在由兩部分組成的系列文章的第一部分中，我們將討論現代分布式物聯網和物聯網數據應用程序開發、部署和持續支持的挑戰。具體解決的是跨越我們所說的技術“孤島”的開發挑戰，以及跨云、霧和邊緣計算節點安全可靠部署以滿足現代應用程序需求的挑戰。

隨著物聯網市場的成熟，本文考慮了跨網絡的抽象層和計算模型的出現。這些可以從單一統一的程序員角度跨異構計算端點和通信層網絡進行應用程序和系統開發。

隨著物聯網的迅速崛起，以及物聯網設備的生產和多樣性的增加，我們已經看到創新技術大大提高了生產力和/或產生了全新的商業模式。同時，現代嵌入式和物聯網解決方案是分布式和異構的，硬件目標包括低功耗8位MCU，輕量級但功能強大的網絡網關以及互聯網云服務器的近乎無限的資源。

現代物聯網解決方案需要跨不同開發平臺或“孤島”的專業知識。我們使用術語孤島來表示實現跨網絡 IoT 解決方案所需的分段開發和部署流程和工具。隨著開發從云轉移到系統內的嵌入式組件，需要越來越專業化和昂貴的人才，這些人才仍然被鎖定在給定的開發孤島中。這是因為開發高效、安全和可靠的嵌入式軟件仍然需要高度專業化的知識，這些知識伴隨著陡峭且通常昂貴的學習曲線。

很多時候，云和應用程序開發人員認為理所當然的高級抽象并沒有找到嵌入式開發的方式。也就是說，在跨多個團隊、工具和目標開發和部署功能時，即使不是不可能，也很難保持敏捷性——后勤挑戰會減緩產品實施和創新的步伐。

該問題的真實體現可能是現代無人機平臺，包括用于數據收集的云服務器、高性能網絡網關以及本地設備上網絡。此外，無人機本身可能由可能運行Linux或其他操作系統的強大應用處理器，各種裸機8位MCU處理功能（如無刷電機控制）以及各種GPU，相機和具有不同可編程性的硬件加速器組成。

許多行業參與者已經開始認識到這個快速增長的問題，例如英特爾公司，他最近表示，“嵌入式和物聯網之間的一個關鍵區別是連接性。我們正在從孤立的設備過渡到一組能夠感知周圍環境的互聯設備。

“如果你考慮所有用于分析的加速器 - CPU，圖形，視頻加速器，深度學習引擎，FPA - 你談論的是4-5種不同的編程環境。這與舊的工具環境不同。工具必須以一種允許開發人員盡可能無縫地在云、網關和設備中的所有這些加速器之間移動工作負載和加速的方式完成。1

物聯網和物聯網數據

有人可能會說，物聯網的革命也可以被認為是由DoT或物聯網數據驅動的。因此，收集、過濾、規范化、處理和存儲數據的高效且經濟的基礎設施應該是任何物聯網部署的核心。

對于許多企業來說，云已成為分析、存儲和可視化物聯網數據的主要選擇。然而，由于延遲、可用性、成本和隱私等明顯原因，大多數人會同意某些處理需要在數據源（即物聯網設備）附近完成，其中包括邊緣和霧計算。結果是，在許多情況下，構建、部署和支持端到端物聯網數據管道是一種平衡行為，即決定應該在云中做什么，應該在邊緣或其他地方做什么，跨越多個開發目標、生態系統和開發人員資源。

這部分是由于云中的部署是眾所周知的，特別是像AWS這樣的云供應商已經使用各種工具和服務進行了大規模的數據分析和渲染。對于大多數幾乎沒有指導或誤導原則的企業來說，如何在邊緣最好地構建、部署和支持數據驅動的計算基礎設施仍然是最佳實踐。這在一定程度上與物聯網系統的異構性質有關，物聯網系統的硬件和軟件架構、軟件打包和安全功能可能大不相同。

同樣重要且當今該領域缺少的一大部分是以數據為中心的邊緣計算基礎設施。此類基礎設施需要能夠：

？標準化 IoT 數據的攝取和規范化方式

？提供劃分和分配數據處理工作負載的系統方法

？自動擴展數據處理任務，以適應各種數據復雜性和數據量

？簡化 AI/ML 推理函數的構建和部署到邊緣的方式

開發和部署挑戰

市場上有一些袖珍解決方案解決了其中的一兩個挑戰。例如，AWS Greengrass 服務允許您在嵌入式邊緣網關上運行微服務（以 Lambda 函數的形式）;Azure IoT Edge 提供類似功能，但以顯式容器化應用的形式除外。

