收集更多的數(shù)據(jù)已經(jīng)不能讓您脫引而出，更重要的是誰(shuí)能夠迅速分清所收集到的數(shù)據(jù)。 在過(guò)去，硬件采樣率由于受模數(shù)轉(zhuǎn)換發(fā)生速度的限制，在物理上局限了采集數(shù)據(jù)的數(shù)量。 而如今，硬件已不再是采集應(yīng)用的限制因素。 如何管理采集到的數(shù)據(jù)才是未來(lái)的挑戰(zhàn)。

計(jì)算技術(shù)的不斷進(jìn)步，包括了微處理器速度和硬盤(pán)驅(qū)動(dòng)器存儲(chǔ)容量的提高，加之軟硬件成本的降低，引發(fā)了驚人速度的數(shù)據(jù)爆炸。 特別是在測(cè)量應(yīng)用中，工程師和科學(xué)家們每分每秒都能收集大量的數(shù)據(jù)。 歐洲核子研究中心的大型強(qiáng)子對(duì)撞機(jī)的運(yùn)行實(shí)驗(yàn)每秒鐘能產(chǎn)生40 TB的數(shù)據(jù)。 而波音噴氣發(fā)動(dòng)機(jī)運(yùn)行時(shí)，每隔30分鐘系就統(tǒng)會(huì)創(chuàng)建10 TB的操作信息(Gantz，2011)。 這就是“大規(guī)模數(shù)據(jù)”。

大規(guī)模數(shù)據(jù)現(xiàn)象為數(shù)據(jù)分析、搜索、集成、報(bào)告和系統(tǒng)維護(hù)帶來(lái)了新的挑戰(zhàn)，只有滿足這些挑戰(zhàn)才能跟上數(shù)據(jù)飛速增長(zhǎng)的步伐。 數(shù)據(jù)的來(lái)源是多方面的，而工程師和科學(xué)家認(rèn)為最為有趣的是來(lái)自真實(shí)世界的數(shù)據(jù)， 即捕獲和數(shù)字化的測(cè)量數(shù)據(jù)。 因此，它也被稱作“大規(guī)模測(cè)量數(shù)據(jù)”，可以通過(guò)測(cè)量振動(dòng)、射頻信號(hào)、溫度、壓力、聲音、圖象、光、磁、電壓等現(xiàn)象獲得這些數(shù)據(jù)。 大規(guī)模測(cè)量數(shù)據(jù)TM在廣泛的數(shù)據(jù)采集領(lǐng)域激起了三大技術(shù)趨勢(shì)。

上下文數(shù)據(jù)挖掘

真實(shí)現(xiàn)象的物理特性能夠防止在采集速率不夠高的時(shí)候采集數(shù)據(jù)，讓小規(guī)模數(shù)據(jù)集變得不再可行。 即使測(cè)量現(xiàn)象的特性允許更多的信息采集，小規(guī)模數(shù)據(jù)集往往一開(kāi)始就限制了結(jié)論和預(yù)測(cè)的準(zhǔn)確性。

以挖掘一個(gè)金礦為例，其中只有20%的黃金是可見(jiàn)的。 其余的80%是存在于您看不見(jiàn)的泥土中。 礦業(yè)的目的就是充分挖掘礦井的全部?jī)r(jià)值。 這就引出了術(shù)語(yǔ)“數(shù)字塵土”，意思為數(shù)字化數(shù)據(jù)帶有隱藏價(jià)值。 因此，需要通過(guò)數(shù)據(jù)分析和數(shù)據(jù)挖掘來(lái)發(fā)掘前所未有的見(jiàn)解。

數(shù)據(jù)挖掘的過(guò)程就是使用與數(shù)據(jù)一同保存的上下文信息，搜索并削減大規(guī)模數(shù)據(jù)集，使其變得更容易管理及利用。 將原始數(shù)據(jù)與背景，或“元數(shù)據(jù)”共同保存下來(lái)，數(shù)據(jù)采集、定位、過(guò)后的處理和理解就會(huì)變得更為方便。 例如，查看一系列看似隨機(jī)的整數(shù)： 5126838937。乍看之下，該原始信息的含義不得而知。 然而，當(dāng)它變?yōu)?512)683-8937時(shí)，我們就能知道清楚地識(shí)別出它是一個(gè)電話號(hào)碼。

