Автор Хьюстон Хедингер, основатель и генеральный директор, GraphAlchemist
Интернет вещей (IoT) это термин, который делает раунды. Давайте начнем с самого начала. Согласно Technopedia , IoT относится к «вычислительной концепции, которая описывает будущее, где повседневные физические объекты будут подключены к Интернету и смогут идентифицировать себя с другими устройствами». В основном все связано. Это означает, что все наши устройства, от бытовых приборов до смартфонов, смогут обмениваться информацией друг с другом и с нами. Этот термин был придуман в 1999 году Кевином Эштоном, однако эта концепция существует с 1991 года. Другие технологии, такие как QR-коды, беспроводные системы и сенсорные технологии, считаются частью IoT. Кроме того, согласно Тиму О’Рейли, мы могли бы даже расширить наше понимание IoT до IoTH, «Интернет вещей и людей », принимая во внимание, что способность вещей и людей к сотрудничеству становится более нюансированной, когда вещи становятся умнее.
В основном все связано.
В контексте IoT мы могли бы назвать последние 10 лет переходом к IoST или «Интернетом некоторых вещей». В Интернете о некоторых вещах, мобильных устройствах, планшетах и компьютерах — мы наблюдаем значительные нарушения. Одни только смартфоны значительно изменили способ взаимодействия брендов, предприятий и даже небольших компаний со своими заинтересованными сторонами. Наряду с этим нарушением появились новые наборы данных с чрезвычайно болезненными требованиями к управлению данными. Все, что связано, означает, что даже самые простые приложения IoT потребуют чрезвычайно открытых, гибких и фундаментально связанных моделей данных. Введите базу данных графа.
Богатая экосистема продуктов, представляемых IoT, и управление такой информационной системой будут иметь жизненно важное значение. Модели данных, которые явно распознают сущности, а также отношения между ними, делают Интернет вещей идеальным вариантом использования графа. Вскоре наши носимые устройства будут синхронизироваться с нашей бытовой техникой, автомобилями и даже домами, чтобы создать максимально персонализированный опыт. Чтобы сделать это, нам нужно понять отношения, которые существуют между каждым объектом на самом сыром уровне, то есть способом, которым мы храним данные и осуществляем операции с ними.
Neo4j позволяет невероятно легко моделировать связность, такую как использование устройства и управление устройством, а также местоположение, в том же контексте, что и данные, которые делают современные приложения по-настоящему богатыми. Например, социальные связи в Facebook и Twitter, а также отношения пользователя с некоторыми другими интересами. Чтобы продемонстрировать это, мы попросили наших друзей в GraphAlchemist создать демонстрацию IoT, иллюстрирующую использование графиков с носимыми устройствами и другими подключенными устройствами. Набор данных и соответствующую документацию о том, как загрузить данные в Neo4j, можно найти здесь .
Вот полная модель данных, сгенерированная с использованием GraphJSON.io :
Невероятно просто запрашивать данные с использованием шифра, чтобы генерировать полезную информацию для вашего приложения. Ниже мы просим друзей и друзей друзей, которые посетили событие:
MATCH (h:Human)-[:USES]->(:Machine)-[:LOCATED]->(l:Location) WHERE l.name = "The Fray" WITH h, l MATCH (h)-[:FRIEND]-(f)-[:FRIEND]-(fof), (f)-[:USES]->(:Machine)-[:LOCATED]->(l) WHERE (h)-[:FRIEND]-(fof) RETURN DISTINCT h, f as friends, collect(fof) as friendsOfFriends
Который генерирует следующие результаты в браузере neo4j:
Разработчики могут проверить дополнительные запросы и наш генератор данных в нашем репо GraphofThings .
Для всех остальных, следите за новостями в нашей новой книге о том, почему Neo4j является идеальным выбором для вашего варианта использования Graph of Things!
[Editor’s note: Check out Neo4j to get started today]