面向物聯(lián)網(wǎng)的信息處理技術(shù)研究

何軍莉

摘要：物聯(lián)網(wǎng)在現(xiàn)代信息社會(huì)中發(fā)揮著越來(lái)越重要的作用，該文分析了物聯(lián)網(wǎng)信息的特點(diǎn)，基于其特點(diǎn)討論了面向物聯(lián)網(wǎng)的信息處理技術(shù)，并指出了目前面向物聯(lián)網(wǎng)的信息處理技術(shù)存在的問(wèn)題。

關(guān)鍵詞：物聯(lián)網(wǎng)；信息處理技術(shù)

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）06-0034-02

Abstract： The internet of things has played a more and more important role in the modern society. In this paper， the characteristic of the information of the internet of things is analyzed. Based on the different characteristic， the information processing technology is discussed. At the same time， the existing problem of the technology is pointed out.

Key words： Internet of things； information processing technology

1 概述

物聯(lián)網(wǎng)是通過(guò)安裝在物體上的射頻識(shí)別裝置（RFID）、紅外線感應(yīng)器、全球定位系統(tǒng)（GPS）、激光掃描儀以及各種傳感器，能夠在任何時(shí)間、地點(diǎn)與物體之間進(jìn)行信息交流和通信，從而真正實(shí)現(xiàn)精確定位、準(zhǔn)確識(shí)別、智能監(jiān)控和管理的一種網(wǎng)絡(luò)[1]。物聯(lián)網(wǎng)應(yīng)用范圍廣泛，在醫(yī)療系統(tǒng)、智能交通與公共安全等領(lǐng)域發(fā)揮重要作用。物聯(lián)網(wǎng)的開展具有規(guī)模性、廣泛參與性和技術(shù)性等特征，是各行業(yè)共同參與融合的產(chǎn)物。近年來(lái)，隨著物聯(lián)網(wǎng)的普及和發(fā)展，人們對(duì)物聯(lián)網(wǎng)的研究越來(lái)越關(guān)注。

2 物聯(lián)網(wǎng)信息特點(diǎn)

物聯(lián)網(wǎng)的智能主要體現(xiàn)在可以處理傳感器實(shí)時(shí)傳遞的大量數(shù)據(jù)，物聯(lián)網(wǎng)的信息呈現(xiàn)海量性、復(fù)雜性與時(shí)效性的特點(diǎn)。

2.1 海量性

物聯(lián)網(wǎng)是通過(guò)大量的“物”相互連接組合在一起的網(wǎng)絡(luò)，每個(gè)“物”都有自己的傳感器節(jié)點(diǎn)，傳感器的數(shù)量和采集的信息種類豐富。由于數(shù)據(jù)是固定周期連續(xù)采集的，因此物聯(lián)網(wǎng)的信息量也很大，物聯(lián)網(wǎng)正是由這些海量的小數(shù)據(jù)所組成。

2.2 復(fù)雜性

物聯(lián)網(wǎng)信息的復(fù)雜性主要分為異構(gòu)性和多態(tài)性。由于采集數(shù)據(jù)的傳感器的結(jié)構(gòu)和性能的不同，所采集的信息在內(nèi)容和格式上具有差異。此外，由于位置和環(huán)境等因素的影響，不同位置的同類傳感器采集到的信息也會(huì)存在差異。因此，物聯(lián)網(wǎng)中的感知設(shè)備種類與體系架構(gòu)越復(fù)雜，信息的異構(gòu)性和多態(tài)性就越突出。

2.3 時(shí)效性

在物聯(lián)網(wǎng)中，大量的傳感器在不停地周期性地采集新信息，對(duì)收集到的歷史信息和新信息進(jìn)行實(shí)時(shí)性地融合和處理是有效使用信息的關(guān)鍵。物聯(lián)網(wǎng)中心信息處理設(shè)備必須實(shí)時(shí)快速地響應(yīng)各種事件。反饋速度和響應(yīng)時(shí)間反映了物聯(lián)網(wǎng)系統(tǒng)的可靠性和可用性。

