物联模型和设备的关系是什么？

物理模型是对物理世界中物理事物的抽象，是经过数字化描述后用于数字世界的数字化模型。说白了，物理模型就是用一种计算机能理解的语言，把这个产品是什么，能做什么，能提供什么信息解释清楚。

反过来，物理模型也规定了设备的功能。新增加的设备，如果是同类型的，那么在设计和研发上就遵循相同的功能定义，具有相同的特性，实现相同的服务。

如何定义物模型

我们一般通过属性、事件和动作这三种功能元素来定义。

属性（Property）：描述产品运行时的某种状态，属性可以进行读写，比如环境检测设备的温度和湿度两个属性。

事件（Event）：设备在运行过程汇总产生的信息、警告和故障等，就是事件。事件是设备上报的，不能由应用设置。

动作（Action）： 也被称为服务，动作由应用发给设备，设备可以返回结果给应用。动作可以进一步分为同步和异步。

物模型的数据类型

物模型的类型包括六种：

1. 布尔型（Bool）：非真既假的二值型变量。
2. 整数型（Int）：可线性调节的整数变量。
3. 字符串型（String）：以字符串形式形式表示的变量。
4. 浮点型（Float）：精度为浮点的变量。
5. 枚举型（Enum）：自定义的有限集合值。
6. 时间型（Timestamp）：String 类型的 UTC 时间戳。

物理型一般用 JSON 格式来表述模型元素。JSON 是 Web 开发中，经常使用的数据格式。

定义智能电灯的物联模型

智能电开关的属性对应的 JSON 表述如下：

{
	"id": "power_switch",  // 属性的标识
	"name": "电灯开关",      // 名称
	"desc": "电灯开关控制",   // 属性的描述
	"required": true,       // 表示此属性是否必须包含
	"mode": "rw",           // 属性的模式，设置为可读可写
	"define": {             // 属性的数值定义
		"type": "bool",     // 数值的类型，布尔型
		"mapping": {        // 具体的数值的含义
			"0": "关",        
			"1": "开"
		}
	}
}

智能电灯的事件，电灯的电压需要监控，当电压过低时，可以上报这个事件（电压过低），数据类型为浮点型，对应 JSON 格式的描述如下：

{
	"id": "voltage_too_low",  // 事件的标识
	"name": "电灯过低",         // 名称
	"desc": "电压过低",         // 事件的描述
	"required": false,        // 表示此属性是否必须包含
	"params": [               // 事件的参数
		{             
			"id": "voltage",       // 事件参数的标识
			"name": "电压",         // 名称
			"desc": "当前电压",      // 参数的描述
			"define": {             // 参数的数值定义
				"type": "float",    // 数值的类型，浮点型
				"unit": "V",        // 数值的单位，伏特
				"step": "1",        // 数值的变化步长 
				"min": "0.0",       // 数值的最小值
				"max": "24.0",      // 数值的最大值
				"start": "1",       // 事件的起始值
			}
		}
	]
}

动作的定义和属性、事件的定义过程类似。

每个模型都要从头定义吗？

创建模型的时候，有拷贝和继承两种模式，它们不同点体现在模型关系上。

拷贝模式类似于编程中的值拷贝，新建模型与被拷贝模型有完全相同的元素，两个模型相互独立，模型变更互不影响。

继承模式就是编程中继承概念，新建模型被定义为“子模型”，被继承的模型定义为“父模型”。

物模型的拓展应用

设备影子

设备阴影用于缓存设备状态。应用可以通过设备影子直接获取设备上次更新的属性值，无需每次访问设备。设备在线时，可以直接获取应用指令；设备离线后，再次在线时可以主动拉取应用指令。

例如，您可以通过物理开关在本地更改智能灯的开关状态。如果网络不稳定，平台上的状态可能与真实状态不同步。设备影子可以双向同步，实现服务器和设备的一致性，从而解决这个问题。

数字孪生（Digital Twin）

对象模型是物理实体的数字模型，但它主要针对物联网中应用的开发和设备的互操作性。该模型集成了物理实体的各种数据，这些数据会随着物理实体在其生命周期中不断进化，积累各种信息和知识，促进物理实体的优化。这种模型是物理实体的数字双胞胎。