伺服器搭建iot平台

『壹』 NB-lot解決方案總體架構中NAS代表什麼

代表終端,無線網路,核心網路(EPC),IoT支持平台和應用伺服器
NB-iot網路架構簡介
1.終端主要通過空中介面連接到基站。終端方面主要包括工業終端和NB-IoT模塊。工業應用環境更加復雜，工業終端也有所不同，除了晶元，模塊，感測器介面，NB-IoT模塊等，還包括無線傳輸介面，軟SIM設備，感測器介面等。
2.無線網路側包含兩種分組網路方法，一種是單運行（單無線電接入網路），其中包括2G/3G/4G和NB-IoT無線網路。另一個是建立NB-IoT。它主要負責空中介面連接處理，小區管理等相關功能。它通過S1-lite介面連接到IoT核心網路，並將未連接的層數轉發到上層元處理。
3.核心網路網路組件包括兩種分組網路方法，一種是集成演進分組核心網路（EvolvedPacketC）數據傳輸方法，即2G/3G/4G核心網路。核心網路通過IoTEPC網路元素以及GSM，UITRAN和LTE公共EPC支持NB-IoT和eMTC用戶訪問。
4.物聯網支持平台歸屬位置寄存器（HLR），定位控制和計費規則功能單元（pcrf）
5.應用伺服器IoT數據的最終聚集點，可根據客戶需求執行數據處理和其他操作。

『貳』 中華電信以 NB-IoT 與 IoT 平台技術助 USPACE 打造創新共享車位平台服務

對電信業者而言，IEEE所制定的NB-IoT規范會是使它們能切入物聯網相當重要的技術，而中華電信也宣布攜手與2017Hami軟體開發大賽創新應用APP組冠軍USPACE攜手合作，利用NB-IoT技術與IoT物聯網平台打造智慧型地鎖，並以此作為共享車位平台服務。

此次中華電信與USPACE研發團隊聯手，結合低功耗廣預網路基礎建設所構成的USPACENB-IoT智慧物聯地鎖，實現及時數據蒐集與監控，並透過後端系統監控車位狀況與數據分析後，而透過中華電信所開通的NB-IoT網路能將每個地鎖的開閉鎖以及電力值等資訊直接傳送IoT平台，不需要額外的設備進行網路連接即可達到即時監控與紀錄。

『叄』 LiteOS通信模組教程03-AT指令玩轉NB-IoT通信

BC35-G 是一款高性能、低功耗的多頻段 NB-IoT 無線通信模塊，支持 B1/B3/B8/B5/B20/B28 頻段，在設計和AT指令上與BC95兼容。

小熊派開發板右上角的開關撥到AT-PC一端，則模組直接與PC相連，方便調試。

指令：AT

功能：測試AT指令功能是否正常

示例：

指令：AT+CSQ

功能：返回從 UE 接收到的信號強度指示 <rssi> 和信道誤碼率 <ber> ，其中第一個值rssi應當在0-31之間，如果為99則表示信號無法檢測，第二個參數ber因為模組當前不支持，所以始終為99。

示例：

指令：AT+CEREG?

功能：查詢當前 EPS 網路注冊狀態，該指令返回的第一個參數為0則表示禁止網路注冊URC，第二個參數表示網路注冊狀態，1表示已注冊本地網，5表示已注冊漫遊網路，其餘值則表示注冊失敗。

示例：

指令：AT+CGATT?

功能：該命令用於查詢當前是否將 UE 附著於 PS 域，返回值為1則表示已附著，即網路激活成功。

示例：

指令：AT+CGPADDR

功能：該命令用於查詢模組當前的ip地址。

示例：

由於NB-IoT模組可以直接對接IoT平台，所以在單獨測試使用UDP連接時，需要 在激活網路成功之後，在獲取ip地址之前，關閉IoT平台注冊功能 。

使用如下命令禁止該功能：

首先我們需要搭建一個UDP伺服器，有兩種方式：

因為 NB-IoT 模組直接注冊的是公網ip地址，所以這里我們使用第一種方式，在Linux伺服器上運行一個Python編寫的UDP測試伺服器：

這里的Python程序如下：

運行：

效果如下：

使用AT命令連接UDP伺服器，首先需要創建一個 UDP 類型的 Socket，創建socket的指令如下：

其中第一個參數是socket類型，DGRAM表示UDP，STREAM表示UDP；第二個參數表示協議類型，UDP 為 17， UDP 為 6，最後一個參數指定socket使用的本地埠，如果為0則表示隨機分配。

