Molnmarknaden domineras för närvarande av tre plattformar – Amazon Web Services, Microsoft Azure och Google Cloud Platform – som kontrollerar nästan 65% av den globala marknaden. Men i takt med att kärnmarknaden för molntjänster mognar öppnar ny teknik som artificiell intelligens, maskininlärning och IoT upp en ny front i en förnyad kamp om dominans. Dessa tekniker för merförsäljning kan mycket väl utgöra den strategiska skillnad som kommer att skaka om den nuvarande rankningen. Det är besvärligt att utvärdera och jämföra IoT-plattformarnas kapacitet.
Värdet på den globala marknaden för IoT-plattformar, som omfattar både molnbaserad och lokal programvara och tjänster, uppskattas till 6,11 miljarder USD år 2024. Marknaden växer för närvarande med nästan 29% CAGR och CSP (Cloud Service Providers) har spelat en nyckelroll för att minska hindren för IoT. Genom att standardisera komponenter som kan delas mellan vertikala applikationer sänker CSP kostnaderna, förenklar implementeringen och gör det möjligt för kunderna att experimentera med och snabbt skala upp nya användningsområden.
Leverantörernas IoT-erbjudanden är fortfarande inriktade på att leverera breda horisontella tjänster med liten potential för branschspecifika optimeringar. Men det kommer att förändras i takt med att marknaden mognar och behovet av mer nyanserade och sofistikerade lösningar ökar. Under tiden kan vi ta reda på hur de tre främsta molnplattformarna klarar sig när det gäller IoT.
För att göra detta lite mer objektivt kommer vi att titta på hur dessa plattformar presterar när det gäller tre komponenter som är kritiska för alla IoT-lösningar:
- Core IoT
- Edge Computing
- Datahantering och analys
Dessa kategorier utesluter inte varandra helt och hållet, och det kan finnas en del överlappningar, men de ger en mer likartad grund för jämförelse när det gäller grundläggande IoT-funktioner.
Core IoT
Amazon Web Services:
AWS IoT Core är en hanterad molntjänst som möjliggör enkel och säker anslutning och interaktion mellan enheter och molnapplikationer. Den stöder miljarder enheter över flera industristandarder och anpassade protokoll. Tjänsten lagrar den senaste statusen för varje ansluten enhet, så att applikationer kan spåra, kommunicera och interagera med enheter även när de är frånkopplade. Med AWS IoT Core kan användare implementera nya enhets- och applikationsfunktioner genom att helt enkelt definiera och uppdatera affärsregler i realtid. Tjänsten stöder en mängd olika kommunikationsprotokoll, inklusive HTTP, WebSockets och MQTT.
Autentisering och end-to-end-kryptering över anslutningspunkter säkerställer att data aldrig utbyts mellan enheter och AWS IoT Core utan att identiteten först har fastställts. Användare kan säkra åtkomsten ytterligare genom att tillämpa policyer med detaljerade behörigheter.
Med AWS IoT Core kan användarna enkelt ansluta till en rad andra AWS-tjänster, som AWS Lambda, Amazon Kinesis, Amazon S3, Amazon SageMaker, Amazon DynamoDB, Amazon CloudWatch, AWS CloudTrail, Amazon QuickSight och Amazon Elasticsearch Service, utan att behöva hantera någon infrastruktur.
Microsoft Azure:
Azure IoT erbjuder två ramverk för att bygga IoT-lösningar som uppfyller olika kundkrav.
Azure IoT Central är en fullt hanterad SaaS-lösning som använder ett modellbaserat tillvägagångssätt för att hjälpa användare utan expertis inom molnlösningsutveckling att bygga IoT-lösningar i företagsklass. Sedan finns det Azure IoT Solution Accelerators, en samling lösningsacceleratorer i företagsklass som kan hjälpa till att påskynda utvecklingen av anpassade IoT-lösningar. Båda dessa lösningar använder Azure IoT Hub, kärnan i Azure PaaS.
Funktionerna i Azure IoT Central kan kategoriseras i termer av de fyra personas som interagerar med applikationen.
Builder använder webbaserade verktyg för att skapa en mall för de enheter som ansluts till IoT-applikationen. Dessa mallar kan definiera flera operativa variabler såsom enhetsegenskaper, beteendeinställningar, affärsegenskaper och telemetridatas egenskaper. Byggare kan också definiera anpassade regler och åtgärder för att hantera data från anslutna enheter. Azure IoT Central genererar även simulerad data som byggare kan använda för att testa sina enhetsmallar.
Enhetsutvecklaren skapar sedan koden, med hjälp av Microsofts Azure IoT SDK:er med öppen källkod, som körs på enheterna. Dessa SDK:er erbjuder ett brett stöd för språk, plattformar och protokoll för att ansluta en rad olika enheter till Azure IoT Central-applikationen.
