本文關(guān)鍵詞：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架，由筆耕文化傳播整理發(fā)布。

面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

發(fā)布時(shí)間：2014-01-23 12:40:54  

第３５卷　第６期

２０１２年６月計(jì)　　算　　機(jī)　　學(xué)　　報(bào)ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ　　　Ｖｏｌ．３５Ｎｏ．６Ｊｕｎｅ２０１２　

面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的

數(shù)據(jù)庫(kù)集群系統(tǒng)框架

丁治明　　高　需１），１）２）

１）（中國(guó)科學(xué)院軟件研究所基礎(chǔ)軟件國(guó)家工程研究中心）００１９０　北京�。�

２）（）中國(guó)科學(xué)院研究生院　北京�。保埃埃埃矗�

摘　要　物聯(lián)網(wǎng)是目前國(guó)際和國(guó)內(nèi)新興的一項(xiàng)熱門技術(shù)，正在給人們的生產(chǎn)和生活方式帶來(lái)深刻的變革．物聯(lián)網(wǎng)在帶來(lái)諸多好處的同時(shí)，也給軟件乃至整個(gè)信息技術(shù)領(lǐng)域帶來(lái)了前所未有的挑戰(zhàn)．該文針對(duì)物聯(lián)網(wǎng)傳感器采樣數(shù)據(jù)管理中所面臨的數(shù)據(jù)海量性、異構(gòu)性、時(shí)空敏感性、動(dòng)態(tài)流式特性等問題，提出一種面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架Ｉ實(shí)驗(yàn)結(jié)果表明，ｏＴ－ＣｌｕｓｔｅｒＤＢ．ＩｏＴ－ＣｌｕｓｔｅｒＤＢ具有良好的傳感器數(shù)據(jù)接入與查詢處理性能，為物聯(lián)網(wǎng)海量異構(gòu)傳感器采樣數(shù)據(jù)的存儲(chǔ)與查詢處理提供了一種可行的解決方案．

關(guān)鍵詞　物聯(lián)網(wǎng)；傳感器；時(shí)空數(shù)據(jù)；海量數(shù)據(jù)管理；數(shù)據(jù)庫(kù)集群系統(tǒng)

／中圖法分類號(hào)ＴＰ３１１　　�。模希商�(hào)：１０．３７２４ＳＰ．Ｊ．１０１６．２０１２．０１１７５

ＡＤａｔａｂａｓｅＣｌｕｓｔｅｒＳｓｔｅｍＦｒａｍｅｗｏｒｋｆｏｒ　　　　　ｙ

ＭａｎａｉｎＭａｓｓｉｖｅＳｅｎｓｏｒＳａｍｌｉｎＤａｔａｉｎｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ　　　　　　�。纾纾穑纾纭　�

１１ＤＩＮＧＺｈｉｉｎＸｕ　－Ｍ�。纭。牵粒�

１）（）），２））ＮａｔｉｏｎａｌＦｕｎｄａｍｅｎｔａｌＳｏｔｗａｒｅＲｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ，ＩｎｓｔｉｔｕｔｅｏＳｏｔｗａｒｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｏＳｃｉｅｎｃｅｓ，Ｂｅｉｉｎ００１９０　　　　�。妫妗。妫妗。辏纭。薄�

２）（）ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｏＣｈｉｎｅｓｅＡｃａｄｅｍｏＳｃｉｅｎｃｅｓ，Ｂｅｉｉｎ０００４９　　ｙｆ�。妗。辏纭。薄　�

，ＡｂｓｔｒａｃｔｎｒｅｃｅｎｔｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ（ＩｏＴ）ｈａｓｂｅｃｏｍｅｉｎｃｒｅａｓｉｎｌｉｍｏｒｔａｎｔａｎｄｉｓｅａｒｓ�。伞　　　　　　　　。纾纾穑�

，ｃｈａｎｉｎｔｈｅｗａｈｏｗｌｉｖｅａｎｄｗｏｒｋ．ＩｏＴｈａｓａｌｏｔｏｆｂｅｎｅｆｉｔｓａｎｄｍｅａｎｗｈｉｌｅｉｔａｌｓｏｅｏｌｅ　　　　　　　　　　　　　ｇｇｙｐｐ　　

，ｗｂｒｉｎｓａｂｏｕｔｒｅａｔｃｈａｌｌｅｎｅｓｔｏｔｈｅｓｏｆｔｗａｒｅａｎｄｔｈｅｗｈｏｌｅＩＴｃｏｍｍｕｎｉｔ．Ｉｎｔｈｉｓａｅｒｅ　　　　　　　　　　　　　ｇｇｇｙｐｐ

，ｍａｉｎｌｆｏｃｕｓｏｎｔｈｅｃｈａｌｌｅｎｅｓｉｎＩｏＴｄａｔａｍａｎａｅｍｅｎｔ．ＩｎＩｏＴｓｓｔｅｍｓｔｈｅｄａｔａｓａｍｌｅｄｆｒｏｍ　　　　　　　　　　　　ｙｇｇｙｐ　

，ｓｅｎｓｏｒｓａｒｅｍａｓｓｉｖｅａｎｄｈｅｔｅｒｏｅｎｅｏｕｓ．Ｂｅｓｉｄｅｓｔｈｅａｒｅｓａｔｉａｌｔｅｍｏｒａｌａｎｄｄｎａｍｉｃａｌｌｃｈａｎ　　　　�。　。纾穑穑　�

，ｓｔｒｅａｍｄａｔａ．ＴｏｍｅｅｔｔｈｅｓｅｃｈａｌｌｅｎｅｓｗｅａｎＩｏＴＤａｔａｂａｓｅＣｌｕｓｔｅｒＳｓｔｅｍＦｒａｍｅｉｎｒｏｏｓｅ　　　　　　　　　　�。纾纾纾穑稹�

ｗｏｒｋｆｏｒＭａｎａｉｎＭａｓｓｉｖｅＳｅｎｓｏｒＳａｍｌｉｎＤａｔａ（ＩｏＴ－ＣｌｕｓｔｅｒＤＢ）ｉｎｔｈｉｓａｅｒ．Ｔｈｅｅｘｅｒｉ　　　　　　�。纾纾穑纾穑穑稹　�

ｕｅｒｒｏｃｅｓｓｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＩｏＴ－ＣｌｕｓｔｅｒＤＢｈａｓｓａｔｉｓｆａｃｔｏｒｓｅｎｓｏｒｄａｔａｕｌｏａｄｉｎａｎｄ　　　　　　　　�。瘢穑穑纭　　�

ｅｒｆｏｒｍａｎｃｅｓｒｏｖｉｄｅｓｏｏｄｕｅｒｉｎｉｎａｎｄｔｈｕｓａｓｏｌｕｔｉｏｎｆｏｒｍａｎａｉｎａｎｄｍａｓｓｉｖｅｓｅｎｓｏｒ　　　　　　　　　　ｐｐｇｑｙｇｇｇｇ　　　

ｉｎｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ．ｄａｔａ　　　　�。�

；；；ｍ；ＫｅｗｏｒｄｓｎｔｅｒｎｅｔｏｆＴｈｉｎｓｓｅｎｓｏｒｓａｔｉａｌｔｅｍｏｒａｌｄａｔａａｓｓｉｖｅｄａｔａｍａｎａｅｍｅｎｔｄａｔａ　Ｉ　�。　　。纾穑穑纾�

ｂａｓｅｃｌｕｓｔｅｒｓｓｔｅｍ　�。�

［］在１簡(jiǎn)單來(lái)講就是把各類物品通９９９年提出的１－２，

１　引　言

，物聯(lián)網(wǎng)（的概念是ＴｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓＩｏＴ）　　　ｇ、傳感器件與設(shè)備、全球定位系過(guò)射頻識(shí)別（ＲＦＩＤ）統(tǒng)等種種裝置與互聯(lián)網(wǎng)結(jié)合起來(lái)而形成一個(gè)巨大的實(shí)現(xiàn)智能化的識(shí)別與管理，進(jìn)而實(shí)現(xiàn)各類物品網(wǎng)絡(luò)，

；收稿日期：最終修改稿收到日期：本課題得到國(guó)家自然科學(xué)基金重大研究計(jì)劃·重點(diǎn)支持項(xiàng)目“面向非常規(guī)突發(fā)２０１１０８２６２０１２０４１２．－－－－

（）事件主動(dòng)感知與應(yīng)急指揮的物聯(lián)網(wǎng)技術(shù)與系統(tǒng)”資助．丁治明，男，博士，研究員，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)閿?shù)９１１２４００１１９６６年生，

：據(jù)庫(kù)與知識(shí)庫(kù)系統(tǒng)、時(shí)態(tài)與空間數(shù)據(jù)庫(kù)、物聯(lián)網(wǎng)與云計(jì)算數(shù)據(jù)管理．高　需，男，博士研究生，講Ｅ－ｍａｉｌｚｈｉｍｉｎｉｓｃａｓ．ａｃ．ｃｎ．１９８０年生，＠ｇ

主要研究方向?yàn)閿?shù)據(jù)庫(kù)與知識(shí)庫(kù)系統(tǒng)、時(shí)態(tài)與空間數(shù)據(jù)庫(kù)．師，

