几十年来，传感器节点的基本架构由控制器、传感器、本地存储器、网络连接和电池组成。每个试图从模拟世界收集数据的系统都是基于该系统的某些变体。每个人都必须解决收集数据、存储数据的关键部分以及根据数据分析采取适当行动的基本问题。在以前的数据采集系统中，传感器节点会收集数据，如果有本地内存，则会在本地存储数百个样本，然后再将其传输到中央集线器进行处理。中心将处理数据并采取适当的行动。通信通常是有线的，使用以太网或类似的工业总线。
随着物联网 (IoT) 的出现，现场的每台设备都开始通过网络进行通信。保守估计，到 2020 年将有超过 100 亿台设备联网。其中包括汽车、工业自动化设备、医疗植入物以及可穿戴设备、智能家居等新时代应用。下一代 5G 网络已经部署在世界的几个地方处理来自这些设备的预期流量。但是，数据科学家和系统设计人员今天正试图解决几个未解决的问题：哪些设备需要连接到云端？需要传播多少信息？本地可以完成多少处理？谁为云买单？
物联网的一种简单方法是将所有内容上传到云端并远程处理。虽然这可能适用于小型和孤立的系统，但一旦世界变得更加连接并且大量系统试图上传信息，系统设计人员将需要考虑网络与本地存储和处理的成本。他们将需要评估降低连接频率的方案，执行本地存储和处理，然后执行定期批量上传。“工业 4.0”一词仅表示互联设备的未来。为确保在现场部署、经济高效、低功耗的实施方案，现在必须仔细分析系统的每个组件。在本文中，我们将研究任何传感器节点经常被忽视但重要的方面——本地内存。
图 1：传统传感器节点。（：赛普拉斯）
图 2：工业 4.0 中的传感器节点。（：赛普拉斯）
传感器节点
传感器节点越来越多地相互连接，并通过一种或多种无线技术（包括 Wi-Fi、蓝牙等）连接到中央处理中心。由于路由有线网络的限制和成本，这些无线协议允许将传感器节点放置在传统系统无法访问的位置。无线传感器节点网可以分布在整个工厂自动化车间，并持续监控所有关键系统参数。
随着向无线的转变，需要应对新的挑战。例如，传统系统永远不必担心电量耗尽，但同样的方法不适用于无线传感器节点。这些节点必须设计为在极其紧张的能源预算下运行。任何显着影响电池寿命的功耗改善反过来都意味着更少的维护频率。很多时候，由于成本限制，系统设计人员部署的解决方案初更便宜，但随着时间的推移，由于更高的维护成本而终变得昂贵。这些远程部署的传感器节点的成本之一是更换机载电池。优化后可节省 30% 电力的系统直接对应于更换电池时减少 30% 的维护成本。
哪些因素会影响这些传感器节点的功耗？典型 BLE 传感器节点的详细系统功耗分析确定了影响电池寿命的关键参数。系统功耗的贡献者是：
数据上传时的天线功率
执行数据采集时的控制器电源
数据记录期间的本地内存功耗
BLE 系统的天线功率直接取决于传感器节点尝试“连接”并将数据上传到集线器的频率。虽然 BLE 可以支持每 10 毫秒上传约 500 字节，但传感器节点很少以这种 50KB/s 的速率收集数据。典型的环境参数传感系统捕获 100-500 字节/秒，具体取决于传感元件。这允许 BLE 系统设计用于更长的连接间隔以增加电池寿命。与可以随意上传数据的系统相比，更长的连接间隔迫使系统存储更多数据点的日志。IoT 控制器的典型内部内存范围为 64 KB 到 256 KB，并且该内存的主要部分由 BLE 堆栈和在节点上执行 ADC 和其他内务管理任务所需的用户 API 占用。
由于物联网传感器节点由电池供电，因此外部存储器必须是非易失性的以确保数据可靠性。虽然市场上有各种各样的非易失性技术，但系统设计人员更喜欢使用提供简单接口和可靠性的存储器。外部非易失性存储器常见的候选者是 EEPROM、闪存和铁电 RAM (F-RAM)。然而，由于 Flash/EEPROM 技术初是为了提供良好的读取性能而设计的，因此在连续写入时会出现严重的缺陷。
只有事先擦除闪存单元，才能“编程”以包含新数据。对单元进行编程允许将状态从逻辑“1”更改为逻辑“0”。在下更新期间，如果单元需要保持逻辑“1”，则必须首先擦除该单元。为了优化擦除速度和编程时间，闪存制造商使用不同的页、块和扇区架构。页是可以编程到闪存中的数据量。闪存设备包含一个内部页面大小缓冲区，允许临时存储数据，一旦从外部接口传输完成，该设备就会在主阵列中已擦除的页面上启动页面编程操作。如果此页面包含旧数据，则必须在编程操作之前将其擦除。