所以創建UDP socket的示例如下：

指令：

其中第一個參數是由 AT+NSOCR 返回的 Socket 編號，第二個參數是UDP伺服器ip地址，也可以使用域名，第三個參數是UDP伺服器開啟監聽的埠，第四個是發送數據的長度，最後一個是要發送的十六進制數據。

示例：

發送之後，在伺服器端也可以看到：

模組發送數據到伺服器後，伺服器會自動發送消息，模組會列印出收到信息的提示：

該信息表示編號為1的socket收到了18位元組的數據。

可以使用如下命令查看收到的數據，第一個參數是socket編號，第二個參數是查詢的數據長度：

查看剛剛收到的數據：

其中收到的數據為倒數第二個參數，是十六進制格式：

使用 在線工具 將數據轉化為字元串即可：

通信完畢之後，可以使用下面的命令關閉最開始創建的socket：

示例：

『肆』 騰訊雲有iot studio嗎

騰訊雲有iotstudio。
IoTStudio是物聯網應用開發，物聯網應用開發提供了Web可視化開發、移動可視化開發、業務邏輯開發與物聯網數據分析等一系列便捷的物聯網開發工具，解決物聯網開發領域開發鏈路長、定製化程度高、投入產出比低、技術棧復雜、協同成本高、方案移植困難等問題。
功能特點：
可視化搭建
IoTStudio提供可視化搭建能力，您可以通過拖拽、配置操作，快速完成設備數據監控相關的Web應用、API服務的開發。您可以專注於核心業務，從傳統開發的繁瑣細節中脫身，有效提升開發效率。
與設備管理無縫集成
設備相關的屬性、服務、事件等數據均可從物聯網平台設備接入和管理模塊中直接獲取，IoTStudio與物聯網平台無縫打通，大大降低物聯網開發工作量。
豐富的開發資源
IoTStudio擁有數量眾多的解決方案模版和組件。隨著產品迭代升級，解決方案和組件會愈加豐富，IoTStudio幫助您提升開發效率。
組件開發
IoTStudio提供了組件開發能力，您可以開發、發布和管理自己研發的組件，並將其發布到Web可視化工作台中用於可視化頁面搭建。大大滿足開發者的需求，提升組件豐富性，為可視化搭建提供無限可能。
無需部署
使用IoTStudio，應用服務開發完畢後，直接託管在雲端，支持直接預覽、使用。無需部署即可交付使用，免除您額外購買伺服器等產品的煩惱。

『伍』 如何利用hadhoop構建物聯網平台

常見的大數據術語表(中英對照簡版)：

A

聚合(Aggregation) – 搜索、合並、顯示數據的過程

演算法(Algorithms) – 可以完成某種數據分析的數學公式

分析法(Analytics) – 用於發現數據的內在涵義

異常檢測(Anomaly detection) –
在數據集中搜索與預期模式或行為不匹配的數據項。除了「Anomalies」,用來表示異常的詞有以下幾種：outliers, exceptions,
surprises, contaminants.他們通常可提供關鍵的可執行信息

匿名化(Anonymization) – 使數據匿名，即移除所有與個人隱私相關的數據

應用(Application) – 實現某種特定功能的計算機軟體

人工智慧(Artificial Intelligence) –
研發智能機器和智能軟體，這些智能設備能夠感知周遭的環境，並根據要求作出相應的反應，甚至能自我學習

B

行為分析法(Behavioural Analytics) –
這種分析法是根據用戶的行為如「怎麼做」，「為什麼這么做」，以及「做了什麼」來得出結論，而不是僅僅針對人物和時間的一門分析學科，它著眼於數據中的人性化模式

大數據科學家(Big Data Scientist) – 能夠設計大數據演算法使得大數據變得有用的人

大數據創業公司(Big data startup) – 指研發最新大數據技術的新興公司

生物測定術(Biometrics) – 根據個人的特徵進行身份識別

B位元組 (BB: Brontobytes) – 約等於1000 YB(Yottabytes)，相當於未來數字化宇宙的大小。1
B位元組包含了27個0!