１１７６

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

的遠(yuǎn)程感知和控制，由此生成一個(gè)更加智慧的生產(chǎn)和生活體系．

目前，物聯(lián)網(wǎng)已經(jīng)成為一個(gè)新的技術(shù)熱點(diǎn)，得然而，物到了世界各國(guó)研究者和產(chǎn)業(yè)界的廣泛關(guān)注．聯(lián)網(wǎng)的研究與產(chǎn)業(yè)化還存在著諸多局限，大部分的工作還集中在物聯(lián)網(wǎng)中單個(gè)傳感器或小型傳感器網(wǎng)，絡(luò)方面（如智能傳感器技術(shù)、壓縮傳感技術(shù)等）或者集中在物聯(lián)網(wǎng)硬件和網(wǎng)絡(luò)層面（如新型網(wǎng)絡(luò)互連技

［］３７－

，高通量服務(wù)器技術(shù)等）而對(duì)于物聯(lián)網(wǎng)欲與互術(shù)、

傳感器、生物醫(yī)學(xué)類傳感器等，其中每一類傳感器又包括諸多具體的傳感器，如交通類傳感器可以細(xì)分為Ｇ車牌識(shí)別傳感器、電ＰＳ傳感器、ＲＦＩＤ傳感器、交通流量傳感器（紅外、線子照相身份識(shí)別傳感器、

、圈、光學(xué)、視頻傳感器）路況傳感器、車況傳感器等．這些傳感器不僅結(jié)構(gòu)和功能不同，而且所采集的數(shù)這種異構(gòu)性極大地提高了軟件開發(fā)據(jù)也是異構(gòu)的．和數(shù)據(jù)處理的難度．

（）物聯(lián)網(wǎng)數(shù)據(jù)的時(shí)空相關(guān)性．與普通互聯(lián)網(wǎng)３

結(jié)點(diǎn)不同，物聯(lián)網(wǎng)中的傳感器結(jié)點(diǎn)普遍存在著空間——每個(gè)傳感器結(jié)點(diǎn)都有地理位置，和時(shí)間屬性—每個(gè)數(shù)據(jù)采樣值都有時(shí)間屬性，而且許多傳感器結(jié)點(diǎn)的地理位置還是隨著時(shí)間的變化而連續(xù)移動(dòng)的，如每個(gè)車輛安裝了高精度的Ｇ智能交通系統(tǒng)中，ＰＳ或在交通網(wǎng)絡(luò)中動(dòng)態(tài)地移動(dòng)．與物聯(lián)網(wǎng)數(shù)ＲＦＩＤ標(biāo)簽，

物聯(lián)網(wǎng)應(yīng)用中對(duì)傳感器數(shù)據(jù)的時(shí)空相關(guān)性相對(duì)應(yīng)，

據(jù)的查詢也并不僅僅局限于關(guān)鍵字查詢．很多時(shí)候，我們需要基于復(fù)雜的邏輯約束條件進(jìn)行查詢，如查詢某個(gè)指定地理區(qū)域中所有地質(zhì)類傳感器在規(guī)定時(shí)間段內(nèi)所采集的數(shù)據(jù)，并對(duì)它們進(jìn)行統(tǒng)計(jì)分析．由此對(duì)物聯(lián)網(wǎng)數(shù)據(jù)的空間與時(shí)間屬性進(jìn)行智能化可見，

的管理與分析處理是至關(guān)重要的．

（）物聯(lián)網(wǎng)數(shù)據(jù)的序列性與動(dòng)態(tài)流式特性．在４

物聯(lián)網(wǎng)系統(tǒng)中，要查詢某個(gè)監(jiān)控對(duì)象在某一時(shí)刻的物理狀態(tài)是不能簡(jiǎn)單地通過(guò)對(duì)時(shí)間點(diǎn)的關(guān)鍵字匹配這是因?yàn)椴蓸舆^(guò)程是間斷進(jìn)行的，查詢時(shí)來(lái)完成的，

間與某個(gè)采樣時(shí)間正好匹配的概率極低．為了有效地進(jìn)行查詢處理，需要將同一個(gè)監(jiān)控對(duì)象的歷次采樣數(shù)據(jù)組合成一個(gè)采樣數(shù)據(jù)序列，并通過(guò)插值計(jì)算的方式得到監(jiān)控對(duì)象在指定時(shí)刻的物理狀態(tài)．采樣數(shù)據(jù)序列反映了監(jiān)控對(duì)象的狀態(tài)隨時(shí)間變化的完整過(guò)程，因此包含比單個(gè)采樣值豐富得多的信息．此——外，采樣數(shù)據(jù)序列表現(xiàn)出明顯的動(dòng)態(tài)流式特性—隨著新采樣值的不斷到來(lái)和過(guò)時(shí)采樣值的不斷淘汰，采樣數(shù)據(jù)序列是不斷的動(dòng)態(tài)變化的．

針對(duì)物聯(lián)網(wǎng)海量數(shù)據(jù)管理所面臨的上述挑戰(zhàn)，目前尚沒有有效的解決方法．在海量數(shù)據(jù)處理方面，最有效的方法之一是云數(shù)據(jù)管理技術(shù)，但幾乎所有的云數(shù)據(jù)管理系統(tǒng)均為“鍵－值”數(shù)據(jù)庫(kù)，即按照主關(guān)鍵字對(duì)數(shù)據(jù)進(jìn)行分布組織和查詢處理．這種方法無(wú)法有效地支持對(duì)傳感器采樣數(shù)據(jù)的時(shí)空查詢處理．另一種海量數(shù)據(jù)管理方法是并行數(shù)據(jù)庫(kù)技術(shù)，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)

即海量異構(gòu)傳感器聯(lián)網(wǎng)相比肩所面臨的核心問題，

數(shù)據(jù)的存儲(chǔ)與查詢處理、大量傳感器的智能分析與協(xié)同工作、復(fù)雜事件的自動(dòng)探測(cè)與有效應(yīng)對(duì)等技術(shù)的研究還比較有限．

在物聯(lián)網(wǎng)系統(tǒng)中，對(duì)傳感器海量采樣數(shù)據(jù)的集中存儲(chǔ)與查詢處理是十分重要的．通過(guò)對(duì)海量傳感用戶不僅可以直接在數(shù)據(jù)器采樣數(shù)據(jù)的集中管理，

中心獲得任一傳感器的歷史與當(dāng)前狀態(tài)，而且通過(guò)可以實(shí)現(xiàn)復(fù)雜事對(duì)集中存放的群體數(shù)據(jù)進(jìn)行分析，

此外，傳感器采樣數(shù)據(jù)的集中管理件與規(guī)律的感知．

）、還使得物物互聯(lián)（基于物的搜索引ＷｅｂｏｆＴｈｉｎｓ　　ｇ傳感器采樣數(shù)據(jù)的統(tǒng)計(jì)分析與數(shù)據(jù)挖掘等成為擎、可能．

在傳感器采樣數(shù)據(jù)的集中管理系統(tǒng)中，大量的傳感器結(jié)點(diǎn)根據(jù)預(yù)先制定的采樣及傳輸規(guī)則，不斷地向從而形成海量的異構(gòu)數(shù)數(shù)據(jù)中心傳遞所采集的數(shù)據(jù)，

數(shù)據(jù)中心不僅需要正確地理解這些數(shù)據(jù)，而且據(jù)流．

需要及時(shí)地分析和處理這些數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)有效的感知和控制．通過(guò)分析我們不難看出，物聯(lián)網(wǎng)的以下４個(gè)特點(diǎn)對(duì)數(shù)據(jù)處理技術(shù)形成了巨大的挑戰(zhàn)：

（）物聯(lián)網(wǎng)數(shù)據(jù)的海量性．物聯(lián)網(wǎng)系統(tǒng)通常包１含著海量的傳感器結(jié)點(diǎn)．其中，大部分傳感器（如溫度傳感器、壓力傳感器等）的采樣數(shù)據(jù)ＧＰＳ傳感器、是數(shù)值型的，但也有許多傳感器的采樣值是多媒體如交通攝像頭視頻數(shù)據(jù)、音頻傳感器采樣數(shù)數(shù)據(jù)（

據(jù)、遙感成像數(shù)據(jù)等）每一個(gè)傳感器均頻繁地產(chǎn)生．新的采樣數(shù)據(jù)，系統(tǒng)不僅需要存儲(chǔ)這些采樣數(shù)據(jù)的最新版本，而且在多數(shù)情況下，還需要存儲(chǔ)某個(gè)時(shí)間段（如１個(gè)月）內(nèi)所有的歷史采樣值，以滿足溯源處理和復(fù)雜數(shù)據(jù)分析的需要．可以想象，上述數(shù)據(jù)是海量的，對(duì)它們的存儲(chǔ)、傳輸、查詢以及分析處理將是一個(gè)前所未有的挑戰(zhàn)．

