我之前做过一段时间的物联网卡业务，对物联网/车联网进行过一些调研，对行业现状有一些基本的了解，并且我之前很长时间都从事于消息推送与数据仓库等相关工作，所以对你提出的这个问题很想分享一下自己的看法，希望可以抛砖引玉，大家一起讨论，互相学习进步。
一、整体流程
首先说一下整体流程，以车联网为例（我认为车联网是物联网的一个细分场景，具有很强的代表性，而且它对联网及其他技术的要求要高于普通物联网场景），它可以包含以下流程：
1.车载设备采集数据：车体运行监控数据、环境监控数据、GPS定位信息及车载多媒体使用信息等；
2.物联网卡实时传输数据：目前用于车联网的一般是4G或5G的SIM卡，可以将采集到的数据实时高速上传到厂商的服务端；
3.服务端接收数据：服务端接收车载设备发送的数据，并保存到消息队列或数据库等；
4.服务端实时处理：实时处理程序对接收到的数据进行简单处理，得到实时监控信息，用于判断车辆状态是否正常以及是否需要产生交互等；
5.服务端离线处理：离线处理程序对数据进行清洗、分析及可视化等，用于指导业务升级。
>>举例说明：一辆货车行驶在高速公路上，此时发动机转速、冷却液温度、胎压、GPS定位及本次行驶时长正在由车载设备实时采集，车载设备通过一张中国移动的4G SIM卡联网，将采集到的数据发送到厂商的服务端，厂商的服务端接收到数据后，先将其写入消息队列，实时处理程序进行简单的判断认为数据一切正常，然后将数据写入数据库中，离线程序对数据库中的数据进行深入的统计分析，得出货车的发动机转速与冷却液温度及行驶时长的关联关系，工程师将这一关系进行标准化，得到一个判定标准，增加到实时处理的判断逻辑中。
二、关键技术
上述流程中涉及到的软硬件较多，大概包含以下内容：
1.车载设备采集数据：各种传感器（速度传感器、温度传感器及GPS传感器等）、嵌入式主板、嵌入式操作系统、数据收集软件：
如果不做创新，那这一块就很容易，嵌入式主板及各种传感器都很成熟，有很多厂家支持DIY定制，价格也不高，操作系统目前以Linux与Android等为主，基于此开发应用的学习成本不算高。
2.物联网卡实时传输数据：SIM卡通信模组、SIM卡、通讯协议、客户端软件：
除贴片卡等特殊形式的卡之外，物联网卡在外形与使用上与普通手机卡没有区别，主要由移动/联通/电信三家运营商发行，由于各地域信号差异，一般在车载设备上会放置至少两张卡，两个通信模组会根据信号状况进行智能切换。通讯协议一般基于udp协议或http协议，有厂商自定义，客户端与服务端保持一致即可。
3.服务端接收数据：tcp/udp/http/websocket服务端、负载均衡、数据库、内存数据库、消息队列：
为了支持更多设备更快速更稳定的接入，需要开发一个高效稳定的服务端用来接收数据，并且需要支持横向扩展，其中最主要的是负载均衡，可以通过F5等硬件实现，也可以通过lvs等软件实现。由于程序内存有限，而且常见关系型数据库的写入速度不高，为避免高速高并发的数据引起平台故障，服务端应该先把数据先写入内存数据库或消息队列中。
4.服务端实时处理：消息订阅、流计算、多线程、分布式：
实时处理的要求之一就是快，读数据要快、处理数据要快、输出数据要快，消息订阅是指上游有新数据写入中间件后，下游马上就能读到，流计算是指在读写数据的过程中进行逻辑处理，多线程能够提升同时处理数据的数量，分布式能够使多台机器同时处理数据。
5.服务端离线处理：数据仓库、机器学习、推荐系统、WebUI：
数据仓库是指能够存储大规模数据量，并且能够较快速的从中分析出有价值的信息的软件系统。机器学习提供的统计分析与知识发现等方法适用于分析海量数据，同时推荐系统可以根据数据中存在的一定规律对未来数据进行预测，用于风险预测或数据初判等方面。从数据仓库中可以得到一些统计结果、数据趋势、关联关系或周期规律等，基于此开发前端图表进行展示。
三、服务端架构举例
1.传统设计：
(1)服务端采用多点多活部署，使用F5对外提供负载均衡；
(2)服务端接收数据后写入内存数据库Redis 中或消息队列Kafka中；
(3)入库程序从Redis或Kafka中读取数据，写入Oracle等关系型数据库或Hive等文件系统数据库或其他；
(4)实时处理程序从Redis或Kafka中读取数据进行处理；
(5)离线处理程序从Oracle或Hive或其他数据库中读取并分析数据。
2.推荐使用TDengine重构设计：
由上图可以看出，传统设计中流程多、组件多、机器多，由此带来的问题是效率低、风险高、投入高，所以我们需要做出一些优化，经过长时间的调研与测试，对多种架构进行了优劣对比，最终认为使用TDengine可以很好的解决上述问题。我们先看它的官网介绍：
TDengine 是一款开源、高性能、云原生的时序数据库（Time Series Database, TSDB）, 它专为物联网、车联网、工业互联网、金融、IT 运维等场景优化设计。同时它还带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少系统设计的复杂度，降低研发和运营成本，是一款极简的时序数据处理平台。所以，它的时序存储特性可以取代Redis/Kafka作为第一步的消息存储，流式计算与数据订阅又满足数据处理的场景，它的集群模式也保证了系统的稳定，的确「大幅减少系统设计的复杂度」，改造后的架构如下图所示：
当然这只是我个人浅见，希望大家指正。
