基于垂直农业的物联网解决方案中的大数据和云

基于垂直农业的物联网解决方案是当今农业的主要新兴趋势之一。这些解决方案不仅提供有关植物生长统计数据的准确信息，而且使运营更具可持续性。有了这些解决方案，农民可以跟踪能源使用情况和土壤成分，验证空气质量、温度和湿度水平等，并以更高效的方式进行操作。

除了处理静态数据外，传感器数据的实时处理，即在数据到达时处理各种传感器收集的数据的能力，将构成这些解决方案的主要组成部分。然而，传统的数据处理系统在处理实时数据、非结构化数据和按需扩展方面落后。这就是为什么在基于物联网的解决方案中云上大数据的使用正在增加的原因，因为它需要查询连续的数据流并在接收数据后的一小段时间内快速检测条件。大数据支持数据存储和结构化以及非结构化数据处理，而云服务则用于具有成本效益的可扩展基础架构。

对这些场景有用的两种突出的大数据处理技术是：

1. 拉姆达架构
2. 卡帕建筑

我已经在这里详细讨论了Lambda架构。尽管lambda具有容错和可扩展的架构以及以分布式方式管理历史数据的批处理层，但该模型的主要缺点是：

• 批处理和流处理层各自需要维护不同的代码库并保持同步。
• 由于涉及综合处理，它可能会导致编码开销。
• 批次、速度和服务层，都需要（至少）处理两次。
• 使用Lambda架构建模的数据难以迁移或重组。

Kappa架构是一种事件驱动的软件架构模型，可以为交易和分析系统大规模处理实时数据。该模型的主要优点是实时和批处理都可以使用单一技术栈来执行。基础设施的核心是流式架构。首先，事件流平台日志存储传入数据。随后，流处理引擎将实时数据连续处理或摄取到知识存储或分析数据库中。使用云数据处理流分析服务的基于物联网的参考模型如下所示：

• 可以安装多个传感器并可以发送包含所有传感器报告的测量值的记录的IoT客户端或边缘设备。这些设备可以：

1. 将云智能扩展到边缘设备。
2. 在边缘运行人工智能。
3. 执行边缘分析。
4. 将IoT解决方案从云端部署到边缘。

• 物联网中心：在物联网设备和云服务之间实现可靠和安全的双向通信的服务。物联网中心可以：
  1. 从云端集中管理设备。
  2. 使用离线和间歇性连接进行操作。
  3. 启用实时决策。
  4. 连接新旧设备。
  5. 降低带宽成本。
• 使用该数据的流处理器，将其与业务流程集成并将数据放入存储中。
• ML/Time Series Insights：它允许对历史遥测数据执行预测算法，从而实现预测性维护等场景。
• 用于存储历史数据和早期预测的知识库。该商店还可以提供实时市场价格、农药和其他农产品相关信息。
• Web应用程序：用于显示植物和作物统计数据以及其他遥测数据的用户界面，可帮助农民快速做出决策。

借助基于云的数据处理技术，可以通过从配备传感器的IoT事物收集数据来将智能构建到这些模型中，这些传感器持续作用于数据并将其传输到数据处理位置。可以远程跟踪能源使用情况、土壤成分或水位，并执行远程操作，例如基于ML的疾病预测、人工照明和控制等。