巨头实力雄厚,物联网初创公司是否值得跟进开源趋势?

2019-07-22 09:11:31 来源:物联网智库
标签:
开源,在它20年前出?#20540;?#26102;候,没人想到它会幸存,而且构建出了如此繁荣的生态。开源,一种基于订阅?#22836;?#21153;的商?#30340;?#24335;,很少有人想到它能够创造如此良好的利润。开源,至少在物联网领域,正在成为一种突破固有格?#20540;?#21033;器。面对开源,很多物联网人很难抉择何去何从。巨头实力雄厚,手握开源的能力和先机。物联网领域的初创公司是否值得跟进开源趋势?到底如何跟进?#31354;?#26159;一个值得深思的问题。
 
7月12日,涛思数据创始人陶建辉,宣布将公司独立研发的物联网大数据平台TDengine开源。陶建辉把他和涛思数据团队在过去两年多的时间里,写下的10多万行C语?#28304;?#30721;,放在开源社区GitHub上,无私分享给了全球开发者。
 
这个举动引起了巨大反响。
 
TDengine?#24067;?#20914;到GitHub综合趋势排名第一,在仅仅一天的时间里增加了1908个星标(Star)。
 
                          
3天时间TDengine成功超越开源5年的时序数据库OpenTSDB的星标数量。
 
一周之内累积星标超过5200,代码克隆(Fork)数量超过1200。
 
这一成绩在物联网数据项目中,可谓绝无仅有。
 
 
开源,已经成为当下无可逆转的潮流。
 
以物联网领域常用的容器集群管理工具Kubernetes(K8s)为例,2015年7月谷歌将其开源,4年时间里K8s迅速普及,成为了容器化编排的事实标准。
 
今年7月,IBM以340亿美元完成对红帽的收购,这不仅是IBM?#39134;?#26368;大规模的一?#38382;?#36141;,还预示着IBM将在开源世界开疆拓土。
 
就连认为“开源软件是知识产权的癌症”,曾经那么不?#19981;?#24320;源的微软,如今竟也难逃“真香定律”,在开源领域打头阵,转身成为GitHub 上开源项目贡献最多的组织。
 
开源,在它20年前出?#20540;?#26102;候,没人想到它会幸存,而且构建出了如此繁荣的生态。开源,一种基于订阅?#22836;?#21153;的商?#30340;?#24335;,很少有人想到它能够创造如此良好的利润。
 
开源,至少在物联网领域,正在成为一种突破固有格?#20540;?#21033;器。
 
面对开源,很多物联网人很难抉择何去何从。巨头实力雄厚,手握开源的能力和先机。物联网领域的初创公司是否值得跟进开源趋势?到底如何跟进?#31354;?#26159;一个值得深思的问题。
 
因此围绕开源的话题,?#23616;?#25105;和陶建辉,这位51岁的超级爱?#22266;?#30340;程序员进行了一次坦诚的交流,不仅有他的心路历程,还有我们关于开源趋势的共同思索。在本文中你将看到:
 
初创公司如何选择开源策略?
 
为什?#27492;?#24320;源才能更好的盈利?
 
开源的未来指向何方?
 
01
开源的?#23616;?#26159;局部垄断,开源就要开放最核心的代码
【开源策略1】开源就要开放最核心的代码
 
“开源,既然决定了,就要把最核心的代码开源。”
 
这恐怕是陶建辉在选择开源之后,最为深刻的?#29616;?/div>
 
围绕是否开源,陶建辉的团队曾经难以决断。最终,在TDengine开源的代码里,不仅有陶建辉?#36164;中?#30340;3万多行C代码,而且还有最核心的存储引擎、计算引擎程序。
 
陶建辉说:“宣布TDengine开源之后,如释重负,轻松了不少。终于做了一件我一直想做,但又不敢做,一直犹豫是否要做的事。”
 
开源了最核心的代码,很多人都不理解,陶建辉为什么要这么做。然而这却是他深思熟虑后,做出的理性决定。
 
“大家总是好奇为什么TDengine的安装包才1.5 MB?为什么100亿条记录的平均值计算时间3秒不到?单凭语言描述,你可能还是不信。现在我把核心代码开源,把详细设计文档公布出来,秘密全告诉你了。我们的存储和计算引擎特别的好,不信可以自己看。”
 