測(cè)量數(shù)據(jù)上下文的描述性信息提供了類(lèi)似的益處，它能夠詳細(xì)描述指定測(cè)量通道的傳感器類(lèi)型、制造商與校準(zhǔn)日期，或是整體待測(cè)組件的修訂記錄、設(shè)計(jì)師或型號(hào)。 事實(shí)上，原始數(shù)據(jù)存儲(chǔ)的上下文越多，在整個(gè)設(shè)計(jì)生命周期中數(shù)據(jù)追蹤、搜索或定位，以及通過(guò)專(zhuān)用數(shù)據(jù)后處理軟件在今后與其他測(cè)量關(guān)聯(lián)才會(huì)更為有效。

智能DAQ節(jié)點(diǎn)

數(shù)據(jù)采集應(yīng)用的形式多種多樣。 但由于涉及多種行業(yè)和應(yīng)用，只有在需要時(shí)才會(huì)采集數(shù)據(jù)。 工程師和科學(xué)家們將重要資源投資在構(gòu)建高級(jí)采集系統(tǒng)上，但這些系統(tǒng)生成的原始數(shù)據(jù)也不會(huì)因此就無(wú)用了。 相反，采集原始數(shù)據(jù)，將它輸入分析或處理算法，構(gòu)建設(shè)計(jì)者所需的實(shí)際結(jié)果系統(tǒng)。

例如，汽車(chē)碰撞測(cè)試在毫秒之間就能收集千兆字節(jié)有關(guān)速度、溫度、沖擊力和加速度的數(shù)據(jù)。 可以從這些原始數(shù)據(jù)計(jì)算得出的一個(gè)關(guān)鍵性相關(guān)結(jié)論為顱腦損傷標(biāo)準(zhǔn)(HIC)，它是單標(biāo)量的計(jì)算值，能夠表示碰撞假人在碰撞中頭部受傷的可能性。

此外，一些應(yīng)用程序—尤其是有關(guān)環(huán)境、結(jié)構(gòu)、機(jī)器狀態(tài)監(jiān)測(cè)空間—能夠保持周期性的慢采集速率，而當(dāng)檢測(cè)到明顯的條件時(shí)又能大幅提高。 該技術(shù)的采集速度低，且最大限度地減少了記錄的數(shù)據(jù)，同時(shí)采樣率要足夠滿足應(yīng)用中高速波形的需求。 想要在滿足特定標(biāo)準(zhǔn)時(shí)，采用某項(xiàng)技術(shù)，如將原始數(shù)據(jù)轉(zhuǎn)化為結(jié)果，或調(diào)整測(cè)量細(xì)節(jié)，您必須使您的數(shù)據(jù)采集系統(tǒng)智能化。

雖然將測(cè)試數(shù)據(jù)通過(guò)標(biāo)準(zhǔn)總線，如USB和以太網(wǎng)，傳輸?shù)絇C主機(jī)上(“智能”)非常常見(jiàn)，但是高通道數(shù)測(cè)量的采樣速率非?？欤芸赡艹^(guò)通信總線的負(fù)荷。另一種方法是在本地存儲(chǔ)數(shù)據(jù)，在測(cè)試運(yùn)行后傳輸文件進(jìn)行后期處理，所花費(fèi)的時(shí)間會(huì)增加，但能獲得有價(jià)值的結(jié)果。 為了應(yīng)對(duì)這些挑戰(zhàn)，最新的測(cè)量系統(tǒng)集成了來(lái)自ARM、Intel和Xilinx的領(lǐng)先技術(shù)，可提供更高的性能和處理能力，以及現(xiàn)成的存儲(chǔ)組件，以提供高通量數(shù)據(jù)傳輸。

借助板載處理器，處理元件更接近傳感器和測(cè)量，測(cè)量系統(tǒng)的數(shù)據(jù)就變得更為分散。 現(xiàn)代數(shù)據(jù)采集硬件包含了高性能的多核處理器，可以根據(jù)測(cè)量運(yùn)行采集軟件和處理密集型分析算法。 這些智能測(cè)量系統(tǒng)能夠更快地分析并得出結(jié)論，無(wú)需花費(fèi)時(shí)間再等待大量的傳輸數(shù)據(jù)，也無(wú)需立即記錄數(shù)據(jù)，優(yōu)化了系統(tǒng)，從而更有效地利用磁盤(pán)空間。

云存儲(chǔ)和計(jì)算的崛起

DAQ硬件和板載智能化的統(tǒng)一可創(chuàng)建出進(jìn)一步嵌入式或遠(yuǎn)程系統(tǒng)。 在許多行業(yè)，它解決了眾多全新應(yīng)用的難題。 真實(shí)世界正變得智能化，人類(lèi)現(xiàn)在也能夠收集幾乎所有周?chē)h(huán)境的數(shù)據(jù)集，物聯(lián)網(wǎng)因而出現(xiàn)在了我們眼前。 它能夠處理并分析真實(shí)世界新數(shù)據(jù)集，將對(duì)眾多行業(yè)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響，醫(yī)療、能源、交通、健身器材、樓宇自動(dòng)化、保險(xiǎn)，它可謂無(wú)處不在。