3 物聯(lián)網(wǎng)信息處理技術(shù)

物聯(lián)網(wǎng)信息的特點(diǎn)決定了面向物聯(lián)網(wǎng)的信息處理技術(shù)不同于傳統(tǒng)的信息處理技術(shù)，現(xiàn)根據(jù)其主要特點(diǎn)分別闡述。

3.1 信息的分類和篩選

物聯(lián)網(wǎng)是通過(guò)對(duì)收集到的海量數(shù)據(jù)進(jìn)行有效地分類和篩選來(lái)提高系統(tǒng)的整體效率。目前主要采取的信息分類策略是聚類算法。聚類過(guò)程是將一組物理的或者抽象的數(shù)據(jù)對(duì)象根據(jù)相互之間的相似度來(lái)劃分成若干簇的過(guò)程。在這個(gè)過(guò)程中，一組相似的數(shù)據(jù)對(duì)象構(gòu)成一個(gè)簇。聚類算法是根據(jù)收集到的信息來(lái)搜索和確定該信息所包含的價(jià)值意義。目前廣泛應(yīng)用的聚類算法包括K均值算法、高斯分布測(cè)試算法和G均值算法。

3.2 信息的存儲(chǔ)

物聯(lián)網(wǎng)信息的存儲(chǔ)，目前主要有集中式存儲(chǔ)和分布式存儲(chǔ)兩種方式。

在集中式信息管理系統(tǒng)中，各傳感器按照一定的采樣規(guī)則，將所采集的數(shù)據(jù)上傳到數(shù)據(jù)中心進(jìn)行統(tǒng)一的存儲(chǔ)管理，數(shù)據(jù)的查詢和處理可以直接在數(shù)據(jù)中心完成。由于數(shù)據(jù)中心具有相對(duì)強(qiáng)大得多的存儲(chǔ)與計(jì)算能力，因此這種方式可以支持各種復(fù)雜的、密集型的查詢，更加適合于物聯(lián)網(wǎng)的相關(guān)應(yīng)用環(huán)境。集中式信息管理技術(shù)目前又主要分為云計(jì)算和并行數(shù)據(jù)庫(kù)技術(shù)。

云計(jì)算是通過(guò)一種協(xié)同機(jī)制來(lái)動(dòng)態(tài)管理上百萬(wàn)臺(tái)計(jì)算機(jī)所具有的處理能力，按需分配給全球用戶，從而具有穩(wěn)定而快速的存儲(chǔ)能力。云計(jì)算管理系統(tǒng)主要屬于“鍵-值”數(shù)據(jù)庫(kù)，如Bigtable[2]、Dybama[3]、HBase[4]、PNUTS[5]和HIVE[6]等。這類數(shù)據(jù)庫(kù)能夠高效地處理基于主關(guān)鍵字的查詢，但不能有效地支持物聯(lián)網(wǎng)數(shù)據(jù)的時(shí)空關(guān)系表示與存儲(chǔ)、時(shí)空邏輯條件查詢以及屬性約束條件查詢等。

并行數(shù)據(jù)庫(kù)是通過(guò)將多個(gè)關(guān)系數(shù)據(jù)庫(kù)組織成數(shù)據(jù)庫(kù)集群來(lái)支持海量結(jié)構(gòu)化數(shù)據(jù)的處理。但這種方法在處理關(guān)鍵字查詢時(shí)的性能要遠(yuǎn)低于“鍵-值”數(shù)據(jù)庫(kù)，無(wú)法根據(jù)傳感器的標(biāo)識(shí)快速地檢索到所需要的數(shù)據(jù)。