（）傳感器結(jié)點(diǎn)及采樣數(shù)據(jù)的異構(gòu)性．在同一２

個(gè)物聯(lián)網(wǎng)系統(tǒng)中，可以包含形形色色的傳感器，如交通類傳感器、水文類傳感器、地質(zhì)類傳感器、氣象類

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１７７

的性能要遠(yuǎn)低于“鍵－值”數(shù)據(jù)庫(kù)；此外，由于采用了嚴(yán)格的事務(wù)處理機(jī)制，在傳感器采樣數(shù)據(jù)頻繁更新的條件下，并行數(shù)據(jù)庫(kù)的數(shù)據(jù)處理效率十分低下．

在傳感器采樣數(shù)據(jù)的表示方面，最自然的想法是采用時(shí)空數(shù)據(jù)庫(kù)的有關(guān)方法．但是，傳感器采樣數(shù)據(jù)除了時(shí)空屬性之外，還包含物理目標(biāo)的種種其它，如溫度、壓力、交通流密度、速度等）如何對(duì)這屬性（

些異構(gòu)的物理屬性進(jìn)行統(tǒng)一的表示是目前尚未解決此外，目前的時(shí)空數(shù)據(jù)庫(kù)方法主要針對(duì)單個(gè)的問題．

在大規(guī)模時(shí)空數(shù)據(jù)庫(kù)集群方面尚沒有數(shù)據(jù)庫(kù)結(jié)點(diǎn)，有效的解決方案．

針對(duì)上述問題，

，在ＭａｓｓｉｖｅＳｅｎｓｏｒＳａｍｌｉｎＤａｔａＩｏＴ－ＣｌｕｓｔｅｒＤＢ）．　　ｐｇ　同一個(gè)監(jiān)控對(duì)象的歷次傳感器ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中，

采樣值被組織成采樣數(shù)據(jù)序列進(jìn)行存儲(chǔ)，通過(guò)查詢可以支持對(duì)傳感器采樣數(shù)據(jù)的復(fù)操作及時(shí)空計(jì)算，

此外，雜邏輯條件查詢．ＩｏＴ－ＣｌｕｓｔｅｒＤＢ是一個(gè)由大量數(shù)據(jù)庫(kù)組成的分布式系統(tǒng)，通過(guò)建立分布式的全局關(guān)鍵字索引和全局時(shí)空索引，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ可以支持高效率的關(guān)鍵字查詢和時(shí)空查詢．

析查詢等，這類查詢往往需要對(duì)大面積的傳感器進(jìn)行反復(fù)的掃描，因此查詢處理會(huì)涉及密集的遠(yuǎn)程訪問，帶來(lái)龐大的通信開銷，抵消了本地?cái)?shù)據(jù)采集不需要進(jìn)行通信傳輸?shù)暮锰帲?/p>

（）物聯(lián)網(wǎng)系統(tǒng)中通常會(huì)涉及多種異構(gòu)的傳感２

器類型，通過(guò)模型轉(zhuǎn)換的方式不僅表示能力有限，而導(dǎo)致查詢處理的且模型轉(zhuǎn)換需要額外的計(jì)算開銷，效率較為低下．

（）物聯(lián)網(wǎng)中通常需要存儲(chǔ)長(zhǎng)時(shí)間的歷史與當(dāng)３

以滿足溯源處理和統(tǒng)計(jì)分析的需要，而前采樣數(shù)據(jù)，

傳感器和Ｓ難以ｉｎｋ結(jié)點(diǎn)的存儲(chǔ)能力是相對(duì)有限的，滿足長(zhǎng)時(shí)間采樣數(shù)據(jù)存儲(chǔ)的要求．

鑒于分布式存儲(chǔ)方式的上述局限，近年來(lái)越來(lái)在集越多的研究轉(zhuǎn)向了集中式的傳感器數(shù)據(jù)管理．中式數(shù)據(jù)管理系統(tǒng)中，各傳感器按照一定的采樣規(guī)將所采集的數(shù)據(jù)上傳到數(shù)據(jù)中心進(jìn)行統(tǒng)一的存則，

儲(chǔ)管理，使得查詢處理可以直接在數(shù)據(jù)中心完成，而不需要給傳感器或Ｓｉｎｋ結(jié)點(diǎn)帶來(lái)額外的計(jì)算與通由于數(shù)據(jù)中心具有相對(duì)強(qiáng)大得多的存儲(chǔ)與信開銷．

計(jì)算能力，因此這種方式可以支持各種復(fù)雜的、密集更加適合于物聯(lián)網(wǎng)的相關(guān)應(yīng)用環(huán)境．型的查詢，

在集中式的傳感器數(shù)據(jù)處理方面，最直接的方

］１３１６－

法是采用云數(shù)據(jù)管理及其相關(guān)技術(shù)［云計(jì)算是．

最近幾年新興的一個(gè)技術(shù)領(lǐng)域，其核心特點(diǎn)是通過(guò)動(dòng)態(tài)管理幾萬(wàn)臺(tái)、幾十萬(wàn)臺(tái)甚至上百一種協(xié)同機(jī)制，

并按需分配萬(wàn)臺(tái)計(jì)算機(jī)資源所具有的總處理能力，

給全球用戶，使它們可以在此之上構(gòu)建穩(wěn)定而快速的存儲(chǔ)以及其它Ｉ因此為物聯(lián)網(wǎng)海量數(shù)據(jù)Ｔ服務(wù)，處理提供了一種可能．然而，目前絕大多數(shù)的云數(shù)

［７］

、據(jù)管理系統(tǒng)屬于“鍵－值”數(shù)據(jù)庫(kù)，如Ｂｉｔａｂｌｅ１ｇ

［８］［９］［０］［１］

、、、等（少Ｄｎａｍｏ１ＨＢａｓｅ１ＰＮＵＴＳ２ＨＩＶＥ２ｙ

２　相關(guān)工作

在傳感器采樣數(shù)據(jù)的存儲(chǔ)與查詢處理方面，傳統(tǒng)的方法主要是分布式的存儲(chǔ)方法．分布式存儲(chǔ)方

］８１０－

是指將采樣數(shù)據(jù)直接存儲(chǔ)在各傳感器結(jié)點(diǎn)，法［

量的云數(shù)據(jù)庫(kù)系統(tǒng)采用下面將討論的并行數(shù)據(jù)庫(kù)技

［２］

“術(shù)，如Ｓ等）鍵－值”數(shù)據(jù)庫(kù)能夠高效ＱＬＡｚｕｒｅ２．　

但不能有效地支持物地處理基于主關(guān)鍵字的查詢，

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．

另一種集中式的傳感器數(shù)據(jù)管理方法是采用并

］２３２５－

行數(shù)據(jù)庫(kù)技術(shù)［并行數(shù)據(jù)庫(kù)通過(guò)將多個(gè)關(guān)系數(shù)．

或者存放在Ｓ查詢處理時(shí)再通過(guò)遠(yuǎn)程訪問ｉｎｋ節(jié)點(diǎn)，獲取數(shù)據(jù)．如果查詢涉及到不同的傳感器網(wǎng)絡(luò)，則需要通過(guò)中間件來(lái)進(jìn)行模型轉(zhuǎn)換，進(jìn)而實(shí)現(xiàn)異構(gòu)傳感

］１１１２－

器網(wǎng)絡(luò)之間的互操作［上述方法的好處是：由于．

傳感器數(shù)據(jù)直接存儲(chǔ)在本地或就近的Ｓ因ｉｎｋ結(jié)點(diǎn)，此避免了數(shù)據(jù)存儲(chǔ)時(shí)的傳輸通信開銷．但是，上述方式并不適合于以密集復(fù)雜查詢和異構(gòu)數(shù)據(jù)集成為特征的大規(guī)模物聯(lián)網(wǎng)環(huán)境，原因如下：

（）物聯(lián)網(wǎng)系統(tǒng)中通常涉及密集型的復(fù)雜查詢１處理，如時(shí)空約束條件查詢、群體數(shù)據(jù)查詢、統(tǒng)計(jì)分

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)．此外，由于采用了嚴(yán)格的分布式事務(wù)處理機(jī)制（如兩階段提交協(xié)議、數(shù)據(jù)加鎖協(xié)議，等）在傳感器采樣數(shù)據(jù)頻繁上傳和更新的情況下，

１１７８

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

數(shù)據(jù)處理的效率十分低下．最后，傳統(tǒng)的并行數(shù)據(jù)庫(kù)技術(shù)主要針對(duì)通用的數(shù)據(jù)類型，尚不能有效地支持物聯(lián)網(wǎng)中傳感器時(shí)空相關(guān)數(shù)據(jù)的并行存儲(chǔ)與查詢處理．

］文獻(xiàn)［討論了傳感器數(shù)據(jù)中心（的數(shù)據(jù)２６ＳＤＣ）復(fù)制與負(fù)載均衡問題．作者雖然對(duì)集中式傳感器數(shù)據(jù)中心的最終目標(biāo)進(jìn)行了描述，但是目前的研究還所給出的Ｓ比較初步．ＤＣ框架是直接建立在計(jì)算機(jī)集群上的，而不是通過(guò)數(shù)據(jù)庫(kù)集群的方式，因此沒有全局索引、全解決傳感器異構(gòu)時(shí)空數(shù)據(jù)的表示模型、局查詢機(jī)制等關(guān)鍵技術(shù)問題．

