如何管理模擬世界的大規模測量數據

雖然將測試數據通過標準總線，如USB和以太網，傳輸到PC主機上(“智能”)非常常見，但是高通道數測量的采樣速率非常快，很可能超過通信總線的負荷。另一種方法是在本地存儲數據，在測試運行后傳輸文件進行后期處理，所花費的時間會增加，但能獲得有價值的結果。 為了應對這些挑戰，最新的測量系統集成了來自ARM、Intel和Xilinx的領先技術，可提供更高的性能和處理能力，以及現成的存儲組件，以提供高通量數據傳輸。

借助板載處理器，處理元件更接近傳感器和測量，測量系統的數據就變得更為分散。 現代數據采集硬件包含了高性能的多核處理器，可以根據測量運行采集軟件和處理密集型分析算法。 這些智能測量系統能夠更快地分析并得出結論，無需花費時間再等待大量的傳輸數據，也無需立即記錄數據，優化了系統，從而更有效地利用磁盤空間。

云存儲和計算的崛起

DAQ硬件和板載智能化的統一可創建出進一步嵌入式或遠程系統。 在許多行業，它解決了眾多全新應用的難題。 真實世界正變得智能化，人類現在也能夠收集幾乎所有周圍環境的數據集，物聯網因而出現在了我們眼前。 它能夠處理并分析真實世界新數據集，將對眾多行業領域產生深遠的影響，醫療、能源、交通、健身器材、樓宇自動化、保險，它可謂無處不在。

在大部分的行業中，內容自身 (所采集的數據)并非問題的根本。 聰明的人們收集了大量有用的數據。 至目前為止，主要的問題還是出在IT上面。 物聯網通過分布在世界各地的遠程現場設備產生大量數據，有些數據還可能來自最偏遠、荒涼的地區。

這些分布式采集和分析節點(DAAN)嵌入在其他終端產品中，軟件驅動程序和圖像并行連接至多個計算機網絡，形成了計算機系統。 他們形成了最為復雜的分布式系統，生成了史上最大的數據集。 這些系統需要基于遠程網絡的系統管理工具來自動配置、維護及升級DAANs，并需要一種高效、低成本的方式來處理所有數據。

問題的復雜在于，如果您減少數據采集傳統的IT拓撲結構，簡化形式，就會發現他們實際上運行在兩個并行的分布式系統網絡上： “嵌入式網絡”連接到所有采集數據的現場設備(DAAN)， “傳統IT網絡”，進行最有用的數據分析，并傳送給用戶。

而往往，這兩個并行的組織網絡內存在巨大的差異，它們不能互相操作。 這意味著，數據集的效果發揮至極致。 石油和天然氣公司收集地下生成以及通過阿拉斯加管道石油量的實時數據，將這些數據交給會計部門、采購部門、物流部門或財政部門——他們都位于休斯頓——這一切在數分鐘或數小時內就能完成，省去了成天甚至成月的時間。

組織內的并行網絡和其中大量的投資大大抑制了物聯網的發展。 而如今，通過云存儲、云計算，以及基于云的“海量數據”工具，這些難題都能夠得到解決。 使用云存儲和云計算資源創建單個匯聚點非常容易，它能夠匯集來自嵌入式設備(例如DAAN)的大量數據，且組織內的任何一組都能訪問這些數據。 這就解決了兩個并行嵌入式與IT網絡不能相互操作的問題。

用戶可以使用云中無限的存儲和計算資源，并根據使用量計費，這為他們提供了管理分布式系統以及處理大型測量數據集的解決方案。 云服務供應商所提供的海量數據工具套件，可以幫助用戶輕松的獲取并處理這些龐大的測量數據集。

總的說來，云計算技術為分布式系統管理和數據訪問帶來了三大好處： 數據的匯總、訪問數據，以及卸載計算繁重的任務。