对于TDFX来说，咱们可以从物联网（IoT）职业中学习和获取的经历还为数不多。但一起，物联网却可以并且应该从其他职业学习许多经历，TDFX以便下降完结作业任务的难度。搜集、处理、紧缩、存储和检索数据是物联网的几项根本作业，但早在数年前乃至数十年前，金融科技等职业就现已开始供给这些效劳。所以我以为，现在物联网从业人员也应该与其他职业的人员及时沟通并学习经历了。

物联网遭受数据激流

其实，物联网本身的运作现在也面临着重重困难。在与其他物联网专业人员沟通后咱们普遍以为，物联网所生成的数据要比开始拟定规范时的预期多得多。无论是在智能家居、智能商铺或智能城市中，面临来自许多设备的海量数据，基站并不总是可以依照预期处理负载。

要处理这个问题，需要装置更多的基站，进步信号传达的流畅性，不过这同样也会进一步进步根底架构和数据处理本钱。一起，这些基站相互连接，来回交换信息，因而数据量比规范拟定人员预期的数据多出许多，这会导致带宽中充溢剧增的数据包。

这些问题一个个累加起来，不断地提出对硬件、软件、答应本钱和数据流操控费用的各类要求。终究，物联网数据处理处理方案仍旧无法应对持续增长的数据量。

那么，面临这样的情况，咱们该采纳哪些措施呢？

金融科技的数据经历之谈

物联网创立的数据作业原理与这几年金融科技数据的作业原理相似。两个职业的数据类型都带有简略的音讯：一个时间戳、一个标识符和净负荷信息。因而，关于金融科技从业人员来说，物联网数据包的传输信息尺度和类型的性质与金融科技正在运用的非常相似。

此外，买卖数据的处理方法也与物联网测验的处理方法共同。从买卖所到商场数据供给商，从经纪商到买卖商，各方所采纳的买卖数据存储和办理方法也共同。金融商场数据的交给是买卖、投资和剖析的根底。金融科技现在每秒要处理约1200万个项目，触及数百万个信号和多达15种数据类型（报价、订单、买卖等），并且该技能具备非常高的实时作业效率。

金融科技运用的数据处理处理方案通过现场验证和严厉测验。这些技能表现为一个完好的技能仓库，是一种用于搜集、办理、规范化、存储和分配不同数据类型的数据生态体系，并答应咱们以一种高效的方法处理历史数据。下方列出了可应用于物联网的要害数据技能：

数据规范化：每个数据来历都有自己的格局，而这种技能将从不同买卖所收到的一切数据转化成一致格局。它答应用户选用一致数据办理的格局，而无需忧心数据来历，就像是将数据转化成元语言。数据规范化的成果就是一切项目都以特定的数据形式交给。

音讯传递体系：这种可扩展的数据形式可以确保一切项目类型的散布和分配，即便是在动荡的商场条件下，也能确保低推迟和高吞吐量。例如在2018年2月5日股票商场的小型溃散中，咱们的客户在严格的商场改变导致的峰值载荷期间也未呈现任何停机时间。尽管当天他们买卖渠道上的订单数量每小时达到了25万左右（下午一点到两点），一天的买卖量总计达到了140万，远远超出一家超大型零售商铺黑色星期五当天的买卖量。

多文字资料库：这是音讯传递和数据分配体系的特征，可以确保数据真正完成实时交给。即便数据馈送呈现信息小规模迸发，数据处理渠道也能清空数据推送，确保要害信息的实时传输。与此一起，其他"非必要"音讯也不会清除，一切项目都保存在历史存储中，并在需要时进行检索。例如，欧元/美元汇率每秒可能会改变数千次，而人眼每秒均匀最多能看25条更新，因而可以仅重视要害音讯，将其他音讯直接发送到存储。物联网职业与此相似的情况是温度传输器发送数百次更新，每次仅非常位后的数字有所改变，因而，从商场监控视点来说，每分钟五次更新就现已满足。

紧缩数据格局（CDF）存储：这种技能用于在不同文件格局中高效检索大量数据或组织该数据的传输。在物联网职业，该技能可被用于对监控和办理体系进行全面审计或回来测验。

现在，金融科技职业已呈现可以处理数十亿项目的专有技能。关于正在构建金融科技处理方案，且在从买卖商处或为买卖商搜集要害数据范畴具有多年经历的公司来说，可以轻松将这种数据处理、传输、紧缩、存储和检索能力用于物联网职业。尽管物联网生成的数据量不足以组成一家金融科技公司，但每秒处理数十Gb数据的情况在这里也很常见。