Концепція Інтернету речей
Розвиток ринку інформаційних технологій привів до виникнення концепції Інтернету речей (IoT). Основна ідея IoT полягає у взаємодії звичних для нас побутових речей через високошвидкісні мережі. В широкому розумінні, Інтернет речей — це не лише безліч різних пристроїв і сенсорів, що об'єднані між собою дротовими і бездротовими каналами зв'язку та підключені до Інтернету, а також тісніша інтеграція реального та віртуального світів, в якій важливу роль відіграє спілкування між людьми та різними пристроями.
Рівні Інтернету речей
На думку Роба Ван Краненбурга, IoT можна умовно розділити на чотири рівні:
- Перший рівень пов'язаний з ідентифікацією кожного об'єкта.
- Другий рівень надає послуги для задоволення потреб споживачів (можна розглядати як мережу "речей", приватний приклад — "розумний будинок").
- Третій рівень пов'язаний з урбанізацією міського життя. Це концепція "розумного міста", де вся інформація, що стосується мешканців, зберігається та аналізується для конкретного кварталу, вашого дому та сусідніх домів.
- Четвертий рівень — це концепція сенсорної планети.
Порівняння платформ Інтернету речей
| Платформа | Microsoft | IBM | Amazon | Open Source | Predix |
| Device SDK (Інструменти розробника) | Azure IoT Device SDK, ConnectTheDots.io | IBM Watson IoT Platform Client Library, Watson IoT Platform Device recipes, Paho Library | Device SDK for AWS IoT | Paho Library, Cyclonjs, та багато інших функцій | Predix Machine |
| Підтримка протоколів | HTTP, AMQP, MQTT | MQTT | MQTT, HTTP | MQTT, AMQP, HTTP тощо | MQTT, WebSocket, HTTPs |
| Функції моніторингу та управління | IoT Hub, Event Hubs | IBM Watson IoT Platform | AWS IoT | Protocol Bridge, Apache Kafka | RabbitMQ |
| Кошти керування даними | Amazon DynamoDB, Amazon Redshift | Касандра (або альтернативи, як MongoDB) | Asset Data, Time Series, Redis, PostgreSQL, Blobstore | ||
| Кошти моніторингу та аналітики | Microsoft Stream Analytics | IoT Real-Time Insights, IBM Streaming Analytics | Amazon Kinesis | Apache Spark Streaming | Analytics Runtime |
| Аналітика, машинне навчання | Azure ML | Predictive Analytics service (на Bluemix) + SPP Modeler (офлайн) | Amazon Machine Learning | Apache Spark MLlib | Custom Analytics Support (Python, Java, MATLAB) |
| Функції моніторингу та управління | Notification Hubs, Power BI | Embeddable Reporting, IBM Push Notifications | AWS Lambda, Amazon QuickSight, Amazon Simple Notification Service | Custom, Zeppelin (Dashboards) тощо | Mobile SDK, Dashboard Seed |