IoT时代的技术又遇到怎样的不一样与挑战，简单总结一下阿里云IoT场景中我们面临的问题与挑战。

多样的连接

  万物的互联，连接的形态也在悄然的发生变化，从WIFI，3G/4G，BLE到NB-loT，LoRa，传统的RS232，RS485， CAN BUS等等也登上新的舞台，原本相互无关的网络形态，交织在一起，异构的网络构建着统一通讯。

  面对着智能生活，智能工业，智能城市，智能园区，有的场景追求低功耗，有的场景追求低延迟，有的场景追求吞吐量，面对着不同的需求，单一的网络形态以及网络协议很难满足不同的场景需求。
举例来说，在协议方面：
## MQTT协议
  具有轻巧的特性，简洁优雅的PUB/SUB模型非常适合消息驱动的场景，短小精致的特点同时对弱网环境以及资源受限环境的十分友好。

CoAP协议

  CoAP主要基于UDP，与HTTP相似的模型为嵌入式资源受限的场景提供了REQ＆RSP的能力，这种模型更适合多数开发者的习惯，这种模型更适合多数开发者的习惯。UDP面临最大的就是下行寻址的问题，但在局域网本地通信非常适用，同时在IPv6时代也会迎来一些新的思考。另外 COAP over TCP也是非常值得看好的。

HTTP/2

  HTTP/2的多流特性，天生就是为复杂场景而设计的，数据报与双向流能力的支持，极大的扩展了应用场景，多流的特性也可以为其他协议提供良好的封装能力，可谓是有潜力的的全能通道，在大数据场景以及流数据场景得心应手。

AMQP协议

  AMQP适合吞吐量极大的云云消息流转场景，多信道支持，同时具备良好的开源生态，也是被广泛用于在构建云云，云边(边缘端)场景。

其他协议

  还有大量传统的协议，例如J1939， Modbus，OPC等等，不同的接入方式，不同的网络链路，不同的连接协议，构建了前所未有的繁荣与复杂。
连接不止于此，也留给我们更多的思考:
 1. TCP长连保活模式可以被颠覆吗?
 2. SDN在IoT时代可以重新被定义吗?
 3. 下一代网络会是什么样的?

技术链路长

  一个经典的IoT闭环应用不仅仅涉及传感器，芯片，模组，OS，主控程序，网络以及连接协议等等，还有云平台的数据建模与结构化，存储，加工，分析到应用

  链路长的挑战在于一是不容易看到全貌，二是不容易把控各点。
  链路长更大考验的是分工，协作以及整合，这种分工不仅仅是公司内的分工，更多是合作伙伴的分工，行业的分工，生态的协作。
  IoT时代的全面来临，正是各种技术积累的必然结果。
  从技术视角，从单点看，每个技术链路上的点也充满着巨大的挑战。例如
 ・传感器-如何提开精度，降低成本，带来持绠的硬件技术红利...
 ・芯片组-如何持续提升性能，不断提开工艺，研发新协处理器...
 ・OS-如何在碎片化的格局下做好通用性，良好的可移植性，还有确保资源占用足够小...
 ・网络-如何满足低功耗，传输距离，传输性能，稳定性...
从全局上看，也充满着挑战。例如
 ・稳定性一随着路的增长，全局的稳定性会持续下降，确保全链路的可靠性就值得深入的思考与践行

终端碎片化

  移动互联网时代早期，大家一定对手机不同系统的适配的繁杂记忆犹新，在应用层，你可能会面临奇奇怪怪的兼容问题，当你接触到 native或者framework/层，有些适配的问题更是让你疲意不堪

  对于IoT，现在的终端不仅仅是手机，还有冰箱，彩电，空调，汽车，水表，吊车...，
  面临的不仅仅是 Android，iOS，有 Linux，RAM， FreeRTOS，uCOS，Mbed，QNX等等，还有大量没有OS的:)
  你会面临接入的终端可能TCP的协议栈存在各种bug，你可能会面临永远也无法升级而且死循环在连接你的设备，你可能会面临DNS永久被缓存的场景....

海量连接

  今天IM连接了人，达到了数十亿的规模，但实际的在线长连接数会少很多，对于支持这样的连接规模，已经很了不起，我们的支付宝也一样。
  但不久后的IoT连接的是数百数千亿设备，会是十亿百亿在线规模，这里面面临的挑战更是巨大，这样的规模也是IT工程史上前所未有的，充满了未知。

  例如网络抖动，时钟溢出，或者是一批设备的故障，都是巨大的共振，会对平台以及基础设施产生极大的冲击，如何防护以及快速的恢复?
  海量连接不仅仅关乎稳定，例如如何有效的就近接入，让信息通过最短的路径投递，提升效率以及节省成本?
保障海量连接的稳定，安全，高性能，低成本，每一个都是很大的话题。

巨量数据

  移动互联网时代今天大量的数据来源于C端场景，数据已经可谓是海量。对于常规以人为核心的应用，日活比例也不会太高。
但物联网设备的特征与人还是有还大差异，以典型的生活场景为例，如果是1亿设备，在线大于可能在3千万，关键是这些设备还不时的会上报数据，对于平台几乎时时都在秒杀，产生着巨量的数据。
  如果是10亿设备呢，如果是100亿设备呢?100亿的设备并不遥远。
  如此大量的loT数据会迫切的引发对数据质量的思考，数据的信息密度的思考。怎样治理数据质量?数据怎样分级存储?数据如何更高效的清洗与萃取?
  在我们都在讨论大数据的时候，举个有趣的例子。当你到IoT工业场景中，你会发现有很多都是个性化的设备，这些设备会产生不少数据，但是还算不上大数据，我们大数据的分析平台与技术在解决个体设备的数据分析时，就是杀鸡用了牛刀，成本的问题又突显出来。所以又可能引入小数据的重新思考。
  还有，以聚合计算为主体的分析引擎，在面对CEP( Complex Event Processing)场景的计算时，又往往不那么有效。
面对IoT场景，数据分析，存储需求都面临了一些变革，其根源来自于场景的多样型。