Operatören använder ett anpassningsbart användargränssnitt för Azure IoT Central-applikationen för den dagliga hanteringen av enheterna, inklusive provisionering, övervakning och felsökning.
Administratören ansvarar för att hantera åtkomst till applikationen genom att definiera användarroller och behörigheter.
Google Cloud Platform:
Googles Cloud IoT Core är en fullt hanterad tjänst för enkel och säker anslutning, hantering och insamling av data från miljontals globalt utspridda enheter. Lösningen består av två huvudkomponenter, en enhetshanterare och en protokollbrygga.
Enhetshanteraren gör det möjligt att konfigurera och hantera enskilda enheter och kan användas för att fastställa en enhets identitet, autentisera enheten och fjärrstyra enheten från molnet. Protokollbryggan ger anslutningspunkter med inbyggt stöd för branschstandardprotokoll som MQTT och HTTP för att ansluta och hantera alla enheter och gateways som ett enda globalt system.
Google har också lanserat en molntjänst för IoT-tillhandahållande, för närvarande i tidig åtkomst, som utnyttjar manipuleringsresistent hårdvarubaserad säkerhet för att förenkla processen med tillhandahållande av enheter och ombordstigning för kunder och OEM-tillverkare.
Cloud IoT Core-tjänsten körs på Googles serverlösa infrastruktur, som skalas omedelbart och automatiskt som svar på förändringar i realtid.
Edge Computing
Amazon Web Services:
AWS tillhandahåller två lösningar för edge computing, Amazon FreeRTOS för att programmera, distribuera, säkra, ansluta och hantera små edge-enheter med låg effekt och AWS IoT Greengrass för enheter som kan agera lokalt på data samtidigt som de använder molnet för hantering, analys och lagring.
Amazon FreeRTOS är ett populärt operativsystem med öppen källkod för mikrokontroller som effektiviserar uppgiften att ansluta små enheter med låg effekt till molntjänster som AWS IoT Core eller till mer kraftfulla edge-enheter som kör AWS IoT Greengrass eller till och med till en mobil enhet via Bluetooth Low Energy. Den levereras med programvarubibliotek som gör det enkelt att konfigurera nätverksanslutningsalternativ, programmera IoT-funktioner för enheter och säkra enhets- och dataanslutningar.
Med AWS IoT Greengrass kan enheter programmeras för att filtrera enhetsdata lokalt och endast överföra de data som krävs för molnapplikationer. Detta bidrar till att minska kostnaderna samtidigt som kvaliteten på de data som överförs till molnet ökar. Med AWS IoT Greengrass kan anslutna enheter köra AWS Lambda-funktioner, köra maskininlärningsmodeller och ansluta till tredjepartsapplikationer, lokal programvara och AWS-tjänster med hjälp av AWS IoT Greengrass Connectors. Det blir också extremt enkelt att programmera enheter eftersom kod kan utvecklas och testas i molnet och sedan distribueras sömlöst till enheterna med AWS Lambda.
Microsoft Azure:
Azure IoT Edge är en fullt hanterad tjänst som bygger på Azure IoT Hub och som utökar molnbaserade arbetsbelastningar, inklusive AI, analys, tredjepartstjänster och affärslogik, till edge-enheter via standardcontainrar. Användarna kan till exempel välja att utnyttja Project Brainwave, en djupinlärningsplattform från Microsoft för AI i realtid i molnet, för att leverera AI i realtid till edge. Att bearbeta data lokalt och endast sända tillbaka de data som behövs för vidare analys kan minska kostnaderna och förbättra datakvaliteten. Lösningen gör det möjligt att bygga och träna AI- och analysmodeller i molnet innan de distribueras lokalt. Alla arbetsbelastningar kan fjärrdistribueras och hanteras via Azure IoT Hub med nolltouch-provisionering av enheter.
Precis som med AWS erbjuder Azure IoT Edge även funktioner för enhetshantering även när de är offline eller har intermittent uppkoppling. Lösningen synkroniserar automatiskt de senaste enhetsstatusarna när de återansluts för att säkerställa sömlös drift.
Google Cloud Platform:
Googles strategi för IoT edge-tjänster är centrerad kring två komponenter: Edge TPU, ett nytt hårdvaruchip, och Cloud IoT Edge, en mjukvarustack som utökar Google Cloud AI-funktionerna till gateways och anslutna enheter.
Edge TPU är ett specialbyggt ASIC-chip som är utformat och optimerat för att köra TensorFlow Lite ML-modeller i edge och med ett litet fotavtryck. Edge TPU:er kompletterar Googles molnbaserade IoT-funktioner genom att låta kunderna bygga och träna maskininlärningsmodeller i molnet och sedan köra modellerna på Cloud IoT Edge-enheter. Kombinationen utökar Google Clouds kraftfulla databehandling och maskininlärningskapacitet till IoT-gateways och slutenheter, samtidigt som driftsäkerheten ökar, enhets- och datasäkerheten förbättras och snabbare realtidsförutsägelser möjliggörs för kritisk IoT-verksamhet.