如果不把核心代码开源出来,有两个问题没法解决:第一,最终?#27809;?#36824;是无法理解TDengine创造的IoT大数据计算奇迹是怎么做到的,因此对产品仍然没有信心。第二,最终?#27809;?#20174;其他开源数据库转换到TDengine上没有什么必要,因为没有多大竞争优势,因此不会获得最佳的普及效果。
 
【开源策略2】开源的?#23616;?#26159;创造局部垄断
 
决定开源,还有个前提,就是想清楚开源的?#23616;省?#24320;源,是创造局部垄断的有效方式。
 
陶建辉看来,在物联网软件领域,有两个趋势必须跟进:云化和开源。云化不是本文的议题,只说开源。
 
根据埃森哲的市场调查,98%的企业都在?#38405;?#31181;形式使用开源软件。下面是10大IoT领域的常见开源项目,你一定对它们有所耳闻。
 
 
从现状来看,开源正在加剧垄断。巨头们正在?#20204;?#36523;实践验证下面的公式:
 
?#24184;?#24040;头+ 开源模式 = 重塑垄断格局
 
最早的故事,恐怕是微软的IE和谷歌的Chrome浏览器之争。
 
浏览器是?#27809;?#19978;网的入口,可以衍生出多种商?#30340;?#24335;,带来不菲的?#25214;妗?#24494;软IE浏览器诞生于互联网发展的早期。那时的网页浏览器开发成本很高,软件公司需要自行开发浏览器内核和脚本引擎,同时也要自行设计各种人机互动功能和界面。这样的工作只有微软等大公司才能完成。
 
由于IE基于微软的一系列私有技术所构建,创新速度非常缓慢。后来者谷歌,不甘心将搜索引擎的入口拱手让人,因此在2008年推出Chrome浏览器。
 
那么,谷歌计划如何反超微软在浏览器领域积累多年的垄?#31995;?#20301;?
 
谷歌并没有重蹈网景在与微软对战?#26032;?#36133;的覆辙,从一开始Chrome就架构在开源的WebKit浏览器引擎之上。基于WebKit,开发者甚至只需设计自己的界面和标志,并拿出一些独创的小功能,即可推出一款新的浏览器产品。
 
在这样的情况下,浏览器开发的时间周期从90年代的按年计算,下降至按月计算、按天计算。洞悉市场趋势,谷歌不失时机的投资WebKit,恰到好处的满足了市场需求。开源的WebKit聚集了一批浏览器开发商。通过控制浏览器内核,谷歌实际上已经主导了当代浏览器技术的发展。
 
如今,IE和Chrome浏览器之争的结局一目了然,谷歌颠覆微软,重塑了垄断格局。
 
谷歌这种通过开源产品去主导市场,充?#20540;?#21160;市场各方的参与热情为己所用的策略,远比微软当时通过私有技术去主导市场的做法更高明。
 
在物联网领域,开源产品也正在逐?#22870;?#21457;。根据2018年RTInsights与红帽合作发布的一份特别报告,那些对物联网的各种全新机遇充满好奇心、并保?#31181;?#21160;作风的企业,积极?#24403;?#24320;源。
 
在开源工具的使用比重调查中个,领先型IoT企业和跟随型IoT企业的比重是68% : 32%。
 
 
红帽、谷歌和微软为物联网开源项目做出了最多的贡献。
 
 
在很多领域,由于巨头扎堆发布和贡献开源技术,小企业丧失?#21496;?#20105;的机会。
 
开源之前,同一领域有可能存在数十乃至上百家企业,提供相似的产品?#22836;?#21153;。当某家企业宣布将自己的产品开源,往往对成本敏感的?#34892;?#20225;业?#31361;В?#20197;及主动寻觅最新技术的企业会迅速跟进,共同完善和改进开源产品,形成马太效应,对不开源的私有技术形成一种碾压性“清场”态势。
 
