Ja, ich weiß, „Big Data“ als Schlagwort ist so vor 5 Minuten. Die Tech-Welt ist chronisch ADD und anfällig für das nächste glänzende Objekt abgelenkt zu werden (OOh! Schauen Sie, IoT !, Warten, AI! SQUIRREL !!) Aber Aufenthalt mit mir zu diesem Thema. Es ist alles verbunden. Ich habe seit mindestens 2005 gesagt (zurück, wenn Big Data der letzte Schrei war), dass man nicht wirklich große Datenmengen, bis die IoT wirklich in voller Kraft loslegt gesehen haben. Social Media ist ziemlich fruchtbar - durchschnittlich 6.000 Tweets pro Sekunde oder eine halbe Milliarde Tweets pro Tag. Das ist eine Menge von Daten. Aber es ist Erdnüsse. Angenommen, Sie haben einen industriellen IoT Einsatz Überwachung 1.000 Maschinen. Jede Maschine ist die Bereitstellung Telemetrie auf 7 oder 8 Parameter. Es ist die Protokollierung, dass Telemetrie 2 - 3 mal pro Sekunde. Das ist 16.000 pro Sekunde. Von ** ONE ** Fabrik. Jetzt können Sie sagen weltweit 10 Fabriken haben. 160.000 pro Sekunde. Versuche mitzuhalten. Nein, wirklich, nur versuchen.

Hier ist meine IoT-Regel wieder: Alles, was von der Anzahl der Menschen auf dem Planeten basiert ist oberen Grenzen beschränkt. Als ich sagte, ersten im Jahr 2004 Sun (ein Moment der Stille, bitte) hatte Java lizenziert auf 1 Milliarde Handys. Auch wenn jeder Mensch 4 Handys getragen hätte, dass nur 24 Milliarden Geräte gewesen (Bevölkerung zu der Zeit war; y 6000000000). Ein begrenzter Markt.

IoT wird auf die Zahl der Menschen auf dem Planeten basiert, sondern auf die Anzahl der * Dinge * und ist daher nicht unbedingt oben begrenzt. Denken Sie darüber nach, dass - keine obere Grenze - wie es an die Geräte gilt und damit der Datenstrom. Nun ist die Versprechen von IoT-Systemen sind Echtzeit, verwertbare Daten zu liefern. Und wirklich, warum sollten Sie sich auf die Zeit und die Kosten gehen ein IoT System bereitstellen, wenn Sie nicht etwas mit der Flut von Daten tun würden es schaffen wird. Sogar noch besser als nur verwertbare Daten Bereitstellung bietet ** Echtzeit ** verwertbare Informationen.

Das Problem ist, klar, wie macht man eigentlich jede Art von angemessener Datenanalyse auf 160.000 Datenpunkte pro Sekunde? Das ist 9,6 Millionen pro Minute. Das ist eine halbe Milliarde pro Stunde. Das ist also der gesamte Twitter-Feed jede Stunde pro Tag. Jeder. Stunde.

Gerade jetzt, das ist nicht etwas, dass die meisten Menschen in der Welt des Internets der Dinge ansprechen oder sogar sprechen. Warum? Denn offensichtlich, dass sie nicht eine Lösung für sie. Aussehen! EICHHÖRNCHEN! Wir werden einfach nicht darüber reden.

Aber ich stolperte auf etwas. Etwas wirklich ziemlich erstaunlich. Etwas, das dieses Problem in dem eleganteste Weg tatsächlich löst. Was wäre, wenn Sie mühelos Abfrage und visualisieren ein Datensatz von Milliarden von Datenzeilen? In Echtzeit. Es heißt MAPD. Es ist eine Datenbank, die läuft auf GPUs, nicht CPUs (obwohl Sie es auf CPUs laufen können, wenn Sie langsame Leistung wollen). GPUs tut ** wirklich wirklich ** gut an Parallelisierung der Datenverarbeitung und natürlich Grafiken.

Also lassen Sie sich einfach Blick auf eines ihrer Demos. Es ist die Schiffsbewegungen in den USA zwischen 2009 und 2015. Alle von ihnen. Jeder einzelne. Mehr als 11 Milliarden Datensätze von Geodaten.

Grafik aller Schiffsbewegungen

Das ist eine noch geschossen, aber wenn Sie spielen mit der Demo gehen werden Sie feststellen, dass Sie durch die Daten Drilldown können. ** Way ** nach unten in die Daten. Mein bester Freund ist ein Schlepper-Kapitän. Er arbeitet an der neuen Tapanzee Brücke für die letzten 5 Jahre. Also entschied ich mich, um zu sehen, was ich sehen konnte, was dort vor sich ging.

Individuelle Schiffsidentifizierungs-

Ich fand seinen Schlepper. Ich fand auch seinen Schlepper und die Strafverfolgungs Boote, sprang die Nacht jemand von der Brücke und sie alle rasten sie zu finden. Und es ist ein nahtloses, Flüssigkeit, intensiveres Erlebnis.

Absolut unglaublich! Nun, wenn sie das tun mit 11 Milliarden geospatial Aufzeichnungen von Schiffen, na ja, dann das oben weg von einem Tag im Wert von Daten in meinen Beispielen nicht zu weit ist. Das können Sie tatsächlich Ihre eingehenden Daten in Echtzeit visualisieren und machen es umsetzbare. Das macht die IoT tatsächlich praktisch und nützlich. Endlich!