很多时候，身边总会有人问到，你是做物联网的，那什么是物联网？

维基百科对物联网的定义是：

The Internet of things (IoT) is the network of devices, vehicles, and home appliances that contain electronics, software, actuators, and connectivity which allows these things to connect, interact and exchange data.

实际上通俗易懂的理解就是，将互联网连接的标准设备以外的非互联网物理设备和日常用品，利用各种新ICT技术连接到Internet进行通信、交互。

以下内容就从通讯、骨干网络、物联网硬件、传输协议、操作系统、物联网云平台、机器学习几个方面给大家做一份概要指南。

1、 通讯 – Communication

从RFID到LTE的无线连接方式，从PAN到WAN，从IPv4到REST API全方位的描述了构建整个M2M的连接及传输方式及其网络的描述划分。

而现阶段物联网要重点解决的是如何连接的问题：

1) RFID

射频识别系统使用标签或附在待识别物体上的标签。双向无线电发射器 - 接收器称为询问器或读取器向标签发送信号并读取其响应读者通常将他们的观察结果发送到运行RFID软件或RFID中间件的计算机系统.RFID标签可以是无源，有源或电池辅助无源。有源标签有一个板载电池并定期发送其ID信号。无源（BAP）板载电池很小，并且在有RFID阅读器的情况下被激活。

频率：120-150 kHz（LF），13.56 MHz（HF），433 MHz（UHF），865-868 MHz（欧洲）902-928 MHz（北美）UHF，2450-5800 MHz（微波），3.1-10 GHz （微波炉）

范围：10厘米至200米

应用：道路通行费，建筑通道，库存

2) EnOcean

EnOcean技术是一种主要用于楼宇自动化系统的能量收集无线技术;但也适用于工业，运输，物流和智能家居中的其他应用。模块基于EnOcean技术，将微能量转换器与超低功耗电子设备相结合，实现无电池无线传感器，交换机，控制器和网关之间的无线通信。

频率：315 MHz，868 MHz，902 MHz

范围：室外300米，室内30米

应用：无线开关，传感器和控制

3) NFC

NFC是一组短距离无线技术，通常需要10厘米或更短的距离.NFC 运行在13.56 ISO / IEC 18000-3空中接口上的MHz，速率范围为106 kbit / s至424 kbit / s.NFC始终涉及发起者和目标;发起者主动生成可为被动目标供电的RF场。 NFC的目标是采用非常简单的外形尺寸，如标签，贴纸，钥匙链或不需要电池的卡。如果两个设备都通电，则可以进行NFC点对点通信。

频率：13.56 MHz

范围：<0.2 m

应用：智能钱包/卡，操作标签，访问控制

4) Bluetooth

蓝牙是一种无线技术标准，用于从固定和移动设备短距离交换数据（在2400-2480 MHz的ISM频段内使用短波无线电传输），创建具有高安全性的个人局域网（PAN）。

频率：2.4GHz

范围：1-100m

应用：免提耳机，钥匙加密狗，健身追踪器

5) WiFi

Wi-Fi是一种允许电子设备通过计算机网络（使用无线电波）无线交换数据的技术，包括高速互联网连接.Wi-Fi联盟将Wi-Fi定义为任何”无线局域网“网络（WLAN）产品，基于电气和电子工程师协会（IEEE）802.11标准（- 802.11a / b / g / n / af，WiFi Direct，WPS）。

频率：2.4 GHz，3.6 GHz和4.9 / 5.0 GHz频段。

范围：通用范围可达100米，但可以延长。

应用：路由器，平板电脑等

6) Sub-1G

Sub-1G是指传输频率低于1GHz的非运营商频段的窄带无线传输，用于在基站和数千台机器之间使用白色空间（未占用的电视传输信道中的波长无线电传输）进行数据交换，具有高安全性。例如433、Lora等。

频率：随法律变化（470 - 790MHz）

范围：高达10km

数据速率：1kbits / s至10Mbits / s

应用：智能电表，交通传感器，工业监控

7) GSM

GSM（全球移动通信系统）是一种开放的数字蜂窝技术，用于传输移动语音和数据服务。

地面GSM网络现在覆盖了全世界90％以上的人口。GSM卫星漫游还扩展了对没有地面覆盖的地区的服务接入。

频率：欧洲：900MHz和1.8GHz，美国：1.9GHz和850MHz，可在此处找到完整列表。

数据速率：9.6 kbps

应用：手机，M2M，智能电表，资产跟踪

8) 其他

3G、4G LTE、ANT、Dash7、Ethernet、GPRS、PLC / Powerline、QR Codes、EPC、WiMax、X-10、802.15.4、Z-Wave、Zigbee