另一方面,由于开源是一场全球性的竞争,只有两、三家头?#31185;?#19994;才能“笑到最后”。依靠由开源产品培养的?#27809;?#20064;惯和使用信赖,如果找准机会,对于初创企业而言,开源形成的生态汇聚效应,很容易让一家企业变成独角兽。
 
【开源策略3】开源体现核心竞争力,必须明确目标和KPI
 
在宣布开源之前,陶建?#28304;?#39046;团队做了大量的准备工作:
 
[打磨产品]首先,他们对IoT数据的特征建立了全面的认识,TDengine平台能够创造明确的价值。
 
[二次包装]其次,他们为TDengine的代码进行了严格测试、规范风格,撰写了使用?#24471;?#20070;,设计文档和技术博客。
 
[贯彻KPI]最后,他们横向对标了同类产品开源的“战绩”,制定了明确的KPI并落实到个人。
 
接下来我将陶建辉的打法进行逐个步骤的拆解。
 
[第一步:打磨产品]
 
陶建辉瞄准的是一个巨大的市场。Gartner的报告显示,联网设备在2019年已经超过142亿,预计2021年将达到250亿,这将产生海量的数据。但与现在大家所熟悉的互联网数据相比,物联网数据有其显著不同特点:
 
1.物联网数据量巨大:以智能电表为例,一台智能电表每隔15?#31181;?#37319;集一次数据,每天自动生成96条记录。全国有接近5亿台智能电表,每天光智能电表就生成近500亿条记录。根据预测,5年之内,物联网设备产生的数据将占世界数据总量的90%以上。
 
2.物联网数据本身的特征明显:时序性、结构化、数据源唯一,而且写多读少。
 
3.物联网数据的查询和操作与众不同:数据的查询分析往往是基于时间段和某一组设备的;除存储查询外,往往需要实时分析计算操作。
 
4.物联网数据处理的特殊性:比如要检查某个具体时间的设备采集的某个量,但传感器实?#20160;?#38598;的时间不是这个时间点,这时候往往需要做插值处理。还有很多场?#22467;?#38656;要基于采集量,做复杂的数学函数计算。
 
因此,在TDengine的设计过程中,完全为物联网?#24184;?#30340;需求而?#21487;?#23450;制:
 
1. 实现10倍以上的?#38405;?#25552;升
陶建辉团队重新定义了时序数据的存储结构,TDengine成功让数据插入和读出的速度比现有通用数据库高了10倍以上。如果使用8核服务器,100亿条记录的平均值计算时间不到2秒。
 
2. 总拥有成本大幅下降
由于?#38750;?#26497;简和极致,TDengine计算资源不到通用大数据方案的1/5,存储空间不到通用数据库的1/10。而且零管理,运维成本也大幅下降。
 
3. 零学习成本
TDengine安装包仅仅1.5M,不?#35272;等?#20309;其他软件。从下载、安装到成功运行只需几秒就能搞定。而且应用API与MySQL高度相似,让学习成本?#36127;?#20026;零。无论是十年前还是一秒钟前的数据,指定时间范围即可快速入?#31181;?#25509;查询。
 
[第二步:二次包装]
 
陶建辉团队虽然对TDengine具有极强的自信,但酒香也怕巷子深。毕?#25925;?#22330;上有太多的可替代方案。只有将自己最美、最有吸引力的地方充分?#25925;?#20986;来,才能吸引更多的人?#35789;?#29992;。
 
怎么让更多人领会到TDengine精妙的架构呢?
 
为了开源,团队备战了一个月时间。
 
首先,团队花费大量精力调整并测?#28304;?#30721;,让TDengine的程序代码更加规范、更加稳定。做到让其他的程序员不仅能看得明白,看得清楚,还能体现出TDengine的极致和专业。
 
随后,团队投入时间写作?#24471;?#25991;档,把各种技术实?#20540;?#32454;节写了出来,而且这个步骤本身就在相当程度上回答了潜在?#27809;?#20851;于?#38405;?#21644;指标的质疑。
 
开源的受众群体,不仅有中国的开发者,还有更多的全球开发者,因此英文文档也不可或缺。同时由于TDengine只是中间件,不是最终应用,团队又开始写作各种应用案列,结合车联网、IT运维、数控机床等实际场?#22467;?#23558;TDengine的使用方法明明?#35013;?#30340;写了出?#30784;?/div>
 