然而，在撰寫本文時，這些服務包括一個過于簡化的物聯網和邊緣部署模型，目前無法在將聚合數據發送到云之前通過大型物聯網邊緣設備網絡實現復雜的數據處理功能。

這部分是由于這些開發人員強烈接受用于構建安全的云支持的Web應用程序的復雜，敏捷的開發方法，而嵌入式世界在很大程度上已經落后。云和應用程序開發人員認為理所當然的高級抽象在很大程度上沒有找到嵌入式開發的方式，這通常使其成為開發完整解決方案中最慢最痛苦的方面。

O‘Reilly最近的一份出版物很好地總結了這一挑戰的各個方面。《重新思考編程》一文指出，“編程世界將越來越多地分為訓練有素的專業人士和沒有深厚背景但擁有大量構建經驗的人。前者構建工具、框架、語言和平臺;后者連接事物并構建網站、移動應用程序等。2

因此，我們不僅要解決系統架構中各種孤島（云、霧、設備/嵌入式）的開發挑戰，還要解決如何促進構建者以務實的方式部署、配置、重新配置和支持這些健壯的系統，而不需要深入了解底層硬件架構等。

例如，考慮部署包含圖 1 中體系結構的應用程序。嵌入式節點可能是低功耗 8、16 或 32 位 MCU 或 DSP 目標，需要深入了解底層硬件架構，并且通常需要牢牢掌握 C 編程語言。該器件可以與各種致動器、傳感器和串行通信協議（如 I2C、UART 等）接口。

圖1.嵌入式設備直接與云計算通信的示例。

相反，圖 1 右側的云數據存儲通常是具有 GB 內存的高度配置的多核服務器，可能運行強大的虛擬化操作系統并執行在具有更高級編程語言的抽象框架中構建的應用程序。

云存儲可以執行數據記錄、事件處理和類似功能。

正如人們所期望的那樣，為每個設備編程邏輯需要不同程度的底層架構知識（或者在云設備的情況下，可能根本沒有知識），使用截然不同的框架、編程語言和操作系統支持級別（或者在嵌入式節點的情況下根本沒有操作系統）。

現在考慮相同的應用程序，但部署在圖 2 所示的體系結構上。雖然該架構仍然包括嵌入式節點和云節點，但集成了用于記錄、分析、推理或其他邏輯的霧網關。此節點可能是預配良好的多核 Linux 體系結構，可在 C++ 等中編程。

圖2.將霧與云計算相結合的嵌入式設備通信示例。

這當然提出了許多問題：

如何在這個不斷發展的體系結構中遷移現有應用程序？

如果有多個嵌入式節點和/或多個霧節點怎么辦？

跨不同硬件目標（包括不同級別的計算資源、操作系統支持、帶寬和連接）遷移應用程序的系統方法是什么？

此外，還必須考慮從頭開始支持安全、不同類型的通信鏈接和發展范式。

顯然，開發、部署和持續支持的問題很快就會在孤立的架構中以及組織中的孤立開發和部署團隊中變得棘手！

期待

隨著物聯網和 DoT 應用的未來需要嵌入式計算、霧計算和云計算協同運行，項目經理和開發人員都必須注意構建和部署這些解決方案所需的人力資源和資本。

高級云開發人員可能不具備嵌入式硬件的復雜知識，并且很多時候不具備這些系統所需的系統級理解和編程技能。同樣，嵌入式開發人員很可能不知道云開發中迅速出現的高級開發框架和工具。

必須注意協調許多移動部件，以便對這些系統進行統一和異構的開發、部署和持續支持。

然而，與此同時，孤島的集成遠遠超出了給定目標節點的開發。必須考慮設備之間的各種通信通道，以及部署給定物聯網應用程序的基礎設施的維護。此外，必須在應用程序部署的整個生命周期中持續維護安全配置信息的部署和安全層本身。當物聯網應用程序中一個計算節點的應用程序代碼、安全層或配置更新時，不僅需要針對支持該應用程序的其他軟件和系統進行測試和驗證，還需要同時部署。這種迭代部署周期通常由多個互連的軟件模塊和層（請注意，一些專有和一些第三方或開源）組成，必須跨開發團隊和企業加以考慮。

在本文的第 2 部分中，我們將解決給定 IoT 部署孤島中的特定開發挑戰。然后，我們進一步深入研究潛在的面向未來的解決方案，以促進構建這些類型的孤島跨越系統，考慮給定組織內的語言和部署方案。

審核編輯：郭婷