Företaget arbetar med halvledartillverkare och enhetstillverkare för att integrera sina IoT edge-innovationer i utvecklingen av intelligenta enheter och gateways.
IoT-analys
Amazon Web Services:
AWS IoT Analytics är en fullt hanterad tjänst som automatiserar varje steg i IoT-dataanalysprocessen. Tjänsten kan konfigureras för att automatiskt filtrera data baserat på behov, berika data med enhetsspecifika metadata, köra schemalagda eller ad hoc-frågor med den inbyggda frågemotorn eller utföra mer komplexa analyser eller maskininlärningsinterferenser. Användare kan också schemalägga och utföra sina egna anpassade analyser, paketerade i en container, och tjänsten kommer att automatisera utförandet.
AWS IoT Analytics lagrar enhetsdata i ett IoT-optimerat datalager för tidsserier och erbjuder funktioner för analys av tidsserier. Företaget erbjuder en helt hanterad, serverlös tjänst för tidsseriedata som heter Amazon Timestream och som kan bearbeta biljoner händelser med 1 000 gånger högre hastighet och till en tiondel av kostnaden för konventionella relationsdatabaser.
AWS erbjuder också realtidsövervakning av IoT-enheter antingen som en out-of-the-box-funktion i sin Kinesis Data Analytics-lösning eller som en referensimplementering för att bygga anpassade lösningar för enhetsövervakning.
Microsoft Azure:
Azure Stream Analytics är ett helt förvaltat serverlöst PaaS-erbjudande som är utformat för att analysera och bearbeta strömmande data från flera källor samtidigt och i realtid. Den integreras med Azure Event Hubs och Azure IoT Hub för att ta emot miljontals händelser per sekund från en mängd olika källor. Tjänsten kan konfigureras för att utlösa relevanta åtgärder och initiera lämpliga arbetsflöden baserat på de mönster och relationer som identifierats i den extraherade informationen.
Azure Stream Analytics på Azure IoT Edge gör det möjligt att distribuera information i nära realtid närmare IoT-enheter för att komplettera analys av stora datamängder som görs i molnet. Ett jobb kan skapas i Azure Stream Analytics och sedan distribueras och hanteras med Azure IoT Hub.
Microsofts IoT-plattform erbjuder även Time Series Insights, en heltäckande lösning för att samla in, lagra och söka efter IoT-tidsseriedata med hög kontextualisering. Time Series Insights integreras sömlöst med Azure IoT Hub för att omedelbart samla in miljarder händelser för analys. Data och insikter från denna lösning kan integreras i befintliga applikationer och arbetsflöden eller nya anpassade lösningar kan skapas med Time Series Insights Apache Parquet-baserade flexibla lagringssystem och REST API:er.
Google Cloud Platform:
Google Cloud IoT erbjuder en rad tjänster, i edge och i molnet, för att utvinna realtidsinsikter från ett distribuerat nätverk av IoT-enheter. Enhetsdata som samlas in av Cloud IoT Core aggregeras till ett enda globalt system och publiceras till Cloud Pub/Sub, en del av Google Clouds stream analytics-program, för analys i efterföljande led. Cloud Pub/Sub tar emot händelseströmmar och levererar dem till Cloud Dataflow, en serverlös och helt hanterad tjänst för omvandling och berikning av data, för att säkerställa tillförlitlig, exakt samtidig omvandling av data med låg latens. De omvandlade uppgifterna analyseras sedan med BigQuery, ett serverlöst molnbaserat datalager med inbyggd BI-motor i minnet och maskininlärning.
Med hjälp av Cloud IoT Edge, som diskuterats tidigare i den här artikeln, kan alla dessa funktioner för databehandling, analys och maskininlärning sedan utökas till miljarder edge-enheter.
Var och en av dessa plattformar erbjuder ett brett utbud av IoT-specifika verktyg, lösningar och tjänster och ytterligare ett lager av komplexa molntjänster och tredjepartsintegrationer som gör det nästan omöjligt att göra en uttömmande jämförelse. Men funktioner som tillhandahållande och hantering av enheter, realtidsanalys av strömmande data och edge computing är avgörande för varje IoT-implementering, oavsett applikation eller bransch. Naturligtvis finns det andra faktorer, som prissättning och säkerhet, som också spelar in. Men genom att titta på en plattforms kärnfunktioner för IoT, edge computing och realtidsanalys kan man göra en jämförelse som ger sammanhanget för en mer detaljerad analys.