最后,TDengine的官方网站也被全新改版,内容一目了然。
 
 
[第三步:贯彻KPI]
 
开源也是一次宣传活动,如果不能触及最广泛的受众群,开源也就失去了意义。
 
陶建辉对标了InfluxDB、MongoDB、Elastic Search、OpenTSDB等开源数据库在GitHub上面的表现,认为星标Star数量和代码克隆Fork数量是两个关键指标。
 
他希望团队用3个月的时间,能够追赶开源时序数据库OpenTSDB在5年时间内完成的KPI:Star超过3000,Fork超过1000。
 
为了达成KPI指标,团队制定了有条不紊的宣传策略:在全球架构师峰会?#19979;?#20808;宣布TDengine开源计划,同步在涛思数据的官方渠道上推广,并且陶建辉还利用个人的微信公众号等渠道进行花样传播。
 
效果毋庸置疑,仅用3天时间,陶建辉和他的团队就完成了既定目标。更有网友自发将TDengine与排名第一的开源时序数据库InfluxDB的?#38405;?#36827;行了对比,TDengine做到完全秒杀。为了以示公正,该网友还彻底开放了测试使用的源码、配置和环?#22330;?/div>
 
02
开源是一座冰山,冰山之下是源源不断的利润来源
开源往往和“不盈利”或者“微利”画?#31995;群牛?#23454;际上这是对开源的一种最大的误解。
 
真相是,开源是一种“反?#26412;?rdquo;的商?#30340;?#24335;,开源是一笔大生意。
 
开源是一座冰山,冰山之下是源源不断的利润来源。
 
我们直接举例?#24471;鰲?/div>
 
刚刚被IBM收购的红帽,是世界领先的开源解决方案供应商。
 
红帽的收入曾经主要来自销售Linux的企业版本。虽然一度发展不及Windows,但是开源是每个开发人员都能从中受益的东西,最终集腋成裘,可以说现在世界是由Linux统治的。
 
 
相比Linux,以Linux为基础的开源云?#30636;?#20316;系统OpenStack,对红帽?#27492;?#26356;加有利可图。根据分析,OpenStack销售额的年复合增长率一直保持在35%左右。
 
 
根据2019年2月红帽发布的财报显示,红帽在过去一个财年的收入已经超过33.6亿美元,它是有史以来第一个每年营收超过30亿美元的开源软件公司。
 
 
细看红帽的收入构成,主要来自订阅式软件收入和培训服务费用,订阅式软件创造的收入占到将近九成。
 
回顾红帽超过20年的营收增长历程,可以发现虽然开源软件服务市场,营收的稳定性和可靠性建立需要经过很长的时间,但是一旦开源软件的“雪球”滚动到一定规模,就可以?#20013;?#27491;常运行,并且?#27809;?#31896;性很强。
 
虽然不被看好,但红帽用连续多年的出色业绩证明了开源的盈利能力。从红帽的具体经营指标分析,由于开源软件的粘性,利润率相对可观。稳固的可?#20013;?#24615;订阅式收入,还为公司创造了足够的流动性,抗金融风险和抗经济周期的能力都很强。
 
 
从2018年开始,不知不觉中,开源软件迎来了期待已久的聚光灯时刻,成为新兴业务的主战场。不仅IBM收购红帽,还包括Salesforce收购Mulesoft、微软收购GitHub、VMware收购Heptio、Cloudera和Hortonworks合并、Elastic上市…一系列备受瞩目的开源生态的?#26102;?#36816;作轮番展开。
 
商?#30340;?#24149;(BusinessInsider)的文章显示,2018年有大约700亿美元的并购、股权投资和上市事件与开源软件有关。现在有40家开源软件公司的年收入超过1亿美元,而在5年前,这一数字还只有5家。
 
 
因此有专业投资人将2013年逐步崛起的开源软件趋势,定义为开源软件(OSS,Open Source Software)的新阶段:商业化开源软件时代(COSS,CommercialOSS)。
 