在異構(gòu)傳感器采樣數(shù)據(jù)的統(tǒng)一表示方法方面，最直接的思路是采用空間數(shù)據(jù)庫(kù)及時(shí)空數(shù)據(jù)庫(kù)的有

］２７２８－

，關(guān)方法［解決傳感器數(shù)據(jù)的異構(gòu)性和時(shí)空相關(guān)

的時(shí)空數(shù)據(jù)庫(kù)集群方面的研究尚處于空白．

從數(shù)據(jù)流處理的角度來(lái)看，雖然物聯(lián)網(wǎng)傳感器采樣數(shù)據(jù)表現(xiàn)出動(dòng)態(tài)上傳的流式特性，但是其處理目前的絕方法與流數(shù)據(jù)管理技術(shù)有著根本的不同：

［９］［０］

、、大多數(shù)流數(shù)據(jù)庫(kù)，如ＴｅｌｅｒａｈＣＱ２Ｇｉａｓｃｏｅ３ｇｐｇｐ［１］［３２］

、等，主要解決如何在數(shù)據(jù)流ＳｓｔｅｍＳ３ＮｅｔＦｌｉ�。�

實(shí)時(shí)地解析出查詢結(jié)果（通常針對(duì)相到來(lái)的過(guò)程中，

對(duì)簡(jiǎn)單的查詢，如查找某個(gè)特定的數(shù)據(jù)項(xiàng)或序列模，數(shù)據(jù)庫(kù)內(nèi)并不存儲(chǔ)長(zhǎng)時(shí)間的歷史數(shù)據(jù)；而物式等）

并在此基礎(chǔ)上聯(lián)網(wǎng)中需要保存長(zhǎng)時(shí)間的歷史數(shù)據(jù)，實(shí)現(xiàn)復(fù)雜和靈活得多的查詢處理．

綜合以上分析可以看出，針對(duì)物聯(lián)網(wǎng)中傳感器采樣數(shù)據(jù)管理所面臨的海量性、異構(gòu)性、時(shí)空相關(guān)性目前尚沒有成熟的解決方及動(dòng)態(tài)流式特性等挑戰(zhàn)，

案，需要有針對(duì)性地進(jìn)行專門的研究．

但是，傳感器采樣數(shù)據(jù)除了時(shí)空屬性之外，性問題．

還包含物理對(duì)象的種種其它屬性（如溫度、壓力、交，速度等）如何對(duì)這些異構(gòu)的物理屬性進(jìn)通流密度、

行統(tǒng)一的表示是目前尚未解決的問題．此外，空間數(shù)而時(shí)空數(shù)據(jù)庫(kù)雖然據(jù)庫(kù)主要面向靜態(tài)的空間對(duì)象，

，如時(shí)空軌跡數(shù)據(jù)）但目可以處理動(dòng)態(tài)上傳的數(shù)據(jù)（

前的研究主要針對(duì)單個(gè)時(shí)空數(shù)據(jù)庫(kù)結(jié)點(diǎn)，在大規(guī)模

３�。桑铮裕茫欤酰螅簦澹颍模碌南到y(tǒng)結(jié)構(gòu)－

在本節(jié)，我們描述ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的體系結(jié)構(gòu)（）見圖１與工作機(jī)理

．

圖１　ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的體系結(jié)構(gòu)

ＩｏＴ－ＣｌｕｓｔｅｒＤＢ是由多個(gè)傳感器時(shí)空　　如圖１所示，

數(shù)據(jù)庫(kù)結(jié)點(diǎn)（ＩｏＴＳｅｎｓｏｒＳａｔｉａｌｅｍｏｒａｌＤａｔａＢａｓｅ　　－Ｔ　ｐｐ，所組成的一個(gè)數(shù)據(jù)庫(kù)集群．在ＮｏｄｅＩｏＴ－ＮｏｄｅＤＢ）

并不是原封不動(dòng)地存放所有的ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中，傳感器采樣數(shù)據(jù)，而是只存放數(shù)值型的關(guān)鍵采樣數(shù)據(jù)．為此，系統(tǒng)需要通過(guò)傳感器接入處理器對(duì)數(shù)據(jù)進(jìn)此外，原始的傳感器采樣數(shù)據(jù)也保存在各行預(yù)處理．

個(gè)傳感器接入處理器中，以滿足溯源處理的要求．

從層次劃分的角度來(lái)看，傳感器接入處理器位因此對(duì)各種傳感器網(wǎng)絡(luò)本身于傳感器網(wǎng)絡(luò)層之上，

的數(shù)據(jù)采集、通信模式?jīng)]有特殊要求，從而增加了整個(gè)系統(tǒng)的靈活性和可擴(kuò)充性．

３．１　傳感器的接入與預(yù)處理

在Ｉ允許接入的監(jiān)控設(shè)備包ｏＴ－ＣｌｕｓｔｅｒＤＢ中，括物聯(lián)網(wǎng)系統(tǒng)中所管理的各類傳感器設(shè)備、視頻與音頻監(jiān)控設(shè)備、部署在某個(gè)區(qū)域的無(wú)線傳感器網(wǎng)絡(luò)（等．此外，ＷＳＮ）ＩｏＴ－ＣｌｕｓｔｅｒＤＢ還允許以人工的方式輸入感知數(shù)據(jù)．所有這些方式獲得的數(shù)據(jù)，我們均傳感器采樣數(shù)據(jù)”統(tǒng)一地稱之為“．

通常情況下，傳感器的采樣數(shù)據(jù)是數(shù)值型的，如溫度傳感器、壓力傳感器、無(wú)線傳感器ＧＰＳ傳感器、但是，網(wǎng)絡(luò)等所獲得的數(shù)據(jù)．ＩｏＴ－ＣｌｕｓｔｅｒＤＢ也允許多媒體設(shè)備（如視頻監(jiān)控設(shè)備、遙感成像設(shè)備、高空成像設(shè)備等）接入系統(tǒng)，通過(guò)相應(yīng)的多媒體分析，可

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１７９

以從這些設(shè)備所獲得的多媒體數(shù)據(jù)（如交通攝像頭采集的視頻數(shù)據(jù)流）中提取出有意義的數(shù)值型數(shù)據(jù)（如道路交通流的平均速度、車輛密度、交通流量因此，多媒體設(shè)備連同傳感器接入處理器（見等）．）圖２中相應(yīng)的多媒體分析模塊，可以達(dá)到與普通傳感器一樣的效果，所以在

通過(guò)上述分析可以看出，

反映物理世界狀態(tài)的數(shù)據(jù)．例如，在發(fā)生空特性的、

每一個(gè)病例登記即可看成一個(gè)傳感ＳＡＲＳ疫情時(shí)，

器采樣數(shù)據(jù)，該數(shù)據(jù)反映了病例發(fā)生的時(shí)間、地點(diǎn)、規(guī)模等信息．又如，在大面積布設(shè)的ＷＳ系統(tǒng)Ｎ中，本身即可根據(jù)多個(gè)傳感器個(gè)體的采樣值獲得匯總數(shù)，據(jù)（如污染帶的面積、位置等）這些匯總數(shù)據(jù)也可以在這種情況下，可以將整個(gè)看成傳感器采樣數(shù)據(jù)（

而不需要對(duì)其中的單個(gè)傳ＷＳＮ看成一個(gè)傳感器，感器進(jìn)行管理）．

傳感器將采樣數(shù)據(jù)上傳給傳感器接入處理器（，的方式可分為ＳｅｎｓｏｒＣｏｎｎｅｃｔｉｎＰｒｏｃｅｓｓｏｒＳＣＰ）　ｇ　

主動(dòng)上傳與被動(dòng)上傳．其中，主動(dòng)上傳是根據(jù)兩種：

預(yù)先定義的條件，由傳感器自身進(jìn)行計(jì)算和判斷，只有當(dāng)規(guī)定的條件滿足時(shí)才上傳數(shù)據(jù)，這種方式具有較好的數(shù)據(jù)傳輸效率，但需要傳感器具備一定的計(jì)而被動(dòng)上傳則是以一定的頻率周期性地上傳算能力；

這種方式雖然具有較大的通信代價(jià)，但對(duì)傳感數(shù)據(jù)，

器的計(jì)算能力要求很小，因此也得到了廣泛的應(yīng)用．

在Ｉ傳感器采樣數(shù)據(jù)是以“原ｏＴ－ＣｌｕｓｔｅｒＤＢ中，）”子監(jiān)控對(duì)象（為單位進(jìn)行ａｔｏｍｉｃｍｏｎｉｔｏｒｅｄｏｂｅｃｔ　�。杲M織的，而不是以傳感器為單位．同一個(gè)監(jiān)控對(duì)象的所有傳感器采樣值按照時(shí)間序列組織在一起，形成，該監(jiān)控對(duì)象的“采樣數(shù)據(jù)序列”并作為一個(gè)屬性存放在該監(jiān)控對(duì)象的元組記錄中．