在大部分的行業(yè)中，內(nèi)容自身 (所采集的數(shù)據(jù))并非問(wèn)題的根本。 聰明的人們收集了大量有用的數(shù)據(jù)。 至目前為止，主要的問(wèn)題還是出在IT上面。 物聯(lián)網(wǎng)通過(guò)分布在世界各地的遠(yuǎn)程現(xiàn)場(chǎng)設(shè)備產(chǎn)生大量數(shù)據(jù)，有些數(shù)據(jù)還可能來(lái)自最偏遠(yuǎn)、荒涼的地區(qū)。

這些分布式采集和分析節(jié)點(diǎn)(DAAN)嵌入在其他終端產(chǎn)品中，軟件驅(qū)動(dòng)程序和圖像并行連接至多個(gè)計(jì)算機(jī)網(wǎng)絡(luò)，形成了計(jì)算機(jī)系統(tǒng)。 他們形成了最為復(fù)雜的分布式系統(tǒng)，生成了史上最大的數(shù)據(jù)集。 這些系統(tǒng)需要基于遠(yuǎn)程網(wǎng)絡(luò)的系統(tǒng)管理工具來(lái)自動(dòng)配置、維護(hù)及升級(jí)DAANs，并需要一種高效、低成本的方式來(lái)處理所有數(shù)據(jù)。

問(wèn)題的復(fù)雜在于，如果您減少數(shù)據(jù)采集傳統(tǒng)的IT拓?fù)浣Y(jié)構(gòu)，簡(jiǎn)化形式，就會(huì)發(fā)現(xiàn)他們實(shí)際上運(yùn)行在兩個(gè)并行的分布式系統(tǒng)網(wǎng)絡(luò)上： “嵌入式網(wǎng)絡(luò)”連接到所有采集數(shù)據(jù)的現(xiàn)場(chǎng)設(shè)備(DAAN)， “傳統(tǒng)IT網(wǎng)絡(luò)”，進(jìn)行最有用的數(shù)據(jù)分析，并傳送給用戶。

而往往，這兩個(gè)并行的組織網(wǎng)絡(luò)內(nèi)存在巨大的差異，它們不能互相操作。 這意味著，數(shù)據(jù)集的效果發(fā)揮至極致。 石油和天然氣公司收集地下生成以及通過(guò)阿拉斯加管道石油量的實(shí)時(shí)數(shù)據(jù)，將這些數(shù)據(jù)交給會(huì)計(jì)部門(mén)、采購(gòu)部門(mén)、物流部門(mén)或財(cái)政部門(mén)——他們都位于休斯頓——這一切在數(shù)分鐘或數(shù)小時(shí)內(nèi)就能完成，省去了成天甚至成月的時(shí)間。

組織內(nèi)的并行網(wǎng)絡(luò)和其中大量的投資大大抑制了物聯(lián)網(wǎng)的發(fā)展。 而如今，通過(guò)云存儲(chǔ)、云計(jì)算，以及基于云的“海量數(shù)據(jù)”工具，這些難題都能夠得到解決。 使用云存儲(chǔ)和云計(jì)算資源創(chuàng)建單個(gè)匯聚點(diǎn)非常容易，它能夠匯集來(lái)自嵌入式設(shè)備(例如DAAN)的大量數(shù)據(jù)，且組織內(nèi)的任何一組都能訪問(wèn)這些數(shù)據(jù)。 這就解決了兩個(gè)并行嵌入式與IT網(wǎng)絡(luò)不能相互操作的問(wèn)題。

用戶可以使用云中無(wú)限的存儲(chǔ)和計(jì)算資源，并根據(jù)使用量計(jì)費(fèi)，這為他們提供了管理分布式系統(tǒng)以及處理大型測(cè)量數(shù)據(jù)集的解決方案。 云服務(wù)供應(yīng)商所提供的海量數(shù)據(jù)工具套件，可以幫助用戶輕松的獲取并處理這些龐大的測(cè)量數(shù)據(jù)集。

總的說(shuō)來(lái)，云計(jì)算技術(shù)為分布式系統(tǒng)管理和數(shù)據(jù)訪問(wèn)帶來(lái)了三大好處： 數(shù)據(jù)的匯總、訪問(wèn)數(shù)據(jù)，以及卸載計(jì)算繁重的任務(wù)。