分布式存儲(chǔ)的應(yīng)用得益于分布式數(shù)據(jù)庫(kù)（Distributed DataBase，DDB）的產(chǎn)生。分布式數(shù)據(jù)庫(kù)通過(guò)對(duì)物理上分散的各結(jié)點(diǎn)信息在邏輯層面上進(jìn)行重新劃分，從而實(shí)現(xiàn)局部自治和全局共享。分布式數(shù)據(jù)庫(kù)的算法包括關(guān)聯(lián)規(guī)則挖掘算法、精簡(jiǎn)頻繁模式集和關(guān)聯(lián)規(guī)則的安全挖掘算法以及事物流的動(dòng)態(tài)可串行調(diào)度算法等[7-8]。同時(shí)，數(shù)據(jù)庫(kù)技術(shù)可以與網(wǎng)絡(luò)通信技術(shù)、人工智能技術(shù)、面向?qū)ο蟪绦蛟O(shè)計(jì)技術(shù)、并行計(jì)算技術(shù)相互滲透與結(jié)合，使其在物聯(lián)網(wǎng)的應(yīng)用中具有極大的優(yōu)勢(shì)。

3.3 復(fù)雜事件處理系統(tǒng)

目前國(guó)外對(duì)復(fù)雜事件處理的研究中代表性的原型系統(tǒng)有SASE[9]，Cayuga[10]，RCEDA[11]，Esper[12]，Cascadia[13]等。在這些系統(tǒng)中，Esper在物聯(lián)網(wǎng)中的應(yīng)用最為廣泛。Esper是基于Java開發(fā)的事件流處理和復(fù)雜事件處理的CEP引擎，它提供了豐富的事件描述語(yǔ)言，能夠快速地集成到獨(dú)立應(yīng)用中去。在Esper系統(tǒng)中，復(fù)雜事件表達(dá)模式由原子事件atom和事件操作符兩部分組成，其中事件操作符可以反映atom之間的邏輯組合關(guān)系和時(shí)間約束關(guān)系。SASE是針對(duì)RFID數(shù)據(jù)開發(fā)的原型系統(tǒng)，但是它沒(méi)有辦法處理信息不確定性。Cascadia基于信息的概率特點(diǎn)進(jìn)行建模，因而它可以解決信息的不確定性，但是卻沒(méi)有對(duì)概率事件流上的復(fù)雜事件監(jiān)測(cè)與概率計(jì)算做詳細(xì)的研究與優(yōu)化。

3.4 實(shí)時(shí)信息的處理

目前對(duì)于實(shí)時(shí)信息的處理，主要是通過(guò)預(yù)處理、分布緩存和復(fù)用中間結(jié)果的方法避免信息流到達(dá)時(shí)的歷史信息重復(fù)處理開銷，并使得信息流處理本地化，減少了節(jié)點(diǎn)間的信息傳輸開銷。而針對(duì)本地化的信息流，可以采用事件驅(qū)動(dòng)階段化處理架構(gòu)[14]，利用線程池技術(shù)減少每次處理的初始化開銷，并通過(guò)劃分階段和當(dāng)前階段間的異步信息傳遞，消除不同階段之間的信息同步。在分布式的環(huán)境中，主要是通過(guò)多個(gè)節(jié)點(diǎn)上的平衡算子來(lái)保障系統(tǒng)的伸縮性[15]，但是處理能力仍然受單個(gè)節(jié)點(diǎn)的信息處理能力，在面對(duì)大規(guī)模的歷史信息情況下的伸縮能力仍然顯得局限。

4 總結(jié)

本文分析了物聯(lián)網(wǎng)數(shù)據(jù)的海量性、復(fù)雜性和實(shí)效性的特點(diǎn)，并分別針對(duì)各個(gè)特點(diǎn)討論了目前面向物聯(lián)網(wǎng)的信息處理技術(shù)。受限于物聯(lián)網(wǎng)信息的特點(diǎn)，目前的信息處理技術(shù)仍然顯得不足，尤其是在信息定義與匹配和實(shí)時(shí)信息的處理這兩方面依然存在著很多問(wèn)題。物聯(lián)網(wǎng)的快速發(fā)展對(duì)建設(shè)智慧型城市具有極其重要的作用，因而對(duì)物聯(lián)網(wǎng)信息的處理必須更加重視，不能拋開物聯(lián)網(wǎng)信息的特點(diǎn)空談信息處理，必須兩者結(jié)合，才能使物聯(lián)網(wǎng)發(fā)揮越來(lái)越大的用途。