在絕大多數(shù)情況下，一個(gè)監(jiān)控對(duì)象即對(duì)應(yīng)于一個(gè)傳感器（如太湖中的一個(gè)溫度傳感器可看成是一個(gè)監(jiān)控對(duì)象，對(duì)應(yīng)于一個(gè)具體的溫度監(jiān)測(cè)點(diǎn)，因此太；湖中可包含大量的監(jiān)控對(duì)象）但某些時(shí)候兩者并不具有一一對(duì)應(yīng)的關(guān)系，例如ＲＦＩＤ傳感器與所監(jiān)控——帶有的車輛或貨物之間并沒有固定的對(duì)應(yīng)關(guān)系—ＲＦＩＤ標(biāo)簽的監(jiān)控對(duì)象的采樣數(shù)據(jù)序列是由整個(gè)系統(tǒng)中的多個(gè)ＲＦＩＤ傳感器所采集的數(shù)據(jù)匯總而成的．

根據(jù)監(jiān)控對(duì)象的位置是否移動(dòng)，我們可以將它們分為兩大類：靜止監(jiān)控對(duì)象（如太湖中固定布設(shè)的溫度傳感器、車庫(kù)中的剩余車位計(jì)數(shù)器、無(wú)線傳感器網(wǎng)絡(luò)

等）和移動(dòng)監(jiān)控對(duì)象（如帶Ｇ條形碼的ＰＳ、ＲＦＩＤ標(biāo)簽、車輛與貨物、浮動(dòng)車上布設(shè)的視頻交通流傳感器等）．

傳感器接入處理器可以實(shí)現(xiàn)大量傳感器的接實(shí)現(xiàn)對(duì)傳感器原始采樣數(shù)據(jù)的分析、過(guò)濾與轉(zhuǎn)入，

換，完成原始采樣數(shù)據(jù)的本地存儲(chǔ)，并將處理后的數(shù)值型關(guān)鍵采樣數(shù)據(jù)上傳到ＩｏＴ－ＣｌｕｓｔｅｒＤＢ數(shù)據(jù)庫(kù)集傳感器接入處理器分擔(dān)了整群中做進(jìn)一步的處理．

個(gè)系統(tǒng)的很大一部分?jǐn)?shù)據(jù)處理與存儲(chǔ)任務(wù)，使得帶有語(yǔ)義信ＩｏＴ－ＣｌｕｓｔｅｒＤＢ只需處理相對(duì)較少的、圖２給出了傳感器接入息的數(shù)值型關(guān)鍵采樣數(shù)據(jù)．處理器的工作過(guò)程

．

圖２　傳感器接入處理器的主要工作過(guò)程

如圖２所示，傳感器接入處理器的主要工作過(guò)程如下：

（）非數(shù)值型采樣數(shù)據(jù)的數(shù)值化．對(duì)于多媒體１

原始采樣數(shù)據(jù)，傳感器接入處理器需要進(jìn)行相關(guān)的獲得能夠反映監(jiān)控對(duì)象物理狀態(tài)多媒體數(shù)據(jù)分析，

的數(shù)值型導(dǎo)出數(shù)據(jù)，如通過(guò)對(duì)交通攝像頭視頻圖像的分析，可以提取出監(jiān)控地點(diǎn)的車輛密度、平均車速、交通流量等參數(shù)信息；通過(guò)對(duì)高空遙感圖像的分析，可以提取出污染區(qū)域及火災(zāi)區(qū)域的地理幾何形狀等空間數(shù)據(jù)信息．

（）密集采集數(shù)據(jù)的稀疏化．無(wú)論是通過(guò)多媒２

體數(shù)據(jù)分析所獲得的數(shù)值型導(dǎo)出數(shù)據(jù)，還是直接從它們?nèi)匀淮嬖趥鞲衅鳙@得的數(shù)值型原始采樣數(shù)據(jù)，

如果將這些數(shù)據(jù)全部傳入著采樣頻率過(guò)高的缺陷．

則會(huì)導(dǎo)致數(shù)據(jù)中心數(shù)據(jù)ＩｏＴ－ＣｌｕｓｔｅｒＤＢ進(jìn)行管理，量的急劇膨脹．為此，傳感器接入處理器需要通過(guò)關(guān)鍵數(shù)據(jù)的提取操作，從原始數(shù)據(jù)流中抽取出能夠反映監(jiān)控目標(biāo)物理狀態(tài)變化的關(guān)鍵采樣數(shù)據(jù)，僅將關(guān)鍵采樣數(shù)據(jù)上傳給ＩｏＴ－ＣｌｕｓｔｅｒＤＢ進(jìn)行處理．

１１８０

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

在關(guān)鍵數(shù)據(jù)的提取方面，一種簡(jiǎn)單的方法是基——對(duì)于每一于狀態(tài)變化閾值的關(guān)鍵數(shù)據(jù)提取方法—

種傳感器可以定義一個(gè)狀態(tài)變化閾值，如果新的采樣數(shù)據(jù)與上次上傳的關(guān)鍵采樣數(shù)據(jù)之間的差值沒有則不需要進(jìn)行任何處理；僅當(dāng)它們之間超過(guò)該閾值，

的差值超過(guò)規(guī)定的閾值時(shí)，新的采樣數(shù)據(jù)才成為需此外，我們還可以采取其它要上傳的關(guān)鍵采樣數(shù)據(jù)．

的更加智能化的數(shù)據(jù)提取方法，在保證關(guān)鍵數(shù)據(jù)上過(guò)濾掉大量的冗余數(shù)據(jù)（注意，如果傳傳的前提下，

則采樣數(shù)據(jù)已經(jīng)進(jìn)行了感器采用主動(dòng)上傳的方式，

稀疏化處理，ＳＣＰ不需要再進(jìn)行相應(yīng)的處理）．（）條形碼閱讀器采樣數(shù)據(jù)的提取．對(duì)于３ＲＦＩＤ、

條形碼閱讀器等所采集的數(shù)據(jù)，傳感ＲＦＩＤ傳感器、

并器接入處理器需要提取出移動(dòng)監(jiān)控對(duì)象的標(biāo)識(shí)，連同相關(guān)的采樣時(shí)間與采樣地點(diǎn)組成采樣記錄，然后將該采樣記錄發(fā)送給ＩｏＴ－ＣｌｕｓｔｅｒＤＢ進(jìn)行處理．來(lái)自于ＩｏＴ－ＣｌｕｓｔｅｒＤＢ將同一個(gè)移動(dòng)監(jiān)控對(duì)象的、不同ＲＦＩＤ傳感器或條形碼閱讀器的采樣數(shù)據(jù)集中可以獲得該監(jiān)控對(duì)象的采樣數(shù)據(jù)序列，該數(shù)據(jù)起來(lái)，

序列反映了其完整的時(shí)空移動(dòng)過(guò)程．

（）原始采樣數(shù)據(jù)的存儲(chǔ)．對(duì)于具有保留價(jià)值４

的原始采樣數(shù)據(jù)（如視頻監(jiān)控多媒體數(shù)據(jù)、油庫(kù)溫度原始采樣數(shù)據(jù)等）也由傳感器接入處理器進(jìn)行存儲(chǔ)管理．在Ｉ每個(gè)監(jiān)控對(duì)象的元組數(shù)ｏＴ－ＣｌｕｓｔｅｒＤＢ中，據(jù)中均含有存儲(chǔ)該對(duì)象的原始采樣數(shù)據(jù)的ＳＣＰ標(biāo)通過(guò)這些標(biāo)識(shí)，查詢用戶可以連接到相應(yīng)的識(shí)，

并通過(guò)相應(yīng)的數(shù)據(jù)訪問接口檢索和回放完整ＳＣＰ，的歷史與當(dāng)前原始采樣數(shù)據(jù)．３．２�。桑铮裕茫欤酰螅簦澹颍模聰�(shù)據(jù)庫(kù)集群－

ＩｏＴ－ＣｌｕｓｔｅｒＤＢ數(shù)據(jù)庫(kù)集群是由大量的同構(gòu)傳感器時(shí)空數(shù)據(jù)庫(kù)結(jié)點(diǎn)Ｉ每個(gè)ｏＴ－ＮｏｄｅＤＢ所組成的，ＩｏＴ－ＮｏｄｅＤＢ可以對(duì)各類異構(gòu)的傳感器采樣數(shù)據(jù)進(jìn)行統(tǒng)一化的管理．在Ｉ數(shù)據(jù)是以監(jiān)控ｏＴ－ＮｏｄｅＤＢ中，——每個(gè)監(jiān)控對(duì)象對(duì)應(yīng)于一對(duì)象為單位進(jìn)行管理的—

個(gè)元組，該監(jiān)控對(duì)象的所有關(guān)鍵采樣數(shù)據(jù)存放在一起構(gòu)成一個(gè)采樣數(shù)據(jù)序列，并作為一個(gè)屬性值存放在該元組中．此外，每個(gè)監(jiān)控對(duì)象的元組中還包含存放原始采樣數(shù)據(jù)的Ｓ使得各個(gè)傳感器接入ＣＰ標(biāo)識(shí)，處理器與ＩｏＴ－ＣｌｕｓｔｅｒＤＢ能夠分擔(dān)系統(tǒng)的計(jì)算與存儲(chǔ)任務(wù)并協(xié)同工作．

