MongoDB 用例 —— 物联网

启用传感器的物品正在释放以前无法想象的海量数据。从生产线到巡逻车，再到起搏器，新的盈利点不断涌现。然而，传感器数据的价值完全取决于数据的处理方式。利用 MongoDB， 您可以构建不同以往的应用程序，以使得传感器数据更有意义。

物联网详解

在物联网世界中，所有实物资产和设备互联互通并且共享信息，让生活变得更轻松便利。以下是部分应用示例：

• 金融服务：利用遥测传感器采样远程监控车辆性能和驾驶员行为，根据这些所得到的传感器数据指标来决定保费

  
  

• 政府：利用来自患者的生物测定传感器数据尽早向医院发出提醒，以便预防紧急医疗事件

  
  

• 高科技：为您的用户提供工具和玩具，利用可穿戴科技设备来量化用户的生活方式，分析其饮食、锻炼、睡眠等活动情况

  
  

• 零售：在购物者经过您商店时，利用店内信标和购买历史数据向其展示具有吸引力的优惠

物联网并不容易

无法保持领先。 每一代新物品总是伴随着新的传感器。新的传感器会产生新的数据和新的功能要求。在使用传统关系型数据库的情况下，要结合新数据和进行数据模型迭代都很困难。

无法扩展。 400 亿个传感器生成数量庞大的数据，远远超出单台服务器的应对能力。关系型数据库本来就不是为此而设计的。

无法解读。 您需要实时分析快速变化的多结构化数据。您经不起执行漫长的 ETL 过程来清理数据，供下游报告使用。

其他数据库有何不足

物联网生成新的数据流，其多样性和庞大数量都是以前无法想象的。但是，只有您的数据库也跟上新数据增长的步伐，这些新数据才有价值。

僵化的模式。物联网正处于起步阶段。传感器和通信成本降低之后，对功能性的期望便随之提高。新的用例和标准要求采用灵活、动态的开发方式和数据存储架构。

纵向扩展不可行。行业分析师预计，到 2020 年为止，将会有 400 亿个传感器嵌入日常物品中。当前时代的车辆每小时生成 25 GB 数据。下一代将会每小时生成 250 GB 数据。传统的数据管理技术在设计上无法处理如此大量的数据，也无法应对如此迅速的变化。

没有命令。 没有控制。分析、视觉化呈现和响应传感器输出（例如实时供应链、生产工艺控制）需要强大的工具，以便在迅速变化的数据集上运行复杂而低延时的查询。

MongoDB 化解难题

许多企业都在将 MongoDB 用于物联网，这是因为 MongoDB 让他们能够存储各种数据、实时分析数据，还能在需要时随时更新模式。

新的设备和数据 —— MongoDB 的文档模型使您可以存储和处理任何结构的数据，例如事件、时序数据、地理空间坐标、文本和二进制数据等等。您可以通过添加新字段来调整文档模式的结构，轻松应对物联网应用程序生成的迅速变化的数据。

水平扩展性 ——  MongoDB 的自动分片功能将数据分布在多台商业服务器上，提供充分的应用程序透明度。MongoDB 提供多种扩展选项，包括基于范围的分片、基于哈希的分片和区域分片，可支持数千个节点、PB 级数据和每秒数十万次操作，而不要求您创建自定义分区和缓存层。

就地分析 —— 通过丰富的索引和查询支持(包括辅助索引、地理空间索引和文本搜索索引等)以及聚合框架和对 Apache Spark 的原生支持，MongoDB 能针对传感器就地运行复杂分析、即时分析或报告分析。

安全性 —— 文件的身份验证、授权、审核和加密控制，保护高价值的传感器数据和由此获得的分析。

长按二维码关注