每次执行擦除时，闪存单元都会退化，这在闪存数据表中被量化为耐久性。通常，的闪存设备额定为十万次擦除编程循环的耐久循环，之后它们不再保证可靠地存储数据。虽然这个数字看起来很大，但我们将证明即使在低端数据记录系统中，这种耐久性也不足。
一些制造商实现了从缓冲区到闪存的字节编程和延迟编程。虽然这些功能确实简化了对设备的编程操作，但它们没有解决闪存的潜在耐久性限制。为了弥补这些限制，系统设计人员被迫实施复杂的文件系统来处理单元的磨损均衡，这也会增加开销并降低系统速度。EEPROM 也存在类似的缺点。
我们设计了三个基于 F-RAM、EEPROM 和闪存的系统，通过执行温度、湿度、压力和加速度等参数的数据采集来模拟典型的物联网传感器数据记录行为。这些系统使用 BLE 连接间隔和相同的本地存储算法进行了优化。为了简单起见，我们选择了 4 秒的慢速 BLE 连接间隔和 100 字节/秒的数据采样率。每个样本都包含所有传感器数据的快照以及一些允许接收中心解析信息并向操作员提供反馈的标记字节。
图 3：基于 F-RAM 的物联网传感器节点。（：赛普拉斯）
图 4：基于闪存的物联网传感器节点。（：赛普拉斯）
图 5：基于 EEPROM 的物联网传感器节点。（：赛普拉斯）
板载电流监控用于准确记录系统在以下每个阶段的电流消耗：
数据采集（ADC 采集和读取传感器数据）
将数据写入/编程到外部存储器
每 4 秒向集线器上传数据
对于此分析，我们使用了 Cypress 的 64-Mbit 闪存、256-Kbit EEPROM 和 4-Mbit Excelon F-RAM。Flash 设备在实验开始时被预擦除，支持 512 字节/页，而 EEPROM 支持 60 字节/页。F-RAM 是一种字节可访问的超低功耗 F-RAM，不需要预擦除或页写入。
基于 F-RAM 的系统的典型系统运行如图 6 所示。
图 6：基于 F-RAM 的物联网传感器节点的电流消耗。（：赛普拉斯）
查看大图
表 1：物联网传感器节点的系统功耗
表 1 总结了所有三种类型传感器节点在能耗方面的系统性能。这些系统被配置为每 4 秒上传大约 500 个字节，并且电流被监控 120 秒。这三个系统在数据吞吐量方面具有相同的性能，的区别在于用于写入内存的算法：
由于 F-RAM 支持字节访问，基于 F-RAM 的系统可以在获取的样本可用时立即写入。
基于 EEPROM 的系统只能按页写入（每页 64 字节）并且有 2ms 的等待时间以允许完成写入。这会强制系统在每次执行页面写入时额外保持 2 毫秒。
基于闪存的系统只能写入 512 字节的页面。该器件在 20ms 的编程时间内消耗大约 13mA 的电流，并且还有 20ms 的状态寄存器更新周期。这会强制系统开启总计 45 毫秒。
表 2：总结
我们可以看到，基于 EEPROM 的系统比基于 F-RAM 的系统多消耗约 22% 的功率，而基于闪存的传感器节点比基于 F-RAM 的系统多消耗约 140% 的功率。仔细查看图 7 中所示的功耗模式，可以揭示为什么闪存设备在此类应用中表现如此糟糕。程序时间开销有效地加倍了系统的总功耗。
图 7：IoT 传感器节点中闪存的电流消耗 (mA) 与时间 (ms)。（：赛普拉斯）
除了大的功耗开销外，基于闪存或 EEPROM 的系统还存在技术缺点，尤其是闪存的耐用性和擦除功率。闪存设备的耐久性有限，约为 10^5 个周期，这限制了产品的使用寿命。由于闪存设备需要大量时间来执行芯片擦除，因此系统在擦除操作期间还会遇到停机时间。擦除操作期间的功耗也会增加总功率预算，进一步降低功率效率。这些传感器节点由电池供电，但在意外断电的情况下，基于闪存或 EEPROM 的系统也会遭受数据完整性损失。闪存设备必须编程一页，因此系统必须在本地存储一页数据，直到成功写入设备。在此期间的任何电源故障都可能导致至少一页数据丢失。
