需要实时流计算。各种实时警告或预测不再仅仅是基于某个阈值，而是需要通过一个或多个设备生成的数据流的实时聚合来计算，而不仅仅是基于时间点，而是基于时间窗口。不仅如此，计算要求也非常复杂，因方案而异，因此应允许使用用户定义的函数进行计算。

需要在操作员级别提供高度可靠的服务。物联网系统通常连接到生产和操作系统。如果数据处理系统出现故障，将直接导致停产，从而导致经济损失并导致无法向最终用户提供服务。例如，智能电表，如果系统出现故障，将直接导致成千上万的家庭无法正常用电。因此，物联网大数据系统必须高度可靠，必须支持实时数据备份，必须支持远程容灾，必须支持软件和硬件在线升级，必须支持在线IDC机房迁移，否则服务必须中断。

实时数据和历史数据的处理必须合并为一个。实时数据在高速缓存中，历史数据在持久性存储介质中，并且可以根据持续时间保留在不同的存储介质中。系统应将存储隐藏在其后方，并向用户和应用程序提供相同的接口和接口。无论是访问十年前的新数据还是旧数据，除了输入的时间参数不同外，其余都应该相同。

需要提供灵活的数据管理策略。大型系统具有广泛的收集数据，除了收集的原始数据外，还存在大量的派生数据。这些数据中的每一个都有不同的特征，一些数据收集频繁，某些数据需要较长的保留时间，某些数据需要多个副本以确保更高的安全性，而某些数据则需要快速访问。因此，物联网大数据平台必须提供多种策略，允许用户根据自己的特点进行选择和配置，多种策略共存。