商業智能(Business Intelligence) – 是一系列理論、方法學和過程，使得數據更容易被理解

C

分類分析(Classification analysis) – 從數據中獲得重要的相關性信息的系統化過程; 這類數據也被稱為元數據(meta
data),是描述數據的數據

雲計算(Cloud computing) – 構建在網路上的分布式計算系統，數據是存儲於機房外的(即雲端)

聚類分析(Clustering analysis) –
它是將相似的對象聚合在一起，每類相似的對象組合成一個聚類(也叫作簇)的過程。這種分析方法的目的在於分析數據間的差異和相似性

冷數據存儲(Cold data storage) – 在低功耗伺服器上存儲那些幾乎不被使用的舊數據。但這些數據檢索起來將會很耗時

對比分析(Comparative analysis) – 在非常大的數據集中進行模式匹配時，進行一步步的對比和計算過程得到分析結果

復雜結構的數據(Complex structured data) –
由兩個或多個復雜而相互關聯部分組成的數據，這類數據不能簡單地由結構化查詢語言或工具(SQL)解析

計算機產生的數據(Computer generated data) – 如日誌文件這類由計算機生成的數據

並發(Concurrency) – 同時執行多個任務或運行多個進程

相關性分析(Correlation analysis) – 是一種數據分析方法，用於分析變數之間是否存在正相關，或者負相關

客戶關系管理(CRM: Customer Relationship Management) –
用於管理銷售、業務過程的一種技術，大數據將影響公司的客戶關系管理的策略

D

儀錶板(Dashboard) – 使用演算法分析數據，並將結果用圖表方式顯示於儀錶板中

數據聚合工具(Data aggregation tools) – 將分散於眾多數據源的數據轉化成一個全新數據源的過程

數據分析師(Data analyst) – 從事數據分析、建模、清理、處理的專業人員

資料庫(Database) – 一個以某種特定的技術來存儲數據集合的倉庫

資料庫即服務(Database-as-a-Service) – 部署在雲端的資料庫，即用即付，例如亞馬遜雲服務(AWS: Amazon Web
Services)

資料庫管理系統(DBMS: Database Management System) – 收集、存儲數據，並提供數據的訪問

數據中心(Data centre) – 一個實體地點，放置了用來存儲數據的伺服器

數據清洗(Data cleansing) – 對數據進行重新審查和校驗的過程，目的在於刪除重復信息、糾正存在的錯誤，並提供數據一致性

數據管理員(Data custodian) – 負責維護數據存儲所需技術環境的專業技術人員

數據道德准則(Data ethical guidelines) – 這些准則有助於組織機構使其數據透明化，保證數據的簡潔、安全及隱私

數據訂閱(Data feed) – 一種數據流，例如Twitter訂閱和RSS

數據集市(Data marketplace) – 進行數據集買賣的在線交易場所

數據挖掘(Data mining) – 從數據集中發掘特定模式或信息的過程

數據建模(Data modelling) – 使用數據建模技術來分析數據對象，以此洞悉數據的內在涵義

數據集(Data set) – 大量數據的集合

數據虛擬化(Data virtualization) –
數據整合的過程，以此獲得更多的數據信息，這個過程通常會引入其他技術，例如資料庫，應用程序，文件系統，網頁技術，大數據技術等等

去身份識別(De-identification) – 也稱為匿名化(anonymization)，確保個人不會通過數據被識別

判別分析(Discriminant analysis) –
將數據分類;按不同的分類方式，可將數據分配到不同的群組，類別或者目錄。是一種統計分析法，可以對數據中某些群組或集群的已知信息進行分析，並從中獲取分類規則。