云端一体

  各种迹象都在表明未来去中心的趋势。孙正义2017年在一次演讲中提及，末来鞋子的一块芯片的计算力会超越人脑，那真正是无处不在的计算。
  当计算触手可得的时候，就不再需要用时间换计算力，随时随地计算，而且更加的自治。
  这说的有点大，从小的角度来说，在很多特定的场景，例如工厂数字化采用云端集中式会存在可靠(例如断网风险，成本(例如带宽成本)，性能(例如需要更快响应)，安全(例如不希望数据被扩散)的需求，这种场景最佳的方案就是边缘计算。

  但今天的边缘计算不同与以前的本地或单机系统，是大网络中的小网络，是大协作中的小自治。
  今天的边缘计算的核心是云端一体的协同，云端提供了更强的控制力与计算力，边缘端提供更实时的执行力。
在技术的架构上，云与端也越来越趋于相似，所以，云端的一体一是指工作的协同，另一方面也是架构的趋同。
  边缘计算是云计算能力的延展，会覆未来的技术格局，也会对互联网的中间件带来新的创新机遇。例如，如果把边缘看作一个单元，那也会是无处不在的单元化。例如，未来也会出现异构网络下的通讯中间件等等。
  那个时代，可能会重新定义分布式!

数字世界建模

  我们在说物理化数字世界，loT的核心使命是把物理世界投影到数字世界，建立物理世界与数字时间的双向同步机制。如何在数字世界描述物理世界呢?这就是我们物的建模，这种建模充满着遐想。
  通过对物理世界的数字化，我们就可以在数字世界重新认识物理世界，甚至可以四维导航，或是展现现在，或是导航到历史的截面，或是预测到模糊的未来。

  如果建模的太通用，类似数据库的ER( EntityRelationship)模型，或者编程语言的OO( Object Oriented)模型，仿佛又回到过去，建模太定制，又难以有足够的表达力。
  从OCF，OMA，W3C到我们发起的ICA，都在制定相应的物模型，如何让模型成为落地标准，成为构建数字世界的基石，成为数字世界被此感知以及互操作的基础，也是一件不容易的事情。
如何恰如其分的在数字世界去表达物联世界，然后驱动数字世界，改变物理世界，带给我们无尽的想象以及变革的机会。

部暑多样性

  回到最现实的地方，IoT的PaaS会面临各种应用场景，衍生出各种部署场景，例如公有云，专有云，混合云，边缘云，网关等等，未来的百亿连接一定不会只在数个集群，面对如何繁多的环境，如何做到快速部署，便捷的运维，也是留给我们要去克服的课题。
  对于部署，
  先看架构问题，平台需要良好的伸缩性以及模块化，例如需要有云原生应用的特性。
  再看依赖问题，依赖的各种中间件就很难带到各个环节中，我们需要SAL( Service Abstract Layer)，需要具有不挑环境的中间件，需要保持系统的最小依赖...
  再看发布问题，环境如何快速部署，如何确保及时更新，如何让集群快速复制?
  再看运维问题，在异构的形态上构建统一的运维体系，还有众多细节问题需要去解決。

安全问题

  引用 Thoughtworks 2018年技术雷达报告中对IoT的描述:物联网(IoT)生态系统持续稳步发展，关键成功因素包括安全和成熟的工程实践。
  安全对于物联网至关重要，也是很多业务初期容易忽略的。在过往的几年，业内物联网的安全事故也是层出不穷。物联网赋予了设备以及业务更大的空间，同样不如果不守护好安全这扇门，帯来的灾难也是致命的，不仅仅是财务损失，甚至涉及到人身安全。
  举些具体安全的例子:
 ・如何防范设备身份可能被盗取或者被破解？
 ・如何防范固件可能被截获，甚至是纂改?
 ・如何防范设备中间人攻击?
 ・如何防范云平台的DDOS攻击或进一步的CC攻击?
 ・如何防范设备的越权访问?
 ・如何防范设备数据被截取，被簒改?
 ・如何防护设备不会被非授权控制?
 ・如何防范平台数据不泄漏?
 ・如何包含个人信息安全?
 ・如何保障漏洞被及时修复?
 ・如何保障数据中心被非法闯入?
  物联网的链路长，碎片化严重，合作方多，安全危害大，这些特点让安全问题变得特别的突出。
  保障安全也是一项体系化的工作，不仅仅是技术层面的，还包括相关制度以及人员管理。
  在技术层面，既有端的安全，网络安全，也有云平台的安全，除了系统本身的安全，也有业务层面的安全。相对其他系统，物联网有很多新的安全挑战。例如终端的身份发放以及保存，固件的保护，异构网络下传输安全，双向鉴权，传输加密套件的精细化选择问题，采集的信息脱敏处理等

结语

  总结一下loT平台面临的工程技术挑战，也是我们正遇到的，以及正在努力解決的。实现一个平台的基本功能其实看似不难，但是真正保障高可用，高性能，高安全以及可伸缩性其突挑战是巨大的。

(en)