場景特性
每個業務場景都有自己特有資料特性，IoT也不例外。單純從裝置檢索的角度切入來看，IoT的裝置檢索特性如下：
1. 億級資料；
2. 資料高頻變更；
3. 時序特性；
4. 無冷熱特征；
5. 結構松散；
6. 資料異構；
資料Dump層
整體思路和多數檢索場景類似：全量資料+增量資料。由于底層用了多套雲檢索引擎，是以整個Dump層天然具備雲原生的能力，與此同時，我們采用了影子庫、主備叢集、讀寫分離、配置化、全鍊路監控等手段，來保障資料的吞吐、時延、穩定、高效。
物模型檢索
物模型是實體空間中的實體（如傳感器、車載裝置、樓宇、工廠等）在雲端的數字化表示，從屬性、服務和事件三個次元，分别描述了該實體是什麼、能做什麼、可以對外提供哪些資訊。是以相對于裝置的中繼資料（名稱等），物模型資料的檢索是極其重要的一部分。然而，雖然單個裝置的物模型屬性數量是有限的，但是不同的裝置的物模型屬性數是完全不一樣的，這就導緻最終最終裝置的物模型的屬性是不可窮盡的，但是我們的索引表的寬度是有限的。是以，就需要用有限的索引列存儲無限的物模型資料。
通過結合物模型的特點：資料定義明确、整體數量不可窮盡、單裝置可窮盡，将單裝置的物模型資訊與索引進行映射，多裝置複用相同索引，實作物模型資料的檢索。
SQL-Like檢索能力
雲上的産品ToB的比重更高，使用我們雲平台的大多數使用者都有一定技術背景，SQL在技術人員普及度又極高，為了降低使用者的使用成本，我們提供了SQL-Like的檢索能力，使用者能夠像查詢資料庫一樣來檢索資料。與此同時，我們底層用了多套檢索引擎，是以我們希望在上層使用SQL檢索的方式來屏蔽底層引擎的差異。簡而言之，上層使用SQL文法，下層适配多套檢索引擎。
為此，我們設計了一套：适配多引擎、業務自定義、SQL檢索架構。整體架構上，參考了
Apache Calcite。
SQL-Helper：我們提供了SQL拼裝工具，使用者可以像寫JAVA那樣完成SQL書寫，防止SQL拼寫錯誤帶來的調試效率問題；
Adapter：适配層子產品，基于底層引擎進行适配、路由；
Parser：SQL解析子產品；
Completer：語句補全、替換等；
Validater：語句校驗子產品；
Tanslator：語句轉義為底層引擎請求，并進行參數優化；