分布式文件系統(Distributed File System) – 提供簡化的，高可用的方式來存儲、分析、處理數據的系統

文件存貯資料庫(Document Store Databases) – 又稱為文檔資料庫(document-oriented database),
為存儲、管理、恢復文檔數據而專門設計的資料庫，這類文檔數據也稱為半結構化數據

E

探索性分析(Exploratory analysis) –
在沒有標準的流程或方法的情況下從數據中發掘模式。是一種發掘數據和數據集主要特性的一種方法

E位元組(EB: Exabytes) – 約等於1000 PB(petabytes), 約等於1百萬 GB。如今全球每天所製造的新信息量大約為1
EB

提取-轉換-載入(ETL: Extract, Transform and Load) –
是一種用於資料庫或者數據倉庫的處理過程。即從各種不同的數據源提取(E)數據，並轉換(T)成能滿足業務需要的數據，最後將其載入(L)到資料庫

F

故障切換(Failover) – 當系統中某個伺服器發生故障時，能自動地將運行任務切換到另一個可用伺服器或節點上

容錯設計(Fault-tolerant design) – 一個支持容錯設計的系統應該能夠做到當某一部分出現故障也能繼續運行

G

游戲化(Gamification) –
在其他非游戲領域中運用游戲的思維和機制，這種方法可以以一種十分友好的方式進行數據的創建和偵測，非常有效。

圖形資料庫(Graph Databases) –
運用圖形結構(例如，一組有限的有序對，或者某種實體)來存儲數據，這種圖形存儲結構包括邊緣、屬性和節點。它提供了相鄰節點間的自由索引功能，也就是說，資料庫中每個元素間都與其他相鄰元素直接關聯。

網格計算(Grid computing) – 將許多分布在不同地點的計算機連接在一起，用以處理某個特定問題，通常是通過雲將計算機相連在一起。

H

Hadoop – 一個開源的分布式系統基礎框架，可用於開發分布式程序，進行大數據的運算與存儲。

Hadoop資料庫(HBase) – 一個開源的、非關系型、分布式資料庫，與Hadoop框架共同使用

HDFS – Hadoop分布式文件系統(Hadoop Distributed File
System);是一個被設計成適合運行在通用硬體(commodity hardware)上的分布式文件系統

高性能計算(HPC: High-Performance-Computing) – 使用超級計算機來解決極其復雜的計算問題

I

內存資料庫(IMDB: In-memory) –
一種資料庫管理系統，與普通資料庫管理系統不同之處在於，它用主存來存儲數據，而非硬碟。其特點在於能高速地進行數據的處理和存取。

物聯網(Internet of Things) – 在普通的設備中裝上傳感器，使這些設備能夠在任何時間任何地點與網路相連。

J

法律上的數據一致性(Juridical data compliance) –
當你使用的雲計算解決方案，將你的數據存儲於不同的國家或不同的大陸時，就會與這個概念扯上關系了。你需要留意這些存儲在不同國家的數據是否符合當地的法律。

K

鍵值資料庫(KeyValue Databases) –
數據的存儲方式是使用一個特定的鍵，指向一個特定的數據記錄，這種方式使得數據的查找更加方便快捷。鍵值資料庫中所存的數據通常為編程語言中基本數據類型的數據。

L

延遲(Latency) – 表示系統時間的延遲

遺留系統(Legacy system) – 是一種舊的應用程序，或是舊的技術，或是舊的計算系統，現在已經不再支持了。

負載均衡(Load balancing) – 將工作量分配到多台電腦或伺服器上，以獲得最優結果和最大的系統利用率。

位置信息(Location data) – GPS信息，即地理位置信息。

日誌文件(Log file) – 由計算機系統自動生成的文件，記錄系統的運行過程。

M

M2M數據(Machine2Machine data) – 兩台或多台機器間交流與傳輸的內容

機器數據(Machine data) – 由感測器或演算法在機器上產生的數據

機器學習(Machine learning) –
人工智慧的一部分，指的是機器能夠從它們所完成的任務中進行自我學習，通過長期的累積實現自我改進。

MapRece – 是處理大規模數據的一種軟體框架(Map: 映射，Rece: 歸納)。

大規模並行處理(MPP: Massively Parallel Processing) –
同時使用多個處理器(或多台計算機)處理同一個計算任務。

元數據(Metadata) – 被稱為描述數據的數據，即描述數據數據屬性(數據是什麼)的信息。

MongoDB – 一種開源的非關系型資料庫(NoSQL database)