參考文獻(xiàn)：

[1] ITU internet reports 2005：the internet of things [EB/OL]. （2005-10-05）. http：//www.itu.int/dms_pub/itu- s/opb/pol/S-POL-IR.IT-2005-SUM-PDF-E.pdf.

[2] Chang F，Dean J， GhemawatS et s1.Bigtable；A distributed storage system for structured data[C]//Proceedings of the 7th Symposium on Operating Systems Design and Implementation （OSDl06）.Seattle，USA，2006：205-208.

[3] DeCandia G，Hastornn D，Jampani M et al.Dynamot： Amazons highly available key—value store[C]//Proceedings of the 21st ACM Symposium on Operating Systems Principles （SOSP，2007）.Washington，USA，2007：205-220.

[4] Carstoiu D，Lepadatu E，Gaspar M.Hbase： Non SQL data-base，performances evaluation[J].International Journal of Advancements in Computing Technology，2010，2（5）：42-52.

[5] Cooper B F， Ramakrishnan R，Srivastava U et al.PNNTS：Yahoo！s hosted data serving platform[C]//Preceedings of the 34th International Conference on Very Large Data Bases （VLDB2008）. Auckland， New Zealand.2008：1277-1288.

[6] Thusoo A.Sarma J S，Jain N et al.Hive：A warehousing solution over s map-reduce framework[C]//Proceedings Df the 35th intemational Conference on Very Large Data Bases （VLDB，2009）.Lyon，F(xiàn)rance，2009.

[7] 賈洞，劉群，姜晗.分布式數(shù)據(jù)庫(kù)的精簡(jiǎn)頻繁模式集及其挖掘算法[J].浙江師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，33（2）：132-137.

[8] 梁雄友，薛永生.基于分布式事務(wù)流的動(dòng)態(tài)可串行調(diào)度算法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（8）：144-147.

[9] Wu E，Diao Y， Rizvi S.High—performance complex event processing over streams[C]//Proceedings of the 2006 ACM SIGMOD International Conference On Management of data.New York：ACM，2006：407-418.

[10] Brenna L，Demers A，Gehrke J，et al.Cayuga：A high—performance event processing engine[C]//Proceedings of the 2007 ACM SIGMOD International Conference on Management of data.New York：ACM，2007：1100-1102.

[11] Wang F.SH.，Liu S.R.，Liu P.Y.，et al.Bridging physical and virtual worlds：Complex Event Processing for RFID Data Stream[C]//Proceedings of the 10th International Conference on Extending Database Technology.Berlin：Springer，2006：588-607.

[12] BERNHARDT T.Esper[EB/OL]. （2012-09-15）.http：//esper. Codehaus.org.

[13] Welbourne E，Khoussainova N，Letchner J， et al.Cascadia：A system for specifying detecting and managing RFID event[C]//Proceeding of the 6th international conference on Mobile systems，application，and services.New York：ACM，2008：281-294.

[14] Welsh M，Culler D，Eric Brewer E.SEDA：An architecture for well-conditioned，scalable Internet services[C]//Proceedings of the 18th ACM Symposium on Operating System Principles （SOSP 2001）.Lake Louise，Banff，Canada，2001：230-243.

[15] Chandrasekaran S， Cooper O，Deshpande A et al.TelegraphCQ：Continuous dataflow processing for an uncertain world[C]//Proceedings of the 1st Biennial Conference on In novative Data Systems Researeh（CIDR 2003）.Asilomar，USA，2003：200-211.