导读
IOTA 架构是基于 IOTA 和 AI 时代背景下的大数据架构模式，其整体技术构造的外围是贯通于整体业务始终的数据模型，具备进步整体的估算效率的作用。IOTA 架构这一概念由易观首次提出，并将其利用于最新研发的精细化经营工具中。
在之前文章中介绍过易观提出的 IOTA 架构，置信很多同学曾经对整体有了一个理解。本文将介绍 IOTA 架构下的数据采集。
通过上图能够看出，在 IOTA 架构下，在当下终端设备计算能力一般较强的状况下，SDK 不仅承载着以往的根底性能，并且被赋予了边缘计算的角色。例如在设施端就开始做数据完整性和有效性的校验、将用户行为转化成为对立的数据模型，而后传送给服务端。
一个稳固的数据采集端须要有如下性能，存储、回数、管制、爱护。
存储： 数据存储，校验以后存储数据合法性，及避免数据被第三方串改。
回数： 数据上报，加密上报数据，避免被第三方截取，保障不受 HOOK 等影响，避免 DNS 净化等。
管制： 管制发送策略，能够指定 3G/4G/wifi 环境上传，能够调整上报工夫频次、本地数据缓存规定全副可动静调整。
爱护： 有自爱护机制。不要影响用户的失常应用，缩小因逆向导致的数据异样
不言而喻，一般的采集端都具备这些性能。作为 IOTA 架构下的采集端进行了哪些优化呢？如下:
对立模型： 在 IOTA 架构下从数据采集到数据接管以及数据处理都是用一套数据模型。例如对于用户行为剖析时会用到的模型中，咱们能够形象出以下几个基本要素：产生行为主体（who），行为产生的工夫 (when), 行为的产生地点 (where)，发送的事件 (what)。在 IOTA 架构下也统称为 Common Data Model。
聚合： 同样的数据进行边缘聚合计算，如某些用户拜访门路能够间接由采集端来实现，生成对应相似漏斗的事件。个别这个计算是服务器下发策略来动态控制的，当然也能够随时做出调整，值得注意的是这是不能够逆的运算，并且这种模式只实用于适宜距离发送模式的数据。
校验： 数据的残缺和有效性能够放到采集端解决，确保 SDK 给 server 的数据不是被批改的，产生的数据是正当的，这就要求采集端退出防舞弊的性能。这是一个成熟产品长期须要投入的我的项目，大部分公司的风控做的也有一部分这样的工作。典型的案例如避免 Xposed 拦挡，避免反编译，避免二次打包。
实时： 数据实时上报给服务器，这样能力让用户感觉到零提早，实时计算。如 12306 购票，要立刻的进行查看后果，不能等失去次日才看到后果。同样的带来另一个问题，集体高频上报、用户高峰期大量用户上报须要进行辨别，两者对收数服务器而言是一样的，那这个时候就须要收数服务器和采集端进行通信，动态控制。
高可控： 高可控是对数据采集最根底，也是最重要的一个要求。不然面对攻打，服务器无奈实时监控，动静调整，立刻解决，可能会导致服务器的短时间无奈失常工作 (如数据处理提早，重大的乃至宕机)。如图：
当然对于很多大数据架构中，数据采集端各不相同，这也是咱们在反对大量用户后的一个分享。
总的来说，IOTA 架构下的数据采集有如下特点：采纳对立的数据模型，反对边缘计算、反对与服务器端动静交互的控制策略。这些曾经在易观的数据产品中宽泛应用，也欢送大家试用易观方舟、易观千帆。