多維資料庫(Multi-Dimensional Databases) – 用於優化數據聯機分析處理(OLAP)程序，優化數據倉庫的一種資料庫。

多值資料庫(MultiValue Databases) – 是一種非關系型資料庫(NoSQL),
一種特殊的多維資料庫：能處理3個維度的數據。主要針對非常長的字元串，能夠完美地處理HTML和XML中的字串。

N

自然語言處理(Natural Language Processing) –
是計算機科學的一個分支領域，它研究如何實現計算機與人類語言之間的交互。

網路分析(Network analysis) – 分析網路或圖論中節點間的關系，即分析網路中節點間的連接和強度關系。

NewSQL – 一個優雅的、定義良好的資料庫系統，比SQL更易學習和使用，比NoSQL更晚提出的新型資料庫

NoSQL –
顧名思義，就是「不使用SQL」的資料庫。這類資料庫泛指傳統關系型資料庫以外的其他類型的資料庫。這類資料庫有更強的一致性，能處理超大規模和高並發的數據。

O

對象資料庫(Object Databases) –
(也稱為面象對象資料庫)以對象的形式存儲數據，用於面向對象編程。它不同於關系型資料庫和圖形資料庫，大部分對象資料庫都提供一種查詢語言，允許使用聲明式編程(declarative
programming)訪問對象.

基於對象圖像分析(Object-based Image Analysis) –
數字圖像分析方法是對每一個像素的數據進行分析，而基於對象的圖像分析方法則只分析相關像素的數據，這些相關像素被稱為對象或圖像對象。

操作型資料庫(Operational Databases) –
這類資料庫可以完成一個組織機構的常規操作，對商業運營非常重要，一般使用在線事務處理，允許用戶訪問 、收集、檢索公司內部的具體信息。

優化分析(Optimization analysis) –
在產品設計周期依靠演算法來實現的優化過程，在這一過程中，公司可以設計各種各樣的產品並測試這些產品是否滿足預設值。

本體論(Ontology) – 表示知識本體，用於定義一個領域中的概念集及概念之間的關系的一種哲學思想。(譯者注:
數據被提高到哲學的高度，被賦予了世界本體的意義，成為一個獨立的客觀數據世界)

異常值檢測(Outlier detection) –
異常值是指嚴重偏離一個數據集或一個數據組合總平均值的對象，該對象與數據集中的其他它相去甚遠，因此，異常值的出現意味著系統發生問題，需要對此另加分析。

P

模式識別(Pattern Recognition) – 通過演算法來識別數據中的模式，並對同一數據源中的新數據作出預測

P位元組(PB: Petabytes) – 約等於1000 TB(terabytes), 約等於1百萬 GB
(gigabytes)。歐洲核子研究中心(CERN)大型強子對撞機每秒產生的粒子個數就約為1 PB

平台即服務(PaaS: Platform-as-a-Service) – 為雲計算解決方案提供所有必需的基礎平台的一種服務

預測分析(Predictive analysis) –
大數據分析方法中最有價值的一種分析方法，這種方法有助於預測個人未來(近期)的行為，例如某人很可能會買某些商品，可能會訪問某些網站，做某些事情或者產生某種行為。通過使用各種不同的數據集，例如歷史數據，事務數據，社交數據，或者客戶的個人信息數據，來識別風險和機遇

