物联网和海计算
海计算通过在物理世界的物体中融入计算与通信设备以及智能算法，让物物之间能够互连，在事先无法预知的场景中进行判断，实现物物之间的交互作用。海计算一方面通过强化融入在各物体中的信息装置，实现物体与信息装置的紧密融合，有效地获取物质世界信息；另一方面通过强化海量的独立个体之间的局部即时交互和分布式智能，使物体具备自组织、自计算、自反馈的海计算功能。海计算的本质是物物之间的智能交流，实现物物之间的交互。云计算是服务器端的计算模式，而海计算代表终端的大千世界，海计算是物理世界各物体之间的计算模式。
简言之，海计算模式倡导由多个融入了信息装置、具有一定自主性的物体，通过局部交互而形成具有群体智能的物联网系统。该系统具有以下优点：
(1)节能高效充分利用局部性原理，可以有效地缩短物联网的业务直径，即覆盖从感知、传输、处理与智能决策，到控制的路径，从而降低能耗，提高效率。
(2)通用结构通过引入融入信息装置的”自主物体”，有利于产生通用的、可批量重用的物联网部件和技术，这是信息产业主流产品的必备特征。
(3)分散式结构海计算物联网强调分散式结构，较易消除单一控制点、单一瓶颈和单一故障点，扩展更加灵活。群体智能使得海计算物联网更能适应需求和环境变化。
实时信息系统一般而言，实时信息系统(Real-timeInformationSystem，RIS)由信息采集、信息传输和信息处理三个子系统组成。信息采集子系统由各种类型的采集设备所组成，如传感器、射频识别和视频、音频图像采集器等。用户以有线或无线的方式连接系统，实时信息可以由实时信息系统根据用户个性需求主动推送，也可以是用户主动发出请求后等待接收信息。实时信息系统建设的一个重要原则是保证系统的开放性，以促进实时信息的采集与共享。
(1)物理实时信息采集
针对物理世界的实时信息采集方式可以分为直接采集和间接采集。直接采集是指利用各种采集设备直接从物理世界的信源采集信息，包括自动采集、人工采集和混合采集；而间接采集是指针对事先被上传到互联网上仍然保持时效性的实时信息进行采集。物联网中大多采用自动采集的方式。自动采集是指利用各种采集设备，针对某一目标主体连续实时地采集信息。常见的采集设备包括物理传感器、化学传感器、生物传感器、射频识别标签以及识别设备、全球定位系统设备等。在物联网中，把所标记的物体的相关信息事先写入射频识别标签，通过标签接收阅读器发出的射频信号，凭借感应电流所获得的能量将存储在芯片中的物体信息发出，这样阅读器就能采集物体信息，并以此判定物体的位置和数量等实时信息。
(2)实时信息处理
实时信息处理是指把原数据加工成信息的一个过程，涉及分类实时信息收集、数据规整、实时场景重构和数据挖掘等步骤，其中分类实时信息包括可视信息、音频信息及其它物理量或化学量。实时场景重构技术是实时信息处理研究领域的一个重要课题。实时场景重构技术是指通过一定数量的实时信息采集设备(包括无线手持设备和固定的视频图像采集设备)采集信息，并用采集到的分类实时信息进行信息源的场景重构。实时场景重构的实现涉及到分类实时信息的收集和逆向建模技术。
(3)实时信息发布
实时信息分发模型包括Pull和Push两种模型。Pull模型一般是由用户主动发起信息请求，请求经过处理后转化成采集指令，信息源采集设备将采集到的信息传回给用户；Push模型一般是由信息源采集设备采集到实时信息，并经过处理后，根据用户的个性需求，有选择地传送。
此外，实时信息系统还有若干技术问题需要解决，如：信息精准度问题、传递延迟以及隐私问题等。
海计算（SeaComputing）是2009年8月18日，通用汽车金融服务公司董事长兼首席执行官molina，在2009技术创新大会上所提出的全新技术概念。海计算为用户提供基于互联网的一站式服务，是一种最简单可依赖的互联网需求交互模式。用户只要在海计算输入服务需求，系统就能明确识别这种需求，并将该需求分配给最优的应用或内容资源提供商处理，最终返回给用户相匹配的结果。与云计算的后端处理相比，海计算指的是智能设备的前端处理。
物联网具有显著的异构性、混杂性和超大规模等特点。异构性表现在不同制造商、不同拥有者、不同类型、不同级别、不同范畴的对象网络共存于物联网中，网络之间在通信协议、信息属性、应用特征等多个方面存在差异性，并形成混杂的异构网络或”网中网”形态；混杂性表现在网络形态和组成的异构混杂性，多信息源的并发混杂性，场景、服务和应用的混杂性等多个方面；物联网是物理世界与信息空间的深度融合系统，是涉及全球的人、机、物的综合信息系统，其规模之大无所不包。
物联网的上述特点决定了感知层数据的特性，即异构的、混杂的、大规模的实时流感知数据。同时，感知数据还具有一个显著特点就是时空特性，就是感知数据在特定时间和特定空间内才有意义，如果不在这个地点或过了这个时间，数据的意义可能就不大了。如中关村大街的交通相关信息，这些交通信息通过很多节点实时采集，是大数据量的随时间不断采样的实时流信息。这些信息谁需要？是在这个区域的人车才真正需要了解当时的详细拥塞或停车信息等，以便及时掌握交通动态，调整行车路线或停止地方。其他地方的人们可能不关心这个区域的交通信息，或仅仅只需要了解大概情况，实时性要求也不是很高，如了解中关村大街的历史交通信息等。另外，物联网的物体之间需要协同交互，对事件及时做出反应，这就需要实时性采集、处理和控制，如在中关村大街上前后行驶的两辆车需要实时交互，既要保持畅通行驶，又要通过保持一定的车距来保证安全性，这就需要在当前场景下局部空间内车辆之间实时通信和决策处理。
为此，我们针对物联网这些数据的特性提出了哑铃式的存储和计算模式。大量的感知信息在采集和使用的本地进行存储，经过处理后的中间或最后结果存储在互联网上(后端)，放到云中的数据中心。感知信息的预处理、判断和决策等信息处理主要在当前场景下的前端完成，必要的需要大运算量的计算才通过”云端”的数据中心来处理。只有这样，才能节省通信带宽，否则网络很难传输这么多的感知数据；才能节省存储空间，数据中心再大也难存下实时流的原始感知数据，也没有必要存储原始感知数据；才能满足实时性的交互处理，如果通过互联网或云计算来做出处理和决定，就不能满足很多实时性的应用；更重要的是能够满足物联网的大规模的扩展性。物联网一定是分布式的系统，局部空间内的高度动态自治管理才有利于扩展性。
智能化的前端具有存储、计算和通信能力，能在局部场景空间内前端之间协同感知和判断决策，对感知事件及时做出响应，具有高度的动态自治性。海计算的每个”海水滴”就是全球的每个物体，它们具有智能，能够协助感知互动。亿万种物体组成物联网系统，就如同海水滴形成大海一样。
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.e1idc.net