2、 骨干网络 – Backbone

骨干网络的建设是物联网架构的几个关键组件。

1) IPv4和IPv6

Internet协议版本6（IPv6）是Internet协议（IP）的最新版本，IP协议是为网络上的计算机提供标识和定位系统并通过Internet路由流量的通信协议。互联网上的每个设备都必须是分配了一个IP地址以便与其他设备通信。随着越来越多的新设备连接到Internet，需要的地址多于IPv4能够容纳的地址.IPv6使用128位地址，允许2128 ，或大约3.4×1038个地址，或者超过使用32位地址的IPv4的7.9×1028倍。

2) UDP

用户数据报协议（UDP）是Internet协议套件（用于Internet的网络协议集）的核心成员之一。使用UDP，计算机应用程序可以发送消息，在本例中称为数据报，到互联网协议（IP）网络上的其他主机，没有先前的通信来设置特殊的传输通道或数据路径。

3) TCP

传输控制协议（TCP）旨在用作分组交换计算机通信网络中主机之间以及此类网络的互连系统中高度可靠的主机到主机协议。

4) 6LoWPAN

6LoWPAN是低功耗无线个域网的IPv6的首字母缩写.6LoWPAN组定义了封装和报头压缩机制，允许IPv6数据包通过基于IEEE 802.15.4的网络发送和接收。

3、 物联网硬件 – Hardware

1) 无线SoC（片上系统）

Gainspan，Wiznet，Nordic Semiconductor，TI等制造商正在创建具有TCP，UDP和IP芯片的独立RF认证模块解决方案。这些解决方案包括内置安全功能，可以缩短认证时间，并允许公司在几乎没有RF专业知识的情况下为任何基于微控制器（基于MCU）的产品添加通信。

2) 原型板和平台

从Arduino到Raspberry Pi再到新的BeagleBone Black，有大量社区DIY和原型设计平台可用于创建自己的物联网项目。

4、 传输协议 – Protocols

1) CoAP协议

约束应用协议（CoAP）是一种软件协议，旨在用于非常简单的电子设备，允许它们通过互联网进行交互式通信。它特别适用于需要的小型低功率传感器，开关，阀门和类似组件通过标准的Internet网络远程控制或监督.CoAP是一种应用层协议，旨在用于资源受限的互联网设备，如WSN节点.CAP旨在轻松转换为HTTP，以简化与Web的集成，同时还满足特殊要求，如多播支持，非常低的开销和简单性。

2) RESTful HTTP

Representational State Transfer（REST）是一种用于分布式系统（如万维网）的软件架构风格.REST已经成为一种主要的Web API设计模型。

3) MQTT

消息队列遥测传输（MQTT）是一种用于M2M通信的开放消息协议，它能够以普遍的设备，高延迟或受限网络，向服务器或小型消息代理的消息形式传输遥测数据。

4) XMPP

可扩展消息和存在协议（XMPP）是一种用于实时通信的开放技术，适用于广泛的应用，包括即时消息，状态，多方聊天，语音和视频呼叫，协作，轻量级中间件，内容联合，以及XML数据的通用路由。

5、 操作系统 – Software

1) Riot OS

RIOT OS是物联网（IoT）设备的操作系统。它基于微内核，专为能效，硬件独立开发，高度模块化而设计。”

A. 支持6LoWPAN，IPv6，RPL，TCP和UDP

B. 专为实现最高能效和低资源要求而设计：最小RAM（~1.5kB）和Min ROM（~5kB）

C. 能够在多个平台上运行（嵌入式设备和普通PC）

D. 使用C或C ++进行标准编程，可以运行16位和32位平台

2) Thingsquare Mist

Thingsquare Mist为物联网带来了灵活的无线网状网络和真正的互联网连接.Thitequare Mist开源固件非常轻巧，经过实战验证，可与多种带有各种无线电的微控制器配合使用.Thingsquare Mist通常在具有64-256千字节闪存和16-32千字节RAM的硬件上运行。

3) Tinyos

Tiny OS是UC Berkeley（加州大学伯克利分校）开发的开放源代码操作系统，专为嵌入式无线传感网络设计，操作系统基于构件（component-based）的架构使得快速的更新成为可能，而这又减小了受传感网络存储器限制的代码长度。