开放和协作是开源软件的核?#27169;?#38543;着开源软件带来的好处不断增加,开源已成为大家认可的商?#30340;?#24335;。下图是我对开源商?#30340;?#24335;的简单梳理。
 
 
现在,越来越多的风险投资机构,也对开源生态体现出浓厚的兴趣。
 
 
 
对于开源的商?#30340;?#24335;,陶建辉的感受非常直观。开源之前他和团?#26377;?#35201;一家家去拜?#27599;突В?#23436;成整个销售流程。而现在大量?#27809;?#20027;动上门询问,把涛思数据的企业邮箱?#25216;繁?#20102;。基于?#27809;?#23545;于开源单机版TDengine的信赖,集群版TDengine的销售水到渠成的自然完成。
 
03
与其被动等待,不如主动?#24403;?#24320;源的“破坏性”影响
7月18日,中国工程院院士倪光南在江西国际移动物联网峰会演讲时,引用了下图中的数据,显示软件产业是中国增长最快的产业之一。他说,中国工业软件从无到有,已能提供一系列国产工业软件产品,但与国际先进水平相比仍有很大差距,存在明?#36828;?#26495;。
 
 
倪光?#26174;菏刻?#21040;,最近GitHub更改了?#27809;?#21327;议,新协议显示其服务器及?#27809;?#19978;传的信息要接受美国法律监管,包括美国的出口管制法律。这一举动?#24471;鰨?#25105;国缺少自主研发的产业基础性关键软件的现状,有可能同样面临“被卡脖子”的?#29616;?#39118;险。开源软件已经成为软件业的主流。
 
陶建辉认同倪院士的观点,他认为随着云计算、物联网、大数据等技术的发展,开源软件的发展速度有可能会超出预料。过去中国的软件工程师大多数都是开源软件的受益者和使用者,现在,到了我们共同为开源软件社区做贡献的时候,他希望更多的国人能够敞开心扉的?#24403;?#24320;源、融入开源。
 
“虽然现在开发TDengine这类底层核心软件的人还不多,但是我能感受到工程师们对这类软件的热情非常高、能力也非常强,国内的底层核心软件一定能搞起?#30784;?rdquo;
 
“如果我?#19988;?#36215;开发出极为高效的物联网大数据平台,而且被全球开发者所使用,你是贡献者之一,那将是一件多么自豪的事情。钱再多,也难让人在历?#39134;?#30041;下痕迹,但一幅好的作品却可?#28304;?#25215;下去。愿TDengine成为传世之作,Leavea dent in the universe.”陶建辉说。
 
 
最后,如果大家想支持这位51岁的程序员和他的涛思数据团队,请到GitHub上搜索和下载TDengine源码,开源链接是https://github.com/taosdata/TDengine。
 
本文小结:
1.开源的?#23616;?#26159;创造局部垄断,心法包含三步:打磨产品、二次包装和贯彻KPI。
 
2. 开源是一种“反?#26412;?rdquo;的商?#30340;?#24335;,开源是一笔大生意,商业化开源软件时代已经来临。
 
3.过去中国的软件工程师大多数都是开源软件的受益者和使用者,现在,到了我们共同为开源软件社区做贡献的时候。
 
关注与非网微信 ( ee-focus )
限量版产业观察、?#24184;?#21160;态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

作者简介
iot101君
iot101君

物联网智库是发布物联网干货的智囊平台,我们关注物联网领域的热点方向(智能家居、智慧城?#23567;?#26234;能工业、底层技术、可穿戴设备、云计算等)。提供?#24184;?#29616;状趋势分析,汲取百家交锋观点,分享独家深度见解。

继续阅读

1999年,凯文.阿什顿提出“物联网?#22791;?#24565;,这个最初运用于物品信息共享等方面的新概念,在当时并未引起太多关注。20年过去,物联网早已超越概念的范畴,在AI、云计算等一系?#34892;?#20852;技术的加持下,催生出一个万物互联的社会,颠覆、重塑着已有?#24184;怠?

Silicon Labs:智能家居产业“雷声大,雨点小?#20445;?#20309;时才能爆发?

