使用蒙特卡罗方法设计领域驱动的设备云

蒙特卡罗方法

除了集中数据存储外，设备云还为我们打开了解决方案的空间，包括遥控设备、监视数据和趋势、实现丰富的诊断和支持、提供现场配置和软件更新功能、跟踪可用性统计等能力，并使资源受限的嵌入式设备具有强大的云处理能力。

借助所有这些额外优势，现在我们能够收集一批设备的大量数据。拥有众多设备的详细数据可支持两种类型的分析：

1）对单个设备的详细分析和诊断。这对于那些无需派维修技术人员实现客户支持、软件升级和诊断现场的问题来说具有重要意义。

2）对众多设备的统计分析。设计者对这类分析特别感兴趣，因此这类分析能够揭示优化用户体验、降低成本或减轻故障的新方法。

既然我们对来自大量设备的数据进行统计分析特别感兴趣，那么我们就可以把注意力转向蒙特卡罗方法(MCM)。

蒙特卡罗方法是物理学家们在20世纪40年代发明的，这些物理学家当时正在Los Alamos国家实验室研究核武器项目。具体地说，在研究辐射屏蔽物以预测中子可能透过各种材料的距离时就会用到蒙特卡罗方法。蒙特卡罗方法是一种基于随机技术的运算方法，可用于计算使用随机变量的复杂进程结果。您可以在从经济政策到核物理，再到城市区域交通流量的调节等各个方面见到蒙特卡罗方法的身影。

严格地说，为了把某个任务称为蒙特卡罗实验，您所要做的是使用随机数去检查问题。下面是使用蒙特卡罗方法解决问题的一些关键步骤：1）定义一个可能输入的领域；2）使用概率分布方式(如高斯)从领域中随机产生输入；3）使用输入执行确定性运算；4）将单个计算结果汇聚为最终结果。

为了便于描述，我们通过下面这个例子来理解如何使用蒙特卡罗方法估计π值：

1． 在地上画一个正方形，然后在内部画一个内切圆。根据平面几何原理我们知道内切圆的面积与正方形的面积之比等于π/4。

2． 在整个正方形内均匀地散布一些相同大小的物体。例如，米粒或沙子。

3． 由于两个面积之比为π/4，因此落在两个区域中的物体数量之比也接近这个值(均匀分布)

4． 计算圆圈内的物体数量，并除以正方形内的总数量，从而得出π/4的近似值。

5． 将结果乘以4就得到了π的近似值。

蒙特卡罗方法能以多种方式从设备云数据中获得真实含义：

用户体验提炼：通过表征用户如何在大量设备上使用系统，可以优化或巩固任务步骤以丰富用户体验。

故障预测：如果我们设计的设备云系统用于报告故障指示或性能数据，我们不仅能够使用它定位故障设备，还能结合其它故障设备确定变化趋势。例如，我们可能会认识到彼此间相邻一定距离的所有设备都存在较高的故障发生率。通过进一步分析设备位置数据，可以发现每个故障设备位于靠近容易腐蚀触点的海水地区。

降低风险：如果在炼油厂内的多个传感设备在很短时间内出现故障状态，可能存在将引起未来故障的更严重或系统性问题：蒙特卡罗方法可以帮助我们分析并预测这类问题。

节省成本：通过分析使用趋势，通信基础设施提供商可以对网络上的数据业务进行调整和设定优先级，并在成本、性能和功耗之间取得良好折衷。

蒙特卡罗方法是一组强大的技术，可以用来定量评估风险、预测故障或理解用户如何处理任务。领域驱动设计和蒙特卡罗方法可以使我们更好地实现设备云的真正价值：数据可视化。

数据可视化

到目前为止，我们已经讨论了两种有助于充分发挥设备云性能的技术。虽然这两种工具都非常有用，但都是达到目的的手段，我坚持认为设备云的最大价值是数据可视化。

可视化数据对系统的所有拥有者来说都非常重要：用户希望使用设备快速执行任务、监视状态指示器并快速取得对他们行动结果的反馈；维护人员除了可靠管理软件版本外，还希望很容易地再现、诊断和修复问题；设计师希望看到用户如何与系统交互。通过在软件中的关键位置放置标记，设备云能使可视化成为可能；赞助商希望看到他们的系统是如何使用的。观察这些数据有助于他们改变业务模型方向，或提示更具性价比的方式去管理设备群。

通过专注于问题领域、仔细作出智能系统设计选择，进而消除实现期间产生的分心事件，以及使用先进的算法分析技术，我们可以揭示出用于下一代联网设备的云计算的真正价值。