在Ｉ大量的ＩｏＴ－ＣｌｕｓｔｅｒＤＢ數(shù)據(jù)庫(kù)集群中，ｏＴ－其中葉結(jié)點(diǎn)存儲(chǔ)實(shí)ＮｏｄｅＤＢ被組成雙層樹形結(jié)構(gòu)，際的傳感器采樣數(shù)據(jù)，而根結(jié)點(diǎn)則存儲(chǔ)為了進(jìn)行全局查詢所需要的全局?jǐn)?shù)據(jù)字典．所有的查詢均提交

給根結(jié)點(diǎn)，根結(jié)點(diǎn)通過(guò)全局查詢處理模塊，實(shí)現(xiàn)對(duì)查詢的全局處理．在Ｉ通過(guò)建立分布ｏＴ－ＣｌｕｓｔｅｒＤＢ中，式的全局關(guān)鍵字索引和全局時(shí)空索引，整個(gè)系統(tǒng)可時(shí)空查詢以及復(fù)雜以同時(shí)支持快速的關(guān)鍵字查詢、的邏輯條件約束查詢．

４　傳感器時(shí)空數(shù)據(jù)庫(kù)模型

在本節(jié)，我們討論ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中的各傳感的數(shù)據(jù)管理方法，器時(shí)空數(shù)據(jù)庫(kù)結(jié)點(diǎn)（ＩｏＴ－ＮｏｄｅＤＢ）并重點(diǎn)討論如何使用統(tǒng)一的數(shù)據(jù)庫(kù)表示方式，對(duì)異構(gòu)的傳感器關(guān)鍵采樣數(shù)據(jù)進(jìn)行存儲(chǔ)與查詢處理．我們假設(shè)數(shù)據(jù)庫(kù)中已經(jīng)實(shí)現(xiàn)了標(biāo)準(zhǔn)數(shù)據(jù)類型、空間數(shù)并采用據(jù)類型以及基于這些類型的相關(guān)查詢操作，］文獻(xiàn)［中的符號(hào)表示方法對(duì)數(shù)據(jù)類型和操作２７２８－進(jìn)行相關(guān)的表示．

如前所述，在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中可以接入海量每一種類型的傳感器所獲得的的異構(gòu)傳感器結(jié)點(diǎn)．

但它們的共采樣數(shù)據(jù)均可以具有不同的數(shù)據(jù)格式，

同特點(diǎn)是均具有時(shí)空特性：即每個(gè)傳感器采樣數(shù)據(jù)均對(duì)應(yīng)于一個(gè)具體的采樣時(shí)間ｔＩｎｓｔａｎｔ和一個(gè)具∈

體的采集地點(diǎn)ｌ在多數(shù)情況下，ｏｃ∈Ｐｏｉｎｔｅｉｏｎ．∪Ｒｇ傳感器數(shù)據(jù)的采樣地點(diǎn)是一個(gè)精確的位置（即ｌｏｃ∈），如風(fēng)力與風(fēng)向傳感器、ＰｏｉｎｔＧＰＳ傳感器等采集的

但是，有時(shí)候也存在采樣位置不精確的情況數(shù)據(jù)．

（，即ｌ如在無(wú)線傳感器網(wǎng)絡(luò)中，通常在某ｏｃ∈Ｒｅｉｏｎ）ｇ

個(gè)區(qū)域中可以布設(shè)一群傳感器，此時(shí)所得到的采樣數(shù)據(jù)（可以是單個(gè)傳感器的采樣值，或者是群體傳感器的匯總數(shù)據(jù)）對(duì)應(yīng)的采樣地點(diǎn)即為一個(gè)地理區(qū)域．

此外，為了快速地查詢和分析各監(jiān)控對(duì)象的歷次采樣信息，傳感器采樣數(shù)據(jù)應(yīng)該以監(jiān)控對(duì)象為單位進(jìn)行組織，使得同一個(gè)監(jiān)控對(duì)象的所有數(shù)據(jù)都存放在一起，并隨著時(shí)間而動(dòng)態(tài)變化．因此傳感器采樣數(shù)據(jù)表現(xiàn)出序列性和動(dòng)態(tài)變化的流式特性．

在Ｉ為了對(duì)異構(gòu)的傳感器流式ｏＴ－ＮｏｄｅＤＢ中，時(shí)空相關(guān)數(shù)據(jù)進(jìn)行有效的管理，需要定義相應(yīng)的數(shù)據(jù)類型與查詢操作，在數(shù)據(jù)庫(kù)內(nèi)核一級(jí)實(shí)現(xiàn)傳感器采樣數(shù)據(jù)的高效存儲(chǔ)與查詢處理．

４．１　數(shù)據(jù)類型

在本小節(jié)，我們首先定義單個(gè)傳感器采樣值的表示方法，在此基礎(chǔ)上，給出監(jiān)控對(duì)象的采樣數(shù)據(jù)序列的表示方法．通過(guò)這些數(shù)據(jù)類型，數(shù)據(jù)庫(kù)內(nèi)核可以對(duì)異構(gòu)的傳感器關(guān)鍵采樣數(shù)據(jù)流進(jìn)行統(tǒng)一的表示與存儲(chǔ)處理．

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１８１

（定義１傳感器采樣值）．　傳感器的單個(gè)采樣值ＳａｍｌｉｎＶａｌｕｅ可以表示為如下形式：ｐｇ

，，），ＳａｍｌｉｎＶａｌｕｅ＝（ｔｌｏｃ，ｎｏｓｓｃｈｅｍａ，ｖａｌｕｅｐｇｐ

其中：ｔ∈Ｉｎｓｔａｎｔ是該采樣數(shù)據(jù)所對(duì)應(yīng)的采樣時(shí)間；

），）和（６２．５ｄｉｒｅｃｔｉｏｎ：ｒｅａｌ２２．

（定義３采樣數(shù)據(jù)序列）．　同一個(gè)監(jiān)控對(duì)象的歷次采樣值（可以來(lái)自于同一個(gè)傳感器，也可以來(lái)自）如Ｒ條形碼閱讀器等）按照時(shí)于多個(gè)傳感器（ＦＩＤ、間序列存放在一起，構(gòu)成該對(duì)象的采樣數(shù)據(jù)序列表示為如下形式：ＳａｍｌｉｎＳｅｕｅｎｃｅ，ｐｇｑ

ｌｏｃ∈Ｐｏｉｎｔ∪Ｒｅｉｏｎ是采樣地點(diǎn)；ｎｏｓ∈Ｓｔｒｉｎｇｐｇ是

該采樣數(shù)據(jù)所對(duì)應(yīng)的交通網(wǎng)絡(luò)位置（以有向道路的當(dāng)采樣位置不在交通網(wǎng)絡(luò)中時(shí)ｎＩＤ表示；ｏｓ為空ｐ

；值）ｓｃｈｅｍａ∈Ｓｔｒｉｎａｌｕｅ∈Ｓｔｒｉｎｇ和ｖｇ分別是采樣，型”和“值”其中“型”描述了采樣數(shù)據(jù)的格數(shù)據(jù)的“

“值”是具體的采樣數(shù)據(jù)值．由于ｓ式及語(yǔ)義，ｃｈｅｍａ和ｖ因此需要用括號(hào)對(duì)ａｌｕｅ均可能包含多個(gè)分量，它們的邊界進(jìn)行劃分．

在上述定義中，采樣地點(diǎn)ｌｏｃ的表示形式取決對(duì)于移動(dòng)監(jiān)控對(duì)象（通常通過(guò)于監(jiān)控對(duì)象的類型．

，必然有ＧＰＳ、ＲＦＩＤ或條形碼閱讀器進(jìn)行定位）ｌｏｃ∈；而對(duì)于靜止監(jiān)控對(duì)象，可以包含ｌＰｏｉｎｔｏｃ∈Ｐｏｉｎｔ（如固定布設(shè)的交通流傳感器）和ｌ如無(wú)ｏｃ∈Ｒｅｉｏｎ（ｇ兩種情況．線傳感器網(wǎng)絡(luò)中成片布設(shè)的傳感器）

表１給出了各種不同類型的傳感器關(guān)鍵采樣數(shù)據(jù)的例子（設(shè)ｔｔｅｅ１～５是采樣時(shí)間，２０１～２０２是有向道路的標(biāo)識(shí)）．

表１　傳感器采樣值的例子

傳感器類型溫度傳感器（部署在某區(qū)域的ＷＳＮ）

ＧＰＳ傳感器風(fēng)速風(fēng)向傳感器交通流視頻分析傳感器

傳感器采樣值（ＳａｍｌｉｎＶａｌｕｅ數(shù)據(jù)類型）ｐｇ（），（ｔｒｅｉｏｎＮＵＬＬ，ｔｅｍｅｒａｔｕｒｅ：ｒｅａｌｇｐ１，１，（））２７．５（，，ｔ３９．３，１４４．３）ｅｓｅｅｄ：ｒｅａｌｐ２，（２０１，（

