
物联网加剧大数据网络问题 运营商如何应对
网络运营商和服务提供商正在加紧对物联网的准备——而物联网将收入机会与技术挑战混合在了一起。
消费者将要为物联网设备而疯狂,这些设备从穿戴式的如苹果手表和Fitbit健康手环,到连接互联网的自动调温器,到AmazonEcho云音乐播放器,到连接的车辆无所不包。企业也爱物联网,他们在库存控制、智能标牌,和医疗设备中使用基于IP的技术。
这是一个巨大的市场,预计到2020年直接产品和服务的市场将达到1.7万亿美元,间接的支持市场将有2630亿美元,因而物联网内将会有几十亿连接着的“物”,估计到2020年会有130至250亿不等的物连上物联网。
尽管关于物联网的许多技术驱动的谈话都集中在终点(如健身带)和后端应用程序(如追踪和分析运动锻炼的社交网络)上,事实是,物联网完全取决于安全、可靠、高度可用的网络连接。对于终点,那就是连上从家里和咖啡馆的Wi-Fi接入点到4G蜂窝数据服务到企业网络的一切东西。在后端,服务提供商管理物联网从设备到数据中心或云的这一段,与MEFCE2.0、MPLS和光纤网络联结在一起。
IoT呈现了许多机会给提供了那样连接的电信公司,也呈现机会给为运营商提供硬件、软件和服务的行业厂商。它也呈现出挑战,因为IoT的通信流量与传统的网络流量有不同的特点,CENX(CENX为软件定义的网络提供生命周期服务编排解决方案)营销总监MarieFialaTimlin解释说:“物联网流量的特征在于高容量的信令和低带宽的数据传输流量。网络内有更多的事件正在发生,这导致有更多的数据正在被收集。而当我在谈论数据时,它并不一定是消费者应用或订户类型的数据-而是网络事件正在发生的数据。”
她接着说:“物联网加剧了大数据网络问题,并创造了一个需求要服务提供商更有效地管理他们的网络,因为所有这些事件都在系统中正在发生,例如,无论是用于故障排除或为了保证高质量服务的事件。这确实推动了对生命周期服务编排的需求,因为在这里你已经有了一个大数据的问题,而你正设法应用所有已经被用来解决商业世界大数据分析问题的云计算技术。”
规划通信流量的影响
安全服务提供商稳捷网络(WedgeNetworks)的首席执行官兼联合创始人张鸿文博士(Dr.HongwenZhang)补充说:“因为物联网是这样一个快速增长的市场,当运营商试图做基础设施的部署时,他们就必须做容量规划,他们正在看的是三到五年或也许更长的规划周期。你如何以有限的资本处理未来快速发展的物联网呢?可以提供解答的一件事就是软件定义网络和网络功能虚拟化。将你的钱花在那里,不要过度投资在防火墙和交换机上。”
Timlin补充说:“运营商必须追踪每个网络设备和每个连接的网络事件,以保持管道的正常运行。他们也必须聚集订户层级的事件,比如哪个应用程序正在被使用。两全其美的办法其实就是结合这两种类型的数据,这样你就可以智能地决定何时和何地需要增加网络容量。那里就是NFV的用武之地,因为这样你就可以更加灵活和具成本效益地做那样的扩张。”
insightsoftware.com产品营销副总裁AngusRobertson说:“这意味着分析——大量关于网络流量的分析。”(该公司销售软件以帮助客户做企业资源规划系统,他的公司将依靠这些分析为客户服务),他解释说:“有了物联网,你就有了数以百万计的设备可提供你额外的领先和滞后指标,让你更清楚地了解你的业务,并从商业的角度帮助推动你做正确的行动,以提高你的整体经营绩效。”
Robertson继续说道:“当涉及到大数据时,我们就说这三个V字,数量(volume)、速度(velocity)和多样性(variety)。所以能够处理总是与这些来自物联网的数百万的数据源相关的大数据是一个挑战。重要的是能够不仅具备你需要的性能水平,而且也能够真正有效地捕获和整合这些数据来源。”
模仿移动
全球电信设备供应商Ciena的CTO办公室网络架构首长RaghuRanganathan暗示:“物联网的流量模式和扩展让人想起移动回程,它可能对未来提供了一个模范。”
Ranganathan说:“在物联网内,大部分流量是从源头回到云,而不是相反的用户从云下载东西至数据源头。可靠的连接是非常重要的。此外,规模必须从有一些物联网设备有很低的数据量但有高的信令流量的观点区隔出来,但也可能会有另一类的设备如闭路电视等能够发送一船的大量流量。”
Ranganathan继续说道:“网络看来像什么?为什么它应该与移动回程所做的方式有任何不同?你有东西通过空中接口,像WiFi或4G蜂窝,连接到一个基站。你就有了有线的回程。例如,像3GPP这样的组织在说‘我如何更新我的LTE规格让我有更多的上行流量,而不是下行的流量?’”
Ranganathan补充说:“这种类型的未来架构,可能会像CloudRAN设计,它集中并虚拟化基站的基带处理。作为网络运营商,我可以用我的SDN范例来编程网络连接至那些CloudRAN端点,以允许流量在网络上被优化收集和处理。”
流量优化和安全
很多物联网的应用已经是消费者导向的——例如智能手表、健身带,家用控温器。虽然没有服务提供商希望消费者遭受服务中断之苦,然而所有这些都不是关键任务。销售以太网和TDM设备的Omnitron系统技术(OmnitronSystemsTechnology)首席执行官ArieGoldberg指出,这并非总是如此。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03