目录

1.物联网数据特征

2.物联网数据处理

（1）数据清洗

（2）数据存储

（3）数据融合

（4）数据挖掘

3.大数据基本概念

4.云计算基本概念

（1）背景

（2）模式

（3）分类 

（4）特征

（5）优势

（6）体系结构

（7）服务流程

5.致谢

---

1.物联网数据特征

（1）时序性：物联网数据是在时间序列上生成的，每个数据点都附带有时间戳，这有助于分析数据的时效性、完整性和一致性，并进行时间序列分析，发现数据中的趋势、周期性和异常。

（2）结构化：数据通常具有固定格式和类型，便于以表格或数据库形式存储管理。这些数据多为数值型（如温度、湿度测量值）或枚举型（如设备状态）。

（3）稀疏性：数据集中可能包含大量缺失值或无效值，源于传感器故障、网络问题等，需要预处理以确保数据分析的准确性。

（4）海量性：物联网系统生成的数据量极为庞大，要求高效的数据存储、压缩及传输技术以应对数据管理和分析的挑战。

（5）多样性：数据源自多种类型和功能的设备，不同设备的数据格式、精度、采集频率各异，需要数据融合与标准化处理。

（6）实时性：数据通常需要实时处理和分析，以支持快速决策和响应，这对数据处理系统的实时计算能力提出了高要求。

（7）数据源唯一性：每个采集点的数据源是唯一的，这有助于追踪数据源头并保证数据的准确性和可信度。

（8）极少更新或删除：一旦数据被记录，很少进行修改或删除操作，数据管理更侧重于新增和按期限淘汰。

（9）写多读少：操作模式上，数据写入频繁而读取相对较少，系统设计需优化写入性能。

（10）基于时间段和地理区域的查询：分析需求常聚焦于特定时间段或地理区域内的数据趋势，而非单一数据点。

（11）数据保留期限：数据通常按预定的保留策略定期删除，以管理存储资源。

（12）实时计算与统计：数据往往需要实时的统计和聚合处理，以支撑即时的业务洞察和决策。

（13）流量平稳：尽管数据量大，物联网数据流量相对平稳，可预测性较强，有利于资源规划。

2.物联网数据处理

物联网数据流程包括：数据清洗、数据存储、数据融合、数据挖掘、智能决策等步骤

（1）数据清洗

（2）数据存储

（3）数据融合

（4）数据挖掘

3.大数据基本概念

4.云计算基本概念

（1）背景

（2）模式

（3）分类 

（4）特征

（5）优势