SQream DB 是一种软件定义的 GPU 加速 SQL 数据仓库解决方案，可以轻松近乎实时地存储和分析海量数据。在过去的几年里，我们一直在开发 SQream DB 并在世界各地的许多行业中实施它，包括电信、金融、零售、医疗保健和广告技术。
当我们开始开发 SQream DB 时，最初的想法之一是启用流式 IoT 数据以在边缘进行快速分析，使用硬件加速（即 GPU）来保持最小的占用空间。近年来，各种现成的 GPU 加速嵌入式板卡可以支持这一愿景的推出，从 NVIDIA Jetson TK1、TX1、TX2 以及最近的 NVIDIA Nano 开始。Jetson Nano 的尺寸仅为 70×45 毫米，可提供 472 GFLOPs——比任何尺寸的设备都更强大。
为机器数据提供案例
几年前，物联网是最热门的流行词，但很快就发现并非所有设备都是平等的。事实上，并非所有消费物联网设备都会生成大量数据。例如，连接的灯泡不需要记录大量信息，而自动驾驶汽车预计每天会产生数 TB 的数据。
随着物联网从流行语过渡到成熟技术，物联网中真正的业务变成了“物数据”——数十亿个传感器产生数万亿个数据点——来自工厂机械、自动驾驶和联网汽车、智能家居、智能城市、智能能源、智能医疗、甚至农场，仅举几例。越来越多的传感器和改进的连接性（从 ZigBee 到 5G）为从收集的数据中提取真正的商业价值开辟了令人兴奋的机会。
通过分析收集的数据或将参数输入模型，简单的更改可以减少浪费、预测维护问题、提醒员工注意潜在问题，甚至完全自动化流程。
智能建筑不仅可以根据最近的传感器读数，还可以根据房间占用趋势和预测的天气变化来改变建筑物的空调参数。在制造业中，行业可以通过应用机器学习模型来跟踪和应对灌装线压力不平衡等问题，从而减少浪费并提高产量。智能农场还可以通过预测用水量、根据实际传感器数据（例如 pH 值、水浊度、溶解氧等）调整肥料来提高产量并减少地面污染。
在工业中使用物联网对经济底线、产量、环境的可持续生产以及日常生活的许多方面都有真正的影响。
边缘的预测洞察力
虽然 5G 在较发达的城市运行良好，但偏远地区的许多工业环境和设施缺乏快速、可靠的网络访问。假设该区域完全被覆盖，任何网络分区或断开连接都可能导致这些设备失去功能。即使在通信异常发达的地区——由于 5G 尚未在许多地区部署而很少发生——仍然存在与持续传输大量数据相关的隐私、安全和带宽问题，更不用说定期停机了。
“边缘”是指在产生数据的地方发生的计算。代替集中式“云”或其他远程服务器来完成工作，数据被存储和分析在数据产生的地方附近。借助边缘计算，并非来自传感器的所有数据都需要向上游发送到集中式服务器或云服务器，因为边缘设备现在可以负责其产生的部分或全部数据，并在必要时做出反应。
我们看到了物联网边缘计算的五个主要优势：
- 提高持久性：由于数据是分散的，网络连接问题不会影响系统的功能。
- 提高安全性：由于数据是分散的，任何攻击都只会影响系统的一部分，而其他部分即使在网络基础设施出现故障时也能保持自主。
- 增加数据隐私：由于通过空中向中央服务器发送的数据较少，边缘计算在数据安全性和 GDPR 合规性方面是首选方法。
- 可扩展性和降低成本：随着对中央数据处理平台的需求减少，每个自治系统都可以自我管理。通过将更简单的压缩和聚合指标发送到中央位置仅用于跟踪目的，计算和存储需求总体上较低，并且系统可以轻松扩展。这是 NB-IoT（窄带物联网）场景的理想选择。
- 更好地跟踪历史传感器数据：通过在边缘使用加速解决方案，物联网设备现在有了一个“黑匣子”来记录历史数据，并让技术人员全面了解发生故障时发生的情况。
我们预测，随着加速技术的改进以及低功耗处理器变得更加强大，数据处理将在未来几年不断转移到边缘。Gartner 预测，到 2025 年，至少 75% 的数据将在云或数据中心之外进行处理，这意味着边缘计算具有推动下一次数据处理革命的巨大潜力。
SQream Nano – 边缘数据管理和分析
我们的软件定义 GPU 加速数据仓库 SQream DB 特别适用于边缘，其关键设计元素使其对机器数据具有吸引力：
- 每秒数百万个数据点——高达 14MHz 的采样率
- 将机器数据直接输出到 SQream DB
- SQL 访问
- 针对时间序列数据调整的列式引擎
- 快速即席查询、聚合、连接、自定义函数 (UDF)
- 近乎实时的 SQL 性能
- 通过 ODBC、JDBC、Python、CL 与流行工具集成洞察力和 BI
SQream Nano将 SQream DB 的强大功能与在边缘计算中前所未有的超快速分析功能结合在一个低调、高能效的 NVIDIA Jetson Nano 板上。
SQream Nano 可以监控数十亿个日常事件，将它们关联起来并进行预测分析。当与 C2（命令和控制）系统结合使用时，SQream Nano 可以促进主动措施，例如更改时间表、要求主动维护或切换阀门和执行器等元件的模式。
所有数据都保持本地、安全和持久。SQream Nano 将数据存储在本地以进行近乎实时的监控和分析，并且可以将数据同步到云端以进行历史趋势分析——预先聚合、计算和压缩。因此，通信要求被最小化，这特别适合 NB-IoT。
SQream Nano 是命令和控制周期的关键推动者。当部署在边缘时，SQream Nano 可以接收实时数据流，并通过与 ICS 和 PLC 系统通信来近乎实时地响应变化。SQream Nano 还为最终用户启用临时分析和仪表板。
混合架构——数据中心和边缘
在现有数据中心实施 SQream Nano 可以在数据中心的大型数据集上训练预测模型，并在边缘轻松部署它们。
在 GPU 加速硬件上运行边缘预测模型意味着无需传输数据。GPU 加速的 SQream Nano 的大数据功能可在更长的分析时间范围内产生更准确的预测。
世界各地的公司已经在使用物联网数据分析来增加收入、优化运营、降低风险和简化运营成本。针对物联网数据分析的现有优势，SQream Nano 为 NB-IoT 提供优化和降低的网络吞吐量，提高数据安全性和可靠性，并进一步降低部署分析解决方案的成本。
This article opened my eyes, I can feel your mood, your thoughts, it seems very wonderful. I hope to see more articles like this. thanks for sharing.