您现在的位置是：首页 > 技术资料 > 面向物联网海量传感器采样数据管理的数据库集群系统框架

推荐星级：

面向物联网海量传感器采样数据管理的数据库集群系统框架

更新时间：2019-12-10 07:19:09 大小：2M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网传感器数据管理数据库 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

物联网是目前国际和国内新兴的一项热门技术,正在给人们的生产和生活方式带来深刻的变革.物联网在带来诸多好处的同时,也给软件乃至整个信息技术领域带来了前所未有的挑战.该文针对物联网传感器采样数据管理中所面临的数据海量性、异构性、时空敏感性、动态流式特性等问题,提出一种面向物联网海量传感器采样数据管理的数据库集群系统框架IoT-ClusterDB.实验结果表明,IoT-ClusterDB具有良好的传感器数据接入与查询处理性能,为物联网海量异构传感器采样数据的存储与查询处理提供了一种可行的解决方案.

部分文件列表

文件名	大小
面向物联网海量传感器采样数据管理的数据库集群系统框架.pdf	2M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

机

学

V01．35 No．6

第35卷第6期

计

CHINESE

算

OF COMPUTERS

JOURNAL

报

2012

June

2012年6月

面向物联网海量传感器采样数据管理的

数据库集群系统框架

丁治明”

高

需”矗’

’(中国科学院软件研究所基础软件国家工程研究中心北京100190)

：’(中国科学院研究生院北京100049)

摘要物联网是目前国际和国内新兴的一项热门技术，正在给人们的生产和生活方式带来深刻的变革．物联网

在带来诸多好处的同时，也给软件乃至整个信息技术领域带来了前所未有的挑战．该文针对物联网传感器采样数

据管理中所面临的数据海量性、异构性，时空敏感性、动态流式特性等问题，提出一种面向物联网海量传感器采样

数据管理的数据库集群系统框架IoT-ClusterDB．实验结果表明，loT-ClusterDB具有良好的传感器数据接入与查询

处理性能，为物联网海量异构传感器采样数据的存储与查询处理提供了一种可行的解决方案．

关键词物联网；传感器}时空数据；海量数据管理；数据库集群系统

中图法分类号TP311

DOI号：10．3724／SP．J．1016．8012．01175

Database Cluster

Framework for

System

Massive Sensor

Data in the Internet of

Things

Managing

Sampling

DING

GAO Xul’’2’

Zhi—Min91’

100190)

’(NationalFundamental

SoftxtmreResearchCenter．InstituteofSoftware，ChineseAcademy ofSciences，Betiing

”(Graduate

Chinese

100049)