隱私(Privacy) – 把具有可識別出個人信息的數據與其他數據分離開，以確保用戶隱私。

公共數據(Public data) – 由公共基金創建的公共信息或公共數據集。

Q

數字化自我(Quantified Self) – 使用應用程序跟蹤用戶一天的一舉一動，從而更好地理解其相關的行為

查詢(Query) – 查找某個問題答案的相關信息

R

再識別(Re-identification) – 將多個數據集合並在一起，從匿名化的數據中識別出個人信息

回歸分析(Regression analysis) –
確定兩個變數間的依賴關系。這種方法假設兩個變數之間存在單向的因果關系(譯者註：自變數，因變數，二者不可互換)

RFID – 射頻識別; 這種識別技術使用一種無線非接觸式射頻電磁場感測器來傳輸數據

實時數據(Real-time data) – 指在幾毫秒內被創建、處理、存儲、分析並顯示的數據

推薦引擎(Recommendation engine) – 推薦引擎演算法根據用戶之前的購買行為或其他購買行為向用戶推薦某種產品

路徑分析(Routing analysis) –
針對某種運輸方法通過使用多種不同的變數分析從而找到一條最優路徑，以達到降低燃料費用，提高效率的目的

S

半結構化數據(Semi-structured data) –
半結構化數據並不具有結構化數據嚴格的存儲結構，但它可以使用標簽或其他形式的標記方式以保證數據的層次結構

情感分析(Sentiment Analysis) – 通過演算法分析出人們是如何看待某些話題

信號分析(Signal analysis) – 指通過度量隨時間或空間變化的物理量來分析產品的性能。特別是使用感測器數據。

相似性搜索(Similarity searches) – 在資料庫中查詢最相似的對象，這里所說的數據對象可以是任意類型的數據

模擬分析(Simulation analysis) –
模擬是指模擬真實環境中進程或系統的操作。模擬分析可以在模擬時考慮多種不同的變數，確保產品性能達到最優

智能網格(Smart grid) – 是指在能源網中使用感測器實時監控其運行狀態，有助於提高效率

軟體即服務(SaaS: Software-as-a-Service) – 基於Web的通過瀏覽器使用的一種應用軟體

空間分析(Spatial analysis) – 空間分析法分析地理信息或拓撲信息這類空間數據，從中得出分布在地理空間中的數據的模式和規律

SQL – 在關系型資料庫中，用於檢索數據的一種編程語言

結構化數據(Structured data)
-可以組織成行列結構，可識別的數據。這類數據通常是一條記錄，或者一個文件，或者是被正確標記過的數據中的某一個欄位，並且可以被精確地定位到。

T

T位元組(TB: Terabytes) – 約等於1000 GB(gigabytes)。1 TB容量可以存儲約300小時的高清視頻。

時序分析(Time series analysis) –
分析在重復測量時間里獲得的定義良好的數據。分析的數據必須是良好定義的，並且要取自相同時間間隔的連續時間點。

拓撲數據分析(Topological Data Analysis) –
拓撲數據分析主要關注三點：復合數據模型、集群的識別、以及數據的統計學意義。

交易數據(Transactional data) – 隨時間變化的動態數據

透明性(Transparency) – 消費者想要知道他們的數據有什麼作用、被作何處理，而組織機構則把這些信息都透明化了。

U

非結構化數據(Un-structured data) – 非結構化數據一般被認為是大量純文本數據，其中還可能包含日期，數字和實例。

V

價值(Value) – (譯者註：大數據4V特點之一)
所有可用的數據，能為組織機構、社會、消費者創造出巨大的價值。這意味著各大企業及整個產業都將從大數據中獲益。

可變性(Variability) – 也就是說，數據的含義總是在(快速)變化的。例如，一個詞在相同的推文中可以有完全不同的意思。

多樣(Variety) – (譯者註：大數據4V特點之一)
數據總是以各種不同的形式呈現，如結構化數據，半結構化數據，非結構化數據，甚至還有復雜結構化數據

高速(Velocity) – (譯者註：大數據4V特點之一) 在大數據時代，數據的創建、存儲、分析、虛擬化都要求被高速處理。

真實性(Veracity) – 組織機構需要確保數據的真實性，才能保證數據分析的正確性。因此，真實性(Veracity)是指數據的正確性。

可視化(Visualization) –
只有正確的可視化，原始數據才可被投入使用。這里的「可視化」並非普通的圖型或餅圖，可視化指是的復雜的圖表，圖表中包含大量的數據信息，但可以被很容易地理解和閱讀。

