据了整个大数据百分之九十以上的份额，所以说没有物联网就没有大数据。物联网的数据大部分是非结构化数据和半结构化数据，采集的方式通常有两种，一种是报文，另一种是文件。在采集物联网数据的时候往往需要制定一个采集的策略，重点有两方面，一个是采集的频率（时间），另一个是采集的维度（参数）。
Web系统是另一个重要的数据采集渠道，随着Web20的发展，整个Web系统涵盖了大量的价值化数据，而且这些数据与物联网的数据不同，Web系统的数据往往是结构化数据，而且数据的价值密度比较高，所以通常科技公司都非常注重Web系统的数据采集过程。目前针对Web系统的数据采集通常通过网络爬虫来实现，可以通过Python或者Java语言来完成爬虫的编写，通过在爬虫上增加一些智能化的 *** 作，爬虫也可以模拟人工来进行一些数据爬取过程。

---