Academyof Sciences，Beiiing

University of

and

increasingly important

Abstract

changing

In recent

Internet of

become

years，the

Things(IoT)has

the

how

live and work．10T has

lot of benefits and

also

meanwhile，it

way

people

challenges

about

to the software and the whole IT this

community．In

paper，we

from

brings

mainly

great

focus on the

in IoT data

loT

data

sampled

management．In

systems，the

and

chan—

sensors are massive and

heterogeneous．Besides，they

spatial—temporal

dynamically

stream data．To meet these

an IoT Database Cluster Frame—

System

ging

work for

challenges，we

propose

Massive Sensor

Data(IoT-ClusterDB)in this

paper．The experi—

Managing

Sampling

loT· -ClusterDB has

and

mental results show that

thus

sensor data

managing

satisfactory

solution for

good

uploading

and massive sensor

querying

queryprocess‘。

and

ing performances

provides

Things．

data in the Internet of

Internet of

system

data

management；data—

Keywords

data；massive

Things}sensor；spatial—temporal

base cluster

在1999年提出的[。”，简单来讲就是把各类物品通

过射频识别(RFID)、传感器件与设备、全球定位系

统等种种装置与互联网结合起来而形成一个巨大的

网络，实现智能化的识别与管理，进而实现各类物品

引

言

Internet of

物联网(The

Things，IoT)的概念是

收稿日期：2011-08—26；最终修改稿收到日期：2012—04-IZ．本课题得到国家自然科学基金重大研究计划· 重点支持项目“面向非常规突发

事件主动感知与应急指挥的物联网技术与系统”(91124001)资助．丁治明，男，1966年生，博士，研究员，博上生导师，主要研究领域为数

据库与知识库系统、时态与空间数据库、物联网与云计算数据管理．E-mail：．ac．cn．■需，男，1980年生，博士研究生，讲

师，主要研究方向为数据库与知识库系统、时态与空间数据库．

万方数据

1176

2012正

计

算

机

学

报

的远程感知和控制，由此生成一个更加智慧的生产

和生活体系．

传感器、生物医学类传感器等，其中每一类传感器又

包括诸多具体的传感器．如交通类传感器可以细分

为GPS传感器、RFID传感器、车牌识别传感器、电

子照相身份识别传感器，交通流量传感器(红外、线

圈、光学、视频传感器)、路况传感器、车况传感器等．

这些传感器不仅结构和功能不同，而且所采集的数

据也是异构的．这种异构性极大地提高了软件开发

和数据处理的难度．

目前，物联网已经成为一个新的技术热点，得

到了世界各国研究者和产业界的广泛关注．然而，物

联网的研究与产业化还存在着诸多局限，大部分的

工作还集中在物联网中单个传感器或小型传感器网

络方面(如智能传感器技术、压缩传感技术等)，或者

集中在物联网硬件和网络层面(如新型网络互连技

术、高通量服务器技术等)[3‘7]，而对于物联网欲与互

联网相比肩所面临的核心问题，即海量异构传感器

数据的存储与查询处理、大量传感器的智能分析与

协同工作、复杂事件的自动探测与有效应对等技术

的研究还比较有限．

(3)物联网数据的时空相关性．与普通互联网

结点不同，物联网中的传感器结点普遍存在着空间

和时间属性——每个传感器结点都有地理位置，每

个数据采样值都有时间属性，而且许多传感器结点

的地理位置还是随着时间的变化而连续移动的，如

智能交通系统中，每个车辆安装了高精度的GPS或

RFID标签，在交通网络中动态地移动．与物联网数

据的时空相关性相对应，物联网应用中对传感器数

据的查询也并不仅仅局限于关键字查询．很多时候，

我们需要基于复杂的逻辑约束条件进行查询，如查

询某个指定地理区域中所有地质类传感器在规定时

间段内所采集的数据，并对它们进行统计分析．由此

可见，对物联网数据的空间与时间属性进行智能化

的管理与分析处理是至关重要的．

在物联网系统中，对传感器海量采样数据的集

中存储与查询处理是十分重要的．通过对海量传感

器采样数据的集中管理，用户不仅可以直接在数据

中心获得任一传感器的历史与当前状态，而且通过

对集中存放的群体数据进行分析，可以实现复杂事

件与规律的感知．此外。传感器采样数据的集中管理

还使得物物互联(Web

Things)、基于物的搜索引

擎、传感器采样数据的统计分析与数据挖掘等成为

可能．

(4)物联网数据的序列性与动态流式特性．在

物联网系统中，要查询某个监控对象在某一时刻的

物理状态是不能简单地通过对时间点的关键字匹配

来完成的，这是因为采样过程是间断进行的，查询时

间与某个采样时间正好匹配的概率极低．为了有效

地进行查询处理，需要将同一个监控对象的历次采

样数据组合成一个采样数据序列，并通过插值计算

的方式得到监控对象在指定时刻的物理状态．采样

数据序列反映了监控对象的状态随时问变化的完整

过程，因此包含比单个采样值丰富得多的信息．此

外，采样数据序列表现出明显的动态流式特性——

随着新采样值的不断到来和过时采样值的不断淘

汰，采样数据序列是不断的动态变化的．

在传感器采样数据的集中管理系统中，大量的传

感器结点根据预先制定的采样及传输规则，不断地向

数据中心传递所采集的数据，从而形成海量的异构数

据流．数据中心不仅需要正确地理解这些数据，而且

需要及时地分析和处理这些数据，进而实现有效的感

知和控制．通过分析我们不难看出，物联网的以下

4个特点对数据处理技术形成了巨大的挑战：

(1)物联网数据的海量性．物联网系统通常包

含着海量的传感器结点．其中，大部分传感器(如温

度传感器、GPS传感器、压力传感器等)的采样数据

是数值型的，但也有许多传感器的采样值是多媒体

数据(如交通摄像头视频数据、音频传感器采样数

据、遥感成像数据等)．每一个传感器均频繁地产生

新的采样数据，系统不仅需要存储这些采样数据的

最新版本，而且在多数情况下，还需要存储某个时间

段(如1个月)内所有的历史采样值，以满足溯源处

理和复杂数据分析的需要．可以想象，上述数据是海

量的，对它们的存储、传输、查询以及分析处理将是

一个前所未有的挑战．

针对物联网海量数据管理所面临的上述挑战，

目前尚没有有效的解决方法．在海量数据处理方面，

最有效的方法之一是云数据管理技术，但几乎所有

的云数据管理系统均为“键一值”数据库，即按照主关

键字对数据进行分布组织和查询处理．这种方法无

法有效地支持对传感器采样数据的时空查询处理．

另一种海量数据管理方法是并行数据库技术，通过

将多个关系数据库组织成数据库集群来支持海量结

构化数据的处理，但这种方法在处理关键字查询时

(2)传感器结点及采样数据的异构性．在同一

个物联网系统中，可以包含形形色色的传感器，如交

通类传感器、水文类传感器、地质类传感器、气象类

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

面向物联网海量传感器采样数据管理的数据库集群系统框架

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页