解决方案│浅谈物联网规则引擎及QFLOW的多种组合方式

大型物联网应用经常有高频的海量实时数据需要采集，但大部分的数据是没有价值的或者只有实时统计分析的价值且不同的应用对数据的采集需求也不一样，全量数据的分析和存储压力和成本都非常高，这就需要经过一个流式规则引擎再向后传递。

以亚马逊AWS物联网方案中的流式部分为例：

从上图我们可以看到，数据经采集后通过a流式规则引擎来进行过滤、转换、汇总后，发送至亚马逊Kinesis处理实时流式数据；再通过b流数据库将流式数据的实时处理结果导入至存储数据库、应用或其它亚马逊服务。

通常情况下，流式规则引擎主要对数据进行规则匹配，可以是SQL语句的条件查询，也可以是某种表达式规则，本身不对数据进行计算和存储，只负责根据不同的条件进行转发。但是流式数据库的功能远比流式规则引擎复杂，除了对数据进行规则匹配，并且支持对数据的计算（比如聚合运算）并保存计算结果，所以两者通常叠加提供服务。

组合一：QFLOW具有强大的数据筛选、过滤和分发能力，可以作为物联网规则引擎使数据标准化，降噪处理；它的数据预处理、实时统计和预聚合功能极大的降低了时序数据库压力，时效性更高，是平台型时序数据库的前端有效补充。

组合二：基于QFLOW的预聚合处理、时序优化和快速写入等功能，也可以作为规则引擎+时序数据库一体化方案应用；也可以作为规则引擎+内存数据库一体化解决方案，该方案具备了快速查询、时序数据存储等物联网数据处理的全部功能，降低了硬件投入和使用门槛。

QFLOW是一个兼具流处理的关系型数据库集合，集流处理、时序数据处理和内存库的优势特点，可以灵活用于各类物联网场景及流式处理需求场景。