数据能以多快的速度制造或破坏工业物联网

物联网可以大大提高组织的连通性、效率和可扩展性，同时节省时间和金钱。

世界各地的公司都在寻找在快速发展的市场上竞争的新方法，在能源、制造业和交通等传统行业中，这一点最为真实。从新的机遇到通过提高效率降低成本，再到更根本的变化，比如超越销售资本商品以提供服务，有效地将专业知识转化为创收者，这些公司都在大力利用技术，使之成为变革的制造者。

在几乎每一种情况下，数据都是关键资产。不仅仅是来自内部系统的数据，还包括来自整个供应、生产和物流链的传感器和相关设备的大量数据-甚至那些监控现场客户部署的数据。通常在工业物联网(IIOT)的总体框架下，这种设备、供应商、分销网络和更多的连接会产生不断的数据流。

使用数据的能力对于当前和未来业务操作的成功至关重要。例如，如果正确使用，数据可以通过积极主动的维护和改进设计或操作过程来显著提高可靠性。该数据可用于根据需求、成本、价格等因素对配电网进行调整和优化，有效地实现实时优化，最大限度地减少供不应求、供不应求和收入损失。它甚至可以为客户提供更好的洞察力和理解，通过直接访问有关使用、成本、状态等最新信息。

IIOT项目失败的原因

尽管IIoT的承诺是诱人的，但随着许多公司在他们的IIOT项目中步履蹒跚，它常常被证明是遥不可及的。事实上，2017年思科公司开展的研究显示几乎75%的IIOT项目失败了，60%的人甚至没有走出概念证明阶段。

首先，这些IIOT项目可以显著增加IT复杂性，而且太多的IIOT项目都未能将多个平台连接起来，这些平台很快变得太笨重，无法部署。同样，这些公司突然发现，即使内部和外部连接的规模和数量越来越大，它们也在努力应对转向软件和服务模型(如合同服务级别协议)的根本含义。

通常情况下，罪魁祸首是这些公司试图简单的地改造和应用现有的批处理数据范式和流程，以满足IIOT的根本新需求。这些公司所缺少的是IIOT需要一种新的方法，一种基于流和实时处理的新方法，而不是拼凑出不足以满足IIOT生态系统所需的即时性的解决方案。从这个意义上说，成功在于从一张干净的纸张开始，简化技术栈，并巩固系统和技术，以确保数据处理能够跟上快速到达数据的速度。

为了帮助说明这一点，让我们看看一个成功的IIOT项目，涉及一家大型能源公司。该公司的目标是实时分析传感器数据，评估供求变化，了解设备和分配情况，并在潜在问题升级前提醒工程师注意这些潜在问题。

成功的IIOT项目

能源部门由一个复杂的供应和分配网络组成，该网络由高度先进的资本设备和高度脆弱的部件组成。小故障引发一连串的事件，直接产生负面影响，从局部停电到大规模电网不稳定。即使没有失败，也有很大的可变性，供应、需求和价格不断波动。任何无法适应这些供求波动的情况-例如，由于不经意间供过于求-都会浪费能源，因而不会带来任何好处。更重要的是，服务水平协议可能会增加对未能正确预测和满足需求的严厉惩罚。

该能源供应商试图通过为其内部监测环境采用数据驱动的架构来提高运营效率。但是，电网中瞬间的变化意味着，历史的批量处理对于这项任务来说是远远不够的，取而代之的是需要一个能够在数据到达时处理流数据的技术栈。

现在我们进入了IIOT挑战的核心，因为没有多少流媒体技术能够达到这项任务的规模。就能源供应商而言，该公司希望提醒工程师注意使用来自整个发电网络的实时传感器的数据出现的任何问题。使用特殊的适配器从成千上万个传感器收集和汇总数据，每个传感器依次测量每秒数万个操作数据点。其结果是每秒需要收集数以亿计的消息，然后进行处理，分析上下文并转发到前端监控系统，所有这些都在不到1秒的时间内完成。

不幸的是，大多数流式技术都在这种规模上苦苦挣扎，需要复杂的部署，从而导致性能挑战。事实上，这家能源公司最初试图使用经过尝试的、真实的ApacheKafka和ApacheSPark流媒体解决方案来处理大量的数据，结果却经历了大量的延迟。

在这一点上，该公司作出了一个重要的枢纽，以更现代的流媒体解决方案为基础，基于较新的Apache Pulsar流处理平台，该平台提供了一个现代的、可伸缩的架构，提供了更高的性能。延迟降低到一个可以接受的水平，Pulsar的简单性和易用性使得公司能够在6周多一点的时间内从概念证明到生产，甚至是这个大规模的项目。

这就是IIOT的神奇之处，因为一旦实时收集和评估数据的基础设施可用，机会就开始增加。例如，这家能源公司正计划使用聚合数据为移动应用程序提供数据，使消费者能够更好地了解和了解能源使用情况，最终允许他们以更生态的方式运作。该公司正致力于连接更多的第三方适配器，使其能够传输更多不同形式的传感器数据，以获得更多的洞察力。

这只是IIOT承诺的转变的一个例子。虽然复杂且不足的IT基础设施显然给许多最初的IIOT尝试造成了绊脚石，但新一波更简单、更强大的流媒体数据解决方案已经冲击了市场，以解决这些问题。因为，正如我们所看到的，成功与否的秘诀在于快速的数据。