有人說物聯網是引領信息技術的第三次浪潮。

　　第一次浪潮是個人電腦的出現，開創了信息時代的第一次革命，此次浪潮成就了微軟、IBM等巨頭。

　　第二次浪潮是以信息傳輸為特征的互聯網及移動互聯網，實現了計算機與人的聯通，此次浪潮成就了Google、Facebook，以及國內的BAT等巨頭。

　　第三次浪潮是以信息感知為特征的物聯網，實現了物與物、人與物的全面聯通，這次浪潮還沒有形成寡頭，但是隨著傳感技術、通信技術以及大數據處理技術的發展，物聯網已經在公共事務管理、公共社會服務和經濟發展建設等領域中遍地開花，涉及到的行業也越來越多，如交通管理、節能環保、物流零售等。

　　背景

　　萬物互聯的時代正逐步到來，據權威報告預測，2020年全球物聯網連接的終端數將達到500億，數據呈現爆發式增長。這個數據究竟有多大呢？舉個典型的例子：

　　某個工程機械集團，擁有10萬臺工程機械設備，

　　每臺設備上的采集終端每隔10秒上傳一次數據，每條數據大小1K，

　　一年的數據量為365天*8.6億=3000億，

　　一年占用的存儲為3000億*1K=300TB。

　　我們通常為了保證高可用，會對數據做3份冗余存儲，也就是說，這樣一個企業一年的數據存儲量就可以達到1PB，而1PB就相當于50個國家圖書館的總信息量。

　　物聯網的數據中蘊含的價值也是非常高的，比如：利用車載終端上傳的數據，可以提前預測群體出行的時間、方式和路線，可以為城市車輛調度提供決策幫助；在工業設備上安裝的傳感器，實時收集工業設備的使用狀況，可以進行設備診斷、能耗分析、質量事故分析等；通過各種環保傳感器采集的數據，可以輔助空氣質量改善、水污染控制等。

　　傳統架構的瓶頸

　　面對如此海量的物聯網數據，傳統技術架構已經難以應對。

　　首先，傳統架構都嚴重依賴于關系型數據庫，而關系型數據庫的索引結構基本上都是類B+樹，隨著終端數量增大，數據庫讀寫壓力劇增，讀寫延遲增大，數據庫面臨崩潰。其次，難以支持海量數據的存儲，傳統數據庫無法水平擴展，所以擴容成本非常高，難以滿足PB/EB級數據的讀取和寫入。最后，難以進行大規模數據處理，傳統情況下依賴數據庫的SQL或者存儲過程來進行數據分析的模式，無法對數據做分布式處理，經常一個SQL能把整個數據庫拖垮。