几十年来，远程控制节点的基本架构都是由控制器、传感器、本地存储器、网络连接模块和电池构成。这一架构普遍应用于实际操作所掌控的系统中。

在工业自动化系统中，控制器以有所不同速率监控多个传感器，将已标记时间的传感器数据留存在本地或拓展存储器内，然后通过ProfiBus等工业标准总线传输数据。在高级驾驶员辅助系统(ADAS)或车辆事件记录器(EDR)中，多个MCU需要同时收集、掌控汽车电子系统的数据，从而获取优质的驾驶员体验与无故障的数据确保。医疗系统也有类似于的应用于：通过传感器取得的关键患者数据，将被存储在本地，或者定期上载展开集中于存储。

这些系统都在企图解决问题数据采集、关键数据存储以及基于数据分析采取相应行动过程中的核心和基础问题。但是，有所不同系统解决问题的侧重点也有所不同。工业系统偏向于在很短的时间间隔内，从众多有所不同的传感器中收集海量数据，同时必需在本地和远程存留详尽的日志记录。

汽车系统数据分解速率较低，但数据重要性低。在某些情况下，数据的遗失或将不会威胁驾乘人员的生命安全。

大多数汽车的使用寿命都多达十年，因此在自由选择存储器时，其使用寿命与可靠性之后沦为了十分最重要的考量标准。便携式医疗系统在自由选择理想的数据存储时，则侧重功耗的展现出。由于植入式医疗器械、助听器等设备都是由电池展开驱动，因此它们更加偏向于自由选择能耗较低同时数据存储精确度低的存储器。兼备长年可靠性和低能耗的无故障数据存储，往往沦为系统设计师自由选择存储产品的根本性挑战。

随着物联网的逐步蓬勃发展，所有设备都开始通过网络构建网络。激进估算，2020年将有100亿台设备构建联网，其中还包括汽车、工业自动化设备、植入式医疗器械、可穿着设备和智能家居等新一代产品。下一代5G网络早已开始在某些地区部署并未来将会分担上述设备产生的大部分流量。

但是，数据科学家和系统设计师仍有几个仍未解决问题的问题：哪些设备必须与云相连？必须传播多少信息？有多少信息能在本地处置？谁来缴纳云的费用？一个方案是把所有信息都上传遍云，远程对信息展开处置。但这一方案只限于于规模小而集中的系统。随着世界网络的程度大大提升，将不会有大量甚至不足的系统展开信息的上载，在这样的情况下我们必须考虑到网络和本地两种存储和处置的成本差异。

在行经过程中，一辆自动驾驶汽车每小时将不会分解数G的数据。因此为了预测未来的市场需求，我们现在必需要求哪些信息必须动态传输、哪些可以在本地存储，从而日后再行展开传输传输。工业和医疗领域的系统设计师面对着某种程度的问题。

在“工业4.0”的进程中，“上载所有数据到云”的方式正在逐步改变沦为“本地处置，智能上载”的方式。因此，如何自由选择最差的本地数据存储对未来的系统发展极为重要。为了留存最重要数据，这些系统皆必须低可信、低能耗、低安全性的存储器。

一个方法是用于现有的存储器来记录数据。存储器技术具备高效加载的能力，因此早已被普遍用作启动代码和固件的存储。对于现有系统的设备，在继续执行载入操作者时，设计师需要理解存储器的技术容许，才可用于存储器来记录数据。存储器单元只有在事前已被读取的情况下才能存储新的数据。

对存储器单元展开编程时，可将逻辑值由“1”变成“0”。在下一次升级中，如果存储单元必须维持逻辑值“1”，就必须读取数据。为了减缓读取速度、延长程序时间，存储器制造商设计了各种页、块和扇区架构。页是需要一次编程载入存储器的大于数据存储单位。

存储器设备另设内部的页容量缓冲区，用作临时数据存储。当外部模块的数据传输已完成时，设备将立刻对主阵列中被读取的页继续执行页程序。如果该页包括原有数据，则必需在程序启动前不予读取。每次继续执行读取时，存储器单元都会发育。

这一现象一般来说作为在存储器的耐久性指标展开分析记录。耐久性最差的存储器设备一般可以忍受10万次的读取程序循环，在超过这一限值后将无法确保存储的稳定性。

尽管这一数字看上去很极大，但这一数字甚至连低端的数据记录系统的市场需求都很难符合。某些制造商则使用字节编程，并且把编程由缓冲区引到存储器展开。尽管这一设计可以修改设备内的程序运行，但却无法使存储器挣脱潜在的耐久性容许。

为了抵销上述容许，系统设计师不得不使用一种简单的文件系统来确保存储器单元的损耗平衡(wearlevelling)。文件系统的软件不会减慢系统的运营速度。设想一种情况，设计师考虑到用于一种基于存储器的存储器来记录数据。

在工业自动化和资产管理系统中，传感器节点不会以每秒数次的速度捕捉数据，并定期对各种传感器展开采样，然后整理数据包上载网络。

本文来源：雷竞技平台官网-www.prolineowners.com