工业物联网系统实用分类法：基于量化指标的架构决策框架
还记得"Kings Play Chess On Fine Glass Stools"？虽听似异想天开，但这助记语帮助回忆经典生物分类：界、门、纲、目、科、属、种。
地球生命多样性惊人。结构良好分类法对生物学家至关重要；按共性分组，使科学家识别模式、制定通用规则。
工业物联网（IIoT）系统同样多样。无可比拟分类法，架构师难选适当架构、协议、技术。
选择顶层类别是首个挑战。生物学中可按栖息地——陆、海、空——分群，但对结构洞见有限。相反，按形态和功能分类，直接影响设计。
类似，'医疗'或'能源'等行业标签不决定底层架构。真正驱动因素是系统必须应对的挑战，而非所在行业。
此洞见似激进：设计下一代IIoT架构时，行业特定标准和协议常无关紧要。企业互联网教会我们：通用、可复用技术终将胜出。
那么什么标准应定义IIoT类别？我们需要一把关键特征将版图分为可行动组。
虽存在数千功能和非功能需求，必须聚焦直接影响架构者——明确、可测量、有后果者。
基于RTI近1000真实IIoT部署经验，以下分类法用量化指标创建清晰边界。数字非随意；反映跨众多项目观察到的实用阈值。
IIoT分类法提案
可靠性 [指标：持续可用性须优于"99.999%"]
"高可靠"是模糊承诺。将可靠性转化为架构，问：每年5分钟停机后果何在？工业系统常连毫秒停机都不可容忍。
必须避免任何中断的系统需冗余计算、传感器、网络等。此类情况可靠性成首要架构驱动因素。
实时性 [指标：响应 < 100 ms]
速度重要，但塑造设计的阈值通常在几十毫秒。100ms限制对应典型服务器或Broker引入的最大抖动。
需更快响应的架构通常采用点对点方法，代表重大设计转变。
数据集规模 [指标：数据项 > 10,000]
当不同数据项数超约10000，广播每次更新变得不切实际。这些系统要求以数据为中心设计，建模数据并启用选择性过滤。
团队或应用规模 [指标：交互团队或应用数 > 10]
多独立开发团队或应用引入复杂互操作性挑战。显式管理接口的以数据为中心架构至关重要。
设备数据发现挑战 [指标：> 20种设备类型且含多变量数据集]
设备众多异构环境中，运行时内省至关重要。超20种设备类型时，手工配置不可行，必需自动发现机制。
分发侧重 [指标：扇出 > 10]
扇出度量单个数据变更需通知多少接收者。超十个时简单1:1连接模型失效；架构须支持高效组播或发布-订阅模式。
汇聚侧重 [指标：单向数据流且扇入 > 100]
主要为存储或分析收集数据的系统——常发送信息至云后端——可利用中心辐射或云中心设计，简化架构。
分类法效益
定义良好的IIoT分类法非奢侈——是明智设计前提。澄清核心挑战，架构师可选正确协议、网络拓扑、计算资源，避免服务器错位或不当实时声称等昂贵失误。
工业互联网联盟将承担此任务。新工作组旨在提炼这些根本业务和技术命题。我兴奋在巴塞罗那下次IIC成员会议共同启动该组。有兴趣可联系我stan@rti.com、Dirk Slama (Dirk.Slama@bosch-si.com)、Jacques Durand (JDurand@us.fujitsu.com)。共同将集体经验带入塑造IIoT未来。
物联网技术