A. 相对于主流操作系统成百上千MB的庞大体积来说，Tiny OS显得十分迷你，只需要几KB的内存空间和几十KB的编码空间就可以运行的起来，而且功耗较低，特别适合传感器这种受内存、功耗限制的设备。

B. Tiny OS本身提供了一系列的组件，包括：网络协议、分布式服务器、传感器驱动及数据识别工具等，使用者可以通过简单方便的编制程序将多个组件连接起来，用来获取和处理传感器的数据并通过无线电来传输信息。

C. Tiny OS在构建无线传感器网络时，通过一个基地控制台控制各个传感器子节点，聚集和处理各子节点采集到的信息。Tiny OS只要在控制台发出管理信息，然后由各个节点通过无线网络互相传递，最后达到协同一致的目的。

4) Contiki

Contiki是一个小型、开源、极易移植的多任务电脑操作系统。它专门设计以适用于一系列的内存受限的网络系统，包括从8位电脑到微型控制器的嵌入系统。

Contiki可以在每个进程内选择是否支持先占式多线程，进程间通讯通过事件利用消息来实现。Contiki中还包括一个可选的GUI子系统，可以提供对本地终端、基于VNC的网络化虚拟显示或者Telnet的图形化支持。

完整的Contiki系统包括以下特性：

A. 多任务内核

B. 每个应用程序中可选的先占式多线程

C. Protothreads模型

D. TCP/IP网络支持，包括IPv6

E. 视窗系统与GUI

F. 基于VNC的网络化远程显示

G. 网页浏览器

H. 个人网络服务器

I. 简单的Telnet客户端

J. 屏幕保护程序

6、 物联网云平台 - Data Brokers / Cloud Platforms

1) 阿里云

阿里云物联网套件帮助开发者搭建安全且性能强大的数据通道，方便终端（如传感器、执行器、嵌入式设备或智能家电等等）和云端的双向通信。全球多节点部署让海量设备在全球范围内都可以安全、低延时地接入阿里云 IoT Hub。

2) OneNet

OneNET——中国移动物联网开放平台，解决协议适配、海量连接、数据存储、设备管理、规则引擎、事件告警等物联网应用开发的共性问题，缩短开发周期，减少开发成本，促进传统企业应用创新升级。

3) 机智云

机智云平台推出的面向个人、企业开发者的一站式智能硬件开发及云服务平台。平台提供了从定义产品、设备端开发调试、应用开发、产测、云端开发、运营管理、数据服务等覆盖智能硬件接入到运营管理全生命周期服务的能力。

4) 百度-物接入

物接入（IoT Hub）是一个全托管的云服务，帮助建立设备与云端之间安全可靠的双向连接，以支撑海量设备的数据收集、监控、故障预测等各种物联网场景。

5) 腾讯微瓴

腾讯云在智慧办公、智慧社区、智慧商圈等场景下的建设成果，及一套深度适配智慧建筑场景的物联网类操作系统——腾讯微瓴，并提出腾讯云将持续输出产品与技术能力让建筑学会思考，让空间更有温度，为建筑空间的数字化升级助力。

7、 机器学习

机器学习和深度学习把人工智能带上了一个新的台阶。就像上述所提到的，机器学习和深度学习需要海量的数据来工作，而这些数据往往收集自物联网中无数的传感器。物联网造就了更好的人工智能。

1) Amazon Machine Learning

Amazon Machine Learning 提供可视化工具和向导来指导您完成机器学习 (ML) 模型的创建过程，您不必学习复杂的 ML 算法和技术。当您的模型准备好以后，Amazon Machine Learning 只要使用简单的 API 即可让您的应用程序轻松获得预测能力，而无需实现自定义预测生成码或管理任何基础设施。

为了简化面向开发人员和数据科学家的机器学习，AWS 目前提供了 Amazon SageMaker，它是一项完全托管服务，具有非凡的开发、培训和托管功能，使开发人员能够专注于构建、培训和优化机器学习模型的数据科学，而不必担心基础设施或系统管理。

2) Tensor Flow

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

3) MLlib

MLlib 是Spark 中提供机器学习函数的库。它是专为在集群上并行运行的情况而设计的。MLlib 中包含许多机器学习算法，可以在Spark 支持的所有编程语言中使用，由于Spark基于内存计算模型的优势，非常适合机器学习中出现的多次迭代，避免了操作磁盘和网络的性能损耗。Spark 官网展示的 MLlib 与Hadoop性能对比图就非常显著。所以Spark比Hadoop的MapReduce框架更易于支持机器学习。