），（））ｄｉｒｅｃｔｉｏｎ：ｒｅａｌ６２．５，２２（（，（ｔ３９．３，１４４．３）ＮＵＬＬ，ｗｉｎｄｓｅｅｄ：ｐ３，

，），（））ｒｅａｌｗｉｎｄｄｉｒ：ｒｅａｌ６２．５，２２（（，（ｔ３９．３，１４４．３）ｅａｖｅｒａｅＳｅｅｄ：ｇｐ４，２０２，，），（））ｒｅａｌａｍ：ｂｏｏｌ６２．５，ｔｒｕｅｊ

ａｍｌｉｎＳｅｕｅｎｃｅ＝�。樱穑纾�

ｎ

（（（）），ｓｃｈｅｍａ，ｔｌｏｃｎｏｓｖａｌｕｅｌａｐｆｇｉ，ｉ，ｉ，ｉ，ｉ）ｉ＝１其中，ｓｃｈｅｍａ∈Ｓｔｒｉｎｇ是采樣序列中各采樣值的“，、型”ｔｎｓｔａｎｔｌｏｃｏｉｎｔ∪Ｒｅｉｏｎ、ｎｏｓｇｐｉ∈Ｉｉ∈Ｐｉ∈

ＳｔｒｉｎａｌｕｅＳｔｒｉｎｇ和ｖｇ分別是第ｉ個(gè)采樣值的采ｉ∈樣時(shí)間、采樣地點(diǎn)、采樣地點(diǎn)對(duì)應(yīng)的網(wǎng)絡(luò)位置以及實(shí)際的采樣數(shù)值，ｌａｆｇｉ表示第ｉ個(gè)采樣值是否為該數(shù)，間斷點(diǎn)”即一個(gè)新片斷的起點(diǎn)．據(jù)序列中的一個(gè)“

下面讓我們來(lái)進(jìn)一步討論ｆ在ＩｌａｏＴ－Ｃｌｕｓ－ｇｉ．?dāng)?shù)據(jù)是根據(jù)地理區(qū)域進(jìn)行分布的（詳見第ｔｅｒＤＢ中，

對(duì)于移動(dòng)監(jiān)控對(duì)象（如Ｇ５．１節(jié)）．ＰＳ傳感器、ＲＦＩＤ、條形碼閱讀器監(jiān)控的對(duì)象）來(lái)說(shuō)，其采樣數(shù)據(jù)序列可以被分割成多個(gè)片段，并被存儲(chǔ)在不同的數(shù)據(jù)庫(kù)結(jié)如果某個(gè)移動(dòng)監(jiān)控對(duì)象ｍ點(diǎn)中．ｏｂｊ多次進(jìn)入同一個(gè)數(shù)據(jù)庫(kù)結(jié)點(diǎn)所對(duì)應(yīng)的地理區(qū)域，則該數(shù)據(jù)庫(kù)結(jié)點(diǎn)中存放的ｍ如ｏｂｊ的采樣數(shù)據(jù)序列包含多個(gè)片段（，圖３所示）而ｆｌａｇｉ則用于表示對(duì)應(yīng)的采樣值是否為一個(gè)新片段的起點(diǎn)

．

（，（高空遙感識(shí)別傳感器（ｔ３９．３，１４４．３）ＮＵＬＬ，ｄｉｓａｓｔｅｒＡｒｅａ：５，

），（）（火災(zāi)區(qū)域識(shí)別）ｒｅｉｏｎｒｅｉｏｎｇｇ２）

傳感器的采樣值可以由多個(gè)分量組成，如表１中Ｇ速度和方向ＰＳ傳感器的采樣值具有兩個(gè)分量：（注意：緯度信息是傳感器采樣ＧＰＳ所采集的經(jīng)度、值的基本信息，表示在ｌ所以并不屬于采ｏｃ屬性中，樣值的分量）為了進(jìn)一步表示傳感器采樣值的分．量，我們定義如下ＳａｍｌｉｎＣｏｍｏｎｅｎｔ數(shù)據(jù)類型．ｐｇｐ

（定義２采樣值的分量）．　傳感器采樣值的分量ＳａｍｌｉｎＣｏｍｏｎｅｎｔ可以表示為如下形式：ｐｇｐ），ＳａｍｌｉｎＣｏｍｏｎｅｎｔ＝（ｃＳｃｈｅｍａ，ｃＶａｌｕｅｐｇｐ

其中，ｃＳｃｈｅｍａ∈ＳｔｒｉｎｃＶａｌｕｅ∈Ｓｔｒｉｎｇ，ｇ分別是采樣值分量的“型”和“值”例如，表１中Ｇ．ＰＳ傳感器，采樣值的速度與方向分量分別表示為（ｓｅｅｄ：ｒｅａｌｐ

圖３　采樣數(shù)據(jù)序列包含多個(gè)分段的情況

對(duì)于靜止監(jiān)控對(duì)象，由于其歷次采樣值的ｌｏｃ屬性保持不變，因此ＳａｍｌｉｎＳｅｕｅｎｃｅ的格式可ｐｇｑ以簡(jiǎn)化為（注意此時(shí)盡管不存在采樣數(shù)據(jù)序列分割的問題，但ｆ用于表示監(jiān)控過(guò)程ｌａｇｉ仍然是需要的，：被暫時(shí)掛起的情況）

ＳａｍｌｉｎＳｅｕｅｎｃｅ＝ｐｇｑ

ｎ

，（（））ｓｃｈｅｍａ，ｌｏｃ，ｎｏｓｔｖａｌｕｅｌａ�。ǎ穑纾�，ｉ，ｉ）ｉ＝１．上述兩種ＳａｍｌｉｎＳｅｕｅｎｃｅ表示方式在格式ｐｇｑ

１１８２

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

上稍有區(qū)別，由數(shù)據(jù)庫(kù)系統(tǒng)自動(dòng)進(jìn)行區(qū)分和處理．

在系統(tǒng)實(shí)現(xiàn)時(shí)，ＳａｍｌｉｎＳｅｕｅｎｃｅ數(shù)據(jù)類型被ｐｇｑ真實(shí)的采設(shè)計(jì)成一個(gè)指向外存文件數(shù)據(jù)塊的指針，而不是直接存放在樣數(shù)據(jù)序列被存放在文件塊中，

元組中．這樣當(dāng)新的采樣數(shù)據(jù)到來(lái)并淘汰舊的采樣數(shù)據(jù)時(shí)，只需要直接修改文件數(shù)據(jù)塊即可，而不需要對(duì)數(shù)據(jù)庫(kù)元組進(jìn)行修改，從而提高了處理的效率．

通過(guò)上述數(shù)據(jù)類型，我們可以建立關(guān)系表用以表示和存儲(chǔ)物聯(lián)網(wǎng)中各監(jiān)控對(duì)象的采樣數(shù)據(jù)序列，如

ＣＲＥＡＴＥＴＡＢＬＥＩｏＴＤａｔａ（ＯｂＩＤ：Ｓｔｒｉｎ　�。辏纾�

：：ＯｂＴｅＳｔｒｉｎＤｅｌｏｅｄＢＳｔｒｉｎｊｙｐｐｙｙｇ，ｇ，：，Ｈ：ＤｅｏｅｄＴｉｍｅＩｎｓｔａｎｔｏｓｔＯｂＳｔｒｉｎｐｙｊｇ，：）；ＳａｍｌｉｎｓＳａｍｌｉｎＳｅｕｅｎｃｅｐｇｐｇｑ

進(jìn)行如下處理：

（）（如果ｔ則直接返回“未定義”用“１ｔ⊥”１，ｑ＜

；表示）

）），（如果ｔ則需要進(jìn)一２ｔｔ２，ｎ］ｊ∈［ｊ－１＜ｑ＜ｊ（

，步檢查ｆ如果ｆ則表明第ｊ個(gè)采ｌａｌａｒｕｅｇｇｊ：ｊ＝Ｔ；，樣值為間斷點(diǎn)，此時(shí)返回“如果ｆａｌｓｅｌａ⊥”ｇｊ＝Ｆ則需要通過(guò)插值的方法得到ｔ在進(jìn)行ｑ時(shí)刻的結(jié)果．

插值計(jì)算時(shí)，根據(jù)采樣值的ｎｏｓ屬性是否為有效的ｐ可以選用基于交通網(wǎng)絡(luò)的插值方法或基網(wǎng)絡(luò)位置，

于Ｅｕｃｌｉｄｅａｎ空間的插值方法；

）（如果ｔ則返回（３ｔｔｌｏｃｎｏｓｓｃｈｅｍａ，ｐｎ，ｎ，ｎ，ｎ，ｑ＞

（注意，此時(shí)返回值中用的是ｔ用ｖａｌｕｅｎ）ｎ而不是ｔｑ，

以表明采樣的實(shí)際時(shí)間）．

通過(guò)ａ數(shù)據(jù)庫(kù)可以支持對(duì)監(jiān)控對(duì)ｔＩｎｓｔａｎｔ操作，象在監(jiān)控時(shí)間段內(nèi)任意時(shí)刻的狀態(tài)查詢．

