上下文感知IoT中network-centric与data-centric上下文感知有何区别？

上下文感知IoT的两类架构核心差异来自设计阶段的核心优化目标不同，以下从多个维度做具体拆解：

• 核心设计目标
  • 网络中心型：核心优先级是保障网络层面的连通性、低延迟、传输可靠性，所有上下文感知逻辑都围绕网络资源调度展开，逻辑优先级是先把IoT设备的网络通路跑通、跑稳，再考虑上层的数据应用。
  • 数据中心型：核心优先级是保障上下文数据的准确性、一致性、可复用性，所有网络调度都围绕数据的全生命周期管理需求展开，逻辑优先级是先明确需要什么上下文数据、数据要满足什么质量要求，再适配对应的网络传输、存储方案。
• 上下文感知的实现逻辑
  • 网络中心型：感知流程为设备接入→网络传输→边缘/云端计算→输出上下文结果，上下文的采集、传输规则完全由当前网络带宽、设备连接数等网络指标决定，比如网络拥堵时会直接丢弃低优先级设备的感知数据。
  • 数据中心型：感知流程为定义上下文数据质量要求→按需调度设备采集→自适应选择传输策略→多源数据融合校准→输出上下文结果，即使网络条件波动，也会通过本地缓存、断点续传、多设备数据补全等方式保证最终输出的上下文数据符合预设标准。
• 适用场景
  • 网络中心型适合对响应时延要求极高、数据逻辑简单的场景，比如工业产线的实时故障告警、智能门锁的开锁指令响应，这类场景只要网络通畅、指令传输快就可以满足需求，不需要复杂的多源数据融合。
  • 数据中心型适合需要多维度上下文联动、对数据准确性要求高的场景，比如智能家居的多设备联动（需要结合温湿度、人体存在、光照、用户习惯等多源数据判断用户需求）、城市级智慧交通的流量调度，这类场景下数据不准就算传输再快也没有实际价值。
• 技术栈核心差异
  • 网络中心型的核心技术围绕网络层优化，比如MQTT QoS等级配置、低功耗广域网（LPWAN）调度、边缘网关的接入管理等。
  • 数据中心型的核心技术围绕数据层优化，比如上下文数据建模、多源数据融合算法、数据质量校验规则、分布式数据同步机制等。

注：两类架构没有绝对的优劣，实际落地时很多中大型IoT系统会采用混合架构，边缘侧用网络中心架构保障实时性，云端用数据中心架构保障上下文的全局一致性。

内容的提问来源于stack exchange，提问作者Ali Dena