近年来,在智能化、5G、AI、物联网等新兴技术的驱动下,智能家?#26377;幸?#24471;以快速发展。目前智能家居市场格局未定,面对这片新蓝海,各大厂商正积极布局,以抢占先机,为未来占据市场高点奠定基础。

一个华为布局了20年的操作系统,?#25925;?#20102;华为在物联网上的野心
一个华为布局了20年的操作系统,?#25925;?#20102;华为在物联网上的野心

8月9日,华为开发者大会在广东东莞松山湖召开, 这次大会聚集了产业链1500多家合作伙伴、5000余位开发者, 一时间吸引了各方眼球,连央视都参与进来,进行现场直播。

物联网普及成为我国大数据发展的强劲推动力,我国大数据市场未来发展趋势分析
物联网普及成为我国大数据发展的强劲推动力,我国大数据市场未来发展趋势分析

通过?#33455;?#21457;现,本轮大数据发展的主要驱动力是互联网的快速普及,但是随着移动终端市场的渗透?#25163;?#28176;饱和,我国互联网市场规模增速明显放缓,物联网将成为下一轮数据爆炸式增长的主要来源,并且会极大提高我国数据信息的价值密度。

呈现与 NB-IoT 全面竞争之态,LoRa 有何独特?

近日,物联传媒联合Semtech举办了2019年深圳国际LoRa物联网高峰论?#22330;?#35770;坛邀请众多LoRa产业人士参会,聚集了20多家LoRa产业链上下游的厂商。在LPWAN赛道中,纵观近几年的发展,LoRa渐渐与NB-IoT有全面竞争的态势,LoRa产业链企业发展呈现三大特点,特别是在智能家居领域发布的射频新器件为应用实现突破打下基础。

更多资讯
Qualcomm董事会任命Mark McLaughlin担任董事长

Qualcomm Incorporated(NASDAQ: QCOM)今?#25307;?#24067;任命Mark McLaughlin?#29369;鍶eff Henderson担任董事会董事长,该任命于2019年8月13日生效。

科技成?#25512;分?#29983;活 戴森举办“智享-净鉴”杭州分享会

今日,戴森在杭州举行地板清洁类新品媒体分享会,旨在为当地家庭提供完整的家居清洁方案。Dyson V11 Absolute智能无绳吸尘器、Dyson V7 Mattress手持除螨吸尘器及Dyson 360 Heurist智能吸尘机器人皆为现代繁忙生活背景下的各类清洁难题设计,协助?#27809;?#21560;除日常生活中的常见微尘,有害颗粒及过敏原[1],以科技

FPGA是否可以脱离CPU独立部署?

作为一种硬件可重构的体?#21040;?#26500;,FPGA经常被用作专用芯片(ASIC)的小批量替代品,随着全球数据?#34892;?#30340;大规模部署,以及人工智能应用的落地,FPGA凭借强大的计算能力和高度的灵活性有了更多的用武之地。

FPGA 设计经验分享

从大学时代第一?#35859;?#35302;FPGA 至今已有10多年的时间,至今记得当初第一次在EDA实验平台上完成数字秒表、?#26469;?#22120;、密码锁等实验时那个兴奋劲。

如何寻找并使用一个?#35270;?#20110;FPGA的机器学习平台?
如何寻找并使用一个?#35270;?#20110;FPGA的机器学习平台?

随?#27966;?#20687;头和其他设备产生的数据在快速增长,促使人们运?#27809;?#22120;学习从汽车、安防和其他应用产生的影像中提取更多有用的信息。专用器件有望在嵌入式视觉应用中实现高?#38405;?#26426;器学习 (ML) 推理。但是此类器件大都处于早期开发阶段,因为设计人员正在努力寻找最有效的算法,甚至人工智能 (AI) ?#33455;?#20154;员也在迅速推演新方法。

王牌战士什么时候开服
新时时五星三星遗漏 幸运飞艇的玩法说明 安徽时时计划软件手机版下载手机版下载 全天最准时时彩计划 辽宁11选5走势图查询 上海福利彩票快3开奖记录 时时1期计划软件手机下载 山东时时是什么意思是什么意思 二分彩怎么玩 360看老时时彩走势图