导读 物联网(IoT)设备的数量呈指数级增长。它们处理大量数据并需要大量计算能力。arXiv org上最近的一篇论文寻找降低这些成本的方法。研究人员提
物联网(IoT)设备的数量呈指数级增长。它们处理大量数据并需要大量计算能力。arXiv.org上最近的一篇论文寻找降低这些成本的方法。
研究人员提出了一个基于一组开源工具的框架，该框架允许使用指定用于其他目的的计算机的可用计算能力。
所调查的体系结构由多个分布式或本地工作人员在多个阶段管理、分析原始数据并将其转换为有价值的见解。该系统是可扩展的，可以在多台机器之间分配工作负载。
该方法在现实世界的案例研究中进行了测试，其中电流和振动传感器连接到洗衣机和冰箱。结果证实，所提出的系统有利于以经济高效的方式处理现实世界的大数据物联网场景。
数十亿互连的物联网(IoT)传感器和设备从现实世界场景中收集大量数据。大数据正在引起各行各业越来越多的兴趣。一旦通过计算密集型机器学习(ML)方法分析数据，它就可以为组织带来关键的业务价值。强大的平台对于经济高效地处理如此庞大的信息集合至关重要。这项工作引入了一个分布式和可扩展的平台架构，可以部署该架构以实现高效的现实世界大数据收集和分析。所提出的系统通过家用电器预测性维护案例研究进行了测试，其中具有高采集频率的电流和振动传感器连接到洗衣机和冰箱。引入的平台用于收集、存储和分析数据。实验结果表明，所提出的系统有利于以具有成本效益的本地方法处理现实世界的物联网场景。