一、場景特性

每個業務場景都有自己特有資料特性，IoT也不例外，單純從設備檢索的角度切入來看，IoT的設備檢索特性如下：

1. 億級資料；

2. 資料高頻變更；

3. 時序特性；

4. 無冷熱特征；

5. 結構松散；

6. 資料異構；

二、資料Dump層

整體思路和多數檢索場景類似：全量資料+增量資料，由于底層用了多套云檢索引擎，因此整個Dump層天然具備云原生的能力，與此同時，我們采用了影子庫、主備集群、讀寫分離、配置化、全鏈路監控等手段，來保障資料的吞吐、時延、穩定、高效，

三、物模型檢索

物模型是物理空間中的物體（如傳感器、車載裝置、樓宇、工廠等）在云端的數字化表示，從屬性、服務和事件三個維度，分別描述了該物體是什么、能做什么、可以對外提供哪些資訊，因此相對于設備的元資料（名稱等），物模型資料的檢索是極其重要的一部分，然而，雖然單個設備的物模型屬性數量是有限的，但是不同的設備的物模型屬性數是完全不一樣的，這就導致最終最終設備的物模型的屬性是不可窮盡的，但是我們的索引表的寬度是有限的，因此，就需要用有限的索引列存盤無限的物模型資料，

通過結合物模型的特點：資料定義明確、整體數量不可窮盡、單設備可窮盡，將單設備的物模型資訊與索引進行映射，多設備復用相同索引，實作物模型資料的檢索，

四、SQL-Like檢索能力

云上的產品ToB的比重更高，使用我們云平臺的大多數用戶都有一定技術背景，SQL在技術人員普及度又極高，為了降低用戶的使用成本，我們提供了SQL-Like的檢索能力，用戶能夠像查詢資料庫一樣來檢索資料，與此同時，我們底層用了多套檢索引擎，因此我們希望在上層使用SQL檢索的方式來屏蔽底層引擎的差異，簡而言之，上層使用SQL語法，下層適配多套檢索引擎，

為此，我們設計了一套：適配多引擎、業務自定義、SQL檢索框架，整體架構上，參考了Apache Calcite，

SQL-Helper：我們提供了SQL拼裝工具，用戶可以像寫JAVA那樣完成SQL書寫，防止SQL拼寫錯誤帶來的除錯效率問題；

Adapter：適配層模塊，基于底層引擎進行適配、路由；

Parser：SQL決議模塊；

Completer：陳述句補全、替換等；

Validater：陳述句校驗模塊；

Tanslator：陳述句轉義為底層引擎請求，并進行引數優化；