大量(Volume) – (譯者註：大數據4V特點之一) 指數據量，范圍從Megabytes至Brontobytes

W

天氣數據(Weather data) – 是一種重要的開放公共數據來源，如果與其他數據來源合成在一起，可以為相關組織機構提供深入分析的依據

X

XML資料庫(XML Databases) –
XML資料庫是一種以XML格式存儲數據的資料庫。XML資料庫通常與面向文檔型資料庫相關聯，開發人員可以對XML資料庫的數據進行查詢，導出以及按指定的格式序列化

Y

Y位元組 (Yottabytes) – 約等於1000 ZB (Zettabytes),
約等於250萬億張DVD的數據容量。現今，整個數字化宇宙的數據量為1 YB, 並且將每18年翻一番。

Z

Z位元組 (ZB: Zettabytes) – 約等於1000 EB (Exabytes), 約等於1百萬
TB。據預測，到2016年全球范圍內每天網路上通過的信息大約能達到1 ZB。

附：存儲容量單位換算表：

1 Bit(比特) = Binary Digit

8 Bits = 1 Byte(位元組)

1,000 Bytes = 1 Kilobyte

1,000 Kilobytes = 1 Megabyte

1,000 Megabytes = 1 Gigabyte

1,000 Gigabytes = 1 Terabyte

1,000 Terabytes = 1 Petabyte

1,000 Petabytes = 1 Exabyte

1,000 Exabytes = 1 Zettabyte

1,000 Zettabytes = 1 Yottabyte

1,000 Yottabytes = 1 Brontobyte

1,000 Brontobytes = 1 Geopbyte

『陸』 阿里雲物聯網平台搭建（5）基礎平台服務的調用

之前一直想要使用mqtt協議模擬tcp協議的實時返回監控參數的功能，經過幾個月的摸索和試驗，終於將同步服務的開發摸透，僅僅看飛燕平台的技術文檔是看不懂的，核心文檔鏈接如下：

1、什麼是rrpc，同步服務如何使用rrpc實現實時返回的效果

https://help.aliyun.com/document_detail/90568.html?spm=5176.11065259.1996646101.searchclickresult.17d42700JKyg9e&aly_as=odhFNfAc

阿里將同步服務使用rrpc

2、服務的數據格式

https://help.aliyun.com/document_detail/89301.html?spm=5176.11065259.1996646101.searchclickresult.17d42700JKyg9e&aly_as=KNMEpUOP

看完文檔還有不懂的同學們，我給你准備了總結：

1.RRPC有專用的topic，服務端的實現，在物的模型服務中有invoke的請求方式和返回結果。

設備端根據文檔1中的訂閱topic與上報topic。上報的數據格式根據文檔2上報。

例子：

1.按照物的服務調用方法請求

2.設備端訂閱到服務的下發，將msgid從topic上面截取下來此處為1214836938775870464

3.將msgid填充到上報topic結尾，數據格式注意param改為data，加上code，其餘數據對照功能定義中的物模型

4.在調試窗口中找到服務調用菜單

顯示上報成功，注意服務的解析與屬性事件不一樣，通過通用列印只能列印出result ok，要進一步解析data出來再列印。

『柒』 lot伺服器是什麼意思

IOT服務平台,也就是物聯網雲平台,是一個中間層

『捌』 昆侖通泰觸摸屏如何使用自己的伺服器做物聯網

首先安裝MCGS調試助手。雙擊「MCGS調試助手_V1.5」文件，按順序安裝其次安裝後打開MCGS調試助手。保證觸摸屏與PC在同一區域網內（設置為200.200.200.110），進入MCGS調試助手登錄界面，選擇「本地調試」，輸入觸摸屏在區域網內的IP地址（200.200.200.190），點擊「連接」。可以看大可連接設備列表；連接成功後，可對連接的觸摸屏進行VNC瀏覽。