物联网海量异构数据检索的研究

《物联网海量异构数据检索的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、物联网海量异构数据检索的研究摘要在物联网环境下，由于传感设备结构和功能的不同，产生了各种各样类型的数据源，需要对海量异构数据进行层次化处理，有效的降低数据类型的复杂度，避免查询形式单一,负载不均。【关键词】物联网海量异构数据EPC网络chord算法1引言物联网中传感设备采集的数据具有以下几个特点。1）海量性。物联网应用规模的扩大，传感设备涉及任何物品，数据量呈几何级数增长。2）异构性。传感设备结构和功能不同，将产生了各种各样类型的数据源，与互联网和EPC网络相比，更为多样化。3）分散性。传感设备分散在不同的地理位置，是无处不在的，

2、因此采集到的数据具有分散性。2基于chord算法的物联网信息检索在基于chord算法的物联网信息检索中，基于EPC网络对EPC码和IP地址注册入网，当有用户节点发出查询请求时，节点就遵循chord算法，在chord环上进行关键字查询。因此，对物联网异构数据进行分层次处理成为亟待解决的主要问题，对海量异构数据进行智能分类，关键字提取，获取数据采集地址，从而增加了物联网数据的透明度。设计信息服务节点，使其具有EPC网络中ONS和EPCIS两个部分的功能，使其提供信息查找和定位服务。3基于信息服务节点的物联网检索算法的改进3.1物联网异

3、构数据预处理海量异构数据是物联网最突出的特点，为提高检索效率，需要对海量异构数据进行分层次预处理。自底向上分为以下三点。(1)存储层。把各式各样的传感设备获取的海量数据进行统一的存储管理。(2)处理层。通过统一的扩展的信息管理的应用接口，把存储层的数据与上层的数据应用衔接在一起，实现数据统一处理，达到更好的系统性能。(3)服务层。将处理后的数据信息映射到信息服务节点，响应用户访问请求，监测处理层的运行情况。3.2异构数据预处理流程(1)将传感设备采集到的数据存储到存储层的传感节点，向上层处理层上传。(2)处理层，设置H函数，对采集

4、数据端口获取的数据流进行数据类型分类，针对物联网内异构数据格式进行分类处理，将产生为一个三十二位散列值，如视频，音频以及图像等均产生为不同的散列值。从而产生一个初始的二维key/value集合。其中key值为数据类型，value值存储原始数据。(3)系统把所有初始二维key/value集合中具有相同key值的value值聚合在一起后调用M函数。(4)对初始二维key/value集合中的value值提取关键字和采集地址，保存在中间二维keyl/valuel集合中。(5)中间集合值聚合在R函数，产生一个三维的key/keyl/valu

5、el集合值，即。物联网异构数据预处理流程图，如图1所示。3.3物联网信息服务节点检索算法物联网信息服务的需求和应用环境特点，采用chord数据查找算法作为其信息检索技术的组织方式，每个节点只需要维护自身Finger表中的小部分节点，无须掌握网络中其他节点的信息，就可以通过节点之间的通信，找到任一节点。因此具体查询步骤如下：(1)用户预查询信息，首先对信息服务节点发出查询请求。(2)信息服务节点N查找key所在位置，若key在N和Successor(N)之间，则相关的信息存放在节点N的后继节点上，于是节点N向其后继节点发送查询请求。

6、(3)否则若key不在N和Successor(N)之间，则节点N需要查询其Finger表，找到标识符最接近key并且小于key的节点，直接向此节点发送查询请求，节点接到查询请求后重复此查询步骤，直到搜索到目标节点。4实验分析笔者在0MNET++平台下从路由跳数，对物联网异构数据检索算法进行仿真。如图2所示，实验验证了Chord算法的逻辑路由跳数是0(InN)o随着网络规模的增大，Chord搜索算法的路由跳数并没有急剧地增加，而是保持在一个相对稳定的数值区间。因此，Chord适合于异构数据急剧增长的物联网。5结语笔者设计信息服务节点

7、用Chord路由算法进行在物联网环境下异构数据的查找，并用0MNET卄进行仿真实验，从路由跳数方面，对物联网异构数据查询进行了性能仿真。实验结果显示，运用Chord算法进在物联网异构数据环境下进行数据查询与EPC网络相比，查询时路由跳数相差不大，避免了异构数据的瓶颈问题，有效地提高了物联网异构数据的查询效率。但是改进后的信息查找算法仍然存在不足，如Chord的算法未能依据用户的个人信息进行个性化推荐，因此，今后的重点工作就是对Chord算法继续进行改进，降低算法复杂度，从而使Chord能够提供更好的查询服务。参考文献[1]李建中•

8、物联网与CPS的终极挑战:海量数据计算[R].中国计算机学会，学科前沿讲习班，2010.作者单位辽宁大学信息学院辽宁省沈阳市110036