数据收集对于物联网IoT来说，是至关重要的一部分这些数据的收集必须能够触发及时以及有用的反馈与操作，尤其在高速自动化产线等工业IoT场景下，异常事件无漏报，命令下发以及及时应答将是IoT面临的挑战，下面我们就来说一说关于iot基础知识图谱大全?我们一起去了解并探讨一下这个问题吧!
iot基础知识图谱大全
写在前面数据收集对于物联网IoT来说，是至关重要的一部分。这些数据的收集必须能够触发及时以及有用的反馈与操作，尤其在高速自动化产线等工业IoT场景下，异常事件无漏报，命令下发以及及时应答将是IoT面临的挑战。
虽然在IoT概念范围内处理信息非常重要，但是纳秒级别的处理其实并不常见。为什么还会需要纳秒级别的信号处理呢？
不得不提的离散信号了解离散信号（Discrete Signal）和事件（Event）之间的差异，能更好的帮助我们在企业部署物联网应用的时候做出必要的取舍，弄明白为什么像纳秒级别这样细粒度的信号收集如此重要。
“离散信号”：是在连续信号上采样得到的信号。它是一个序列，这个序列的每一个值都可以被看作是连续信号的一个采样。例如，安装在大厦能源管理系统上的智能电表可以输出连续的模拟信号，如电压、电流和功率，并以非常精确的时间间隔和非常高的速率输出测量值。
其实，离散信号在IoT中使用得很广泛，我们常见的能源管理系统和行车轨迹这样的系统就是这种情况。每个温度、气压、湿度以及轨迹经纬度，这些数据都只是一个特定时间点上的数据采样，连续变化的特征（例如纳秒精度的特征）由于采样而损失掉了。
实际情况是实时连续信号收集会有大量的重复数据，例如车辆轨迹在车停在路边的时候它的经纬度就是固定的，室内的温湿度在没有较大变化的情况下也是平稳的，数据基本一样。怎样在减少采样次数的前提下，能够精确表征实际情况是迫切要考虑的，毕竟节省IoT数据的存储空间也是节省成本。比较实用的一种算法就是：旋转门算法。（有兴趣可以自行百度搜索，这是最简单有效的线性拟合算法）
数据的精确采集有助于展现事物全貌在智能电表的例子中，电压损失以及电流抖动都可以看做是“事件”，只要采集的精度足够高就能把所有的事件无遗漏地发掘出来。
从离散信号中抽象出的特定事件序列是有效处理分析的关键。无论IoT应用是进行实时处理和事后分析，还是预测和测试假设的场景，了解事件的顺序都是至关重要的。团队应该知道首先发生了什么，最后发生了什么。如果两件事同时发生，它是完全在同一时间发生，还是一件事发生在另一件事之前或之后。
如果通过捕捉到十几秒的级别或聚合到分钟级别来模糊计时精度，就可能在失去精度的背景下，无法正确理解现实真实的情况 —— 有些行业，纳秒精度很重要，事情以光速发生。
如果IoT是要通过多个微服务系统生成需要排序的数据，那么在这些系统之间精确同步时间到毫秒是一个很大的挑战。金融和电信系统已经开发出了在独立计算机上产生的离散信号的事件排序，现在可以精确到亚毫秒。
不得不谈ROI最后还是谈一谈立足于项目本身的投入产出比。
对于技术人员来说，会陷入一个细节魔咒，对极致的追求会更为兴奋（不计代价地投入换来突破）。但是，任何事情都有一个投入产出的最大效益，过犹不及。如果项目预算足够的情况下，IoT采集再怎么极致都不为过。
一定要明确物联网的价值在于“场景”和“数据”，一切的连接和采集，都要忠于场景和通过数据进行的洞察，在某些场景里30秒采集一次数据就能满足，就完全没有必要采用秒级的采集，在能耗、存储、数据处理方面都不合算，所以并不一定需要投入几百万的投入才能做成IoT平台，一定要立足于场景。
,