、、空間投影操作ｓＰｒｏｅｃｔＬｉｎｅｓｓＰｒｏｅｃｔＰｏｉｎｔｊｊｓＰｒｏｅｃｔＮｅｔＰｏｓ和時(shí)間投影操作ｓＰｒｏｅｃｔＴｉｍｅ分別ｊｊ

它們將采樣數(shù)據(jù)序列向空間平面和時(shí)間軸上投影，的語(yǔ)法格式如下：

：ｓＰｒｏｅｃｔＬｉｎｅｓＳａｍｌｉｎＳｅｕｅｎｃｅ→Ｌｉｎｅｓｊｐｇｑ

針對(duì)移動(dòng)監(jiān)控對(duì)象）　�。�

：ｓＰｒｏｅｃｔＰｏｉｎｔＳａｍｌｉｎＳｅｕｅｎｃｅ→Ｐｏｉｎｔｊｐｇｑ針對(duì)ｌｏｃ∈Ｐｏｉｎｔ的靜止監(jiān)控對(duì)象）　　（

：ｓＰｒｏｅｃｔＲｅｉｏｎＳａｍｌｉｎＳｅｕｅｎｃｅ→Ｒｅｉｏｎｊｇｐｇｑｇ針對(duì)ｌｏｃ∈Ｒｅｉｏｎ的靜止監(jiān)控對(duì)象）　�。ǎ纾海ǎ螅校颍铮澹悖簦危澹簦校铮螅樱幔恚欤椋睿樱澹酰澹睿悖濉樱澹簦樱簦颍椋睿辏穑纾瘢纾�

：ｓＰｒｏｅｃｔＴｉｍｅＳａｍｌｉｎＳｅｕｅｎｃｅ→Ｐｅｒｉｏｄｓｊｐｇｑ、在上述空間投影操作中，ｓＰｒｏｅｃｔＰｏｉｎｔｓＰｒｏ－ｊｅｃｔＬｉｎｅｓ和ｓＰｒｏｅｃｔＲｅｉｏｎ分別針對(duì)特定的監(jiān)控對(duì)ｊｊｇ

；象，對(duì)于其它類型的監(jiān)控對(duì)象則返回“ｓＰｒｏｅｃｔ⊥”－ｊＮｅｔＰｏｓ操作返回空間投影值所對(duì)應(yīng)的網(wǎng)絡(luò)位置．

空間截取操作ｓＴｒｕｎｃａｔｅＧｅｏ和時(shí)間截取操作ｓＴｒｕｎｃａｔｅＴｉｍｅ分別根據(jù)給定的空間范圍和時(shí)間范

它們的語(yǔ)法格式圍截取采樣數(shù)據(jù)序列的一部分，如下：

：ｓＴｒｕｎｃａｔｅＧｅｏ

；ＳａｍｌｉｎＳｅｕｅｎｃｅ×Ｒｅｉｏｎ→ＳａｍｌｉｎＳｅｕｅｎｃｅｐｇｑｇｐｇｑ

：ｓＴｒｕｎｃａｔｅＴｉｍｅ

在上述關(guān)系表模式中，ＯｂＩＤ、ＯｂＴｅ、Ｄｅｌｏｅｄ－ｊｊｙｐｐｙ、監(jiān)控對(duì)ＢＤｅｏｅｄＴｉｍｅ分別是監(jiān)控對(duì)象的標(biāo)識(shí)、ｙｐｙ

象的具體類型（如Ｇ攝像識(shí)別傳感器、溫ＰＳ、ＲＦＩＤ、、度傳感器等）部署者、部署時(shí)間，ＨｏｓｔＯｂｊ是該監(jiān)控如太湖中的傳感器的宿主對(duì)象為對(duì)象的宿主對(duì)象（

，太湖）Ｓａｍｌｉｎｓ是該監(jiān)控對(duì)象的采樣數(shù)據(jù)序列．ｐｇ此外，ＩｏＴ－ＮｏｄｅＤＢ中每個(gè)監(jiān)控對(duì)象的元組還隱式地包含一個(gè)Ｓ其ＣＰＳｅｔ屬性和一個(gè)ＳｔａｔｉｃＭｏｖ屬性，中ＳＣＰＳｅｔ中存放該監(jiān)控對(duì)象的原始采樣數(shù)據(jù)的而Ｓ用ＳＣＰ集合，ｔａｔｉｃＭｏｖ是一個(gè)Ｂｏｏｌ型的標(biāo)記，于區(qū)分靜止監(jiān)控對(duì)象和移動(dòng)監(jiān)控對(duì)象．４．２　查詢操作

上述數(shù)據(jù)類型允許我們?cè)跀?shù)據(jù)庫(kù)內(nèi)核中以統(tǒng)一的數(shù)據(jù)格式表示異構(gòu)的傳感器采樣數(shù)據(jù)流．為了對(duì)傳感器數(shù)據(jù)進(jìn)行查詢，我們還需要在這些數(shù)據(jù)類型的基礎(chǔ)上定義一系列的查詢操作．

４．２．１　針對(duì)ＳａｍｌｉｎＳｅｕｅｎｃｅ數(shù)據(jù)類型的操作ｐｇｑ

針對(duì)ＳａｍｌｉｎＳｅｕｅｎｃｅ數(shù)據(jù)類型的最重要的ｐｇｑ查詢操作是ａ該操作用于計(jì)算監(jiān)控對(duì)ｔＩｎｓｔａｎｔ操作，象在某個(gè)給定時(shí)間ｔ其語(yǔ)法格式如下（在ｑ的狀態(tài)值，操作的語(yǔ)法格式定義中，符號(hào)“兩邊分別是該操作→”的輸入數(shù)據(jù)和輸出數(shù)據(jù)的數(shù)據(jù)類型；如果操作有多個(gè)：輸入數(shù)據(jù)，則輸入數(shù)據(jù)類型之間用“進(jìn)行連接）×”

：ａｔＩｎｓｔａｎｔ

ＳａｍｌｉｎＳｅｕｅｎｃｅ×Ｉｎｓｔａｎｔ→ＳａｍｌｉｎＶａｌｕｅ．ｐｇｑｐｇ假設(shè)ａｔＩｎｓｔａｎｔ操作的兩個(gè)輸入分別是ｓｅｕ∈ｑ，其中ｓＳａｍｌｉｎＳｅｕｅｎｃｅ和ｔｎｓｔａｎｔｅｕ＝ｐｇｑｑｑ∈Ｉ

ｎ（（））如果ｓｃｈｅｍａ，（ｔｌｏｃｎｏｓｖａｌｕｅｌａｐｆｇｉ，ｉ，ｉ，ｉ，ｉ）ｉ＝１．

ＳａｍｌｉｎＳｅｕｅｎｃｅ×Ｐｅｒｉｏｄｓ→ＳａｍｌｉｎＳｅｕｅｎｃｅ．ｐｇｑｐｇｑ

為了支持新采樣值到采樣數(shù)據(jù)序列的插入，我們定義ｓ該操作將一個(gè)新的ａｍｌｉｎＡｅｎｄ操作．ｐｇｐｐ采樣值（連同表示是否為間斷點(diǎn)的ｆ附加ｌａｇ標(biāo)識(shí)）到采樣數(shù)據(jù)序列的末尾，同時(shí)根據(jù)系統(tǒng)中預(yù)定義的監(jiān)控時(shí)間長(zhǎng)度（如３個(gè)月）淘汰采樣數(shù)據(jù)序列中過(guò)時(shí)

即ｔｔｔｑ正好為某個(gè)關(guān)鍵采樣值所對(duì)應(yīng)的時(shí)間，ｑ＝ｊ

（），則ａ１，ｎ］ｔＩｎｓｔａｎｔ操作直接將該關(guān)鍵采樣值ｊ∈［

（作為結(jié)果返回，否則ｔｌｏｃｎｏｓｓｃｈｅｍａ，ｖａｌｕｅｐｊ，ｊ，ｊ，ｊ）

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１８３

的采樣數(shù)據(jù)．該操作的語(yǔ)法格式如下：

：ｓａｍｌｉｎＡｅｎｄｐｇｐｐ

組均隱含一個(gè)Ｓ用以表示存放該監(jiān)控對(duì)ＣＰＳｅｔ屬性，象原始采樣數(shù)據(jù)的Ｓ為了獲得ＳＣＰ的標(biāo)識(shí)．ＣＰＳｅｔ屬，性的值，我們定義操作Ｇ該操作的輸入ｅｔＲａｗＳｉｔｅｓ輸出為Ｓ為監(jiān)控對(duì)象的標(biāo)識(shí)ＯｂＩＤ∈ＳｔｒｉｎＣＰ的ｊｇ，

標(biāo)識(shí)集合．ＧｅｔＲａｗＳｉｔｅｓ操作的語(yǔ)法格式如下：

：（ＧｅｔＲａｗＳｉｔｅｓＳｔｒｉｎｅｔＳｔｒｉｎ．ｇ→ｓｇ）

查詢用戶通過(guò)ＧｅｔＲａｗＳｉｔｅｓ操作獲得相應(yīng)ＳＣＰ的標(biāo)識(shí)之后，可以直接與相應(yīng)的Ｓ并ＣＰ進(jìn)行通信，通過(guò)原始采樣數(shù)據(jù)瀏覽接口進(jìn)行相關(guān)數(shù)據(jù)的存取與訪問．

４．２．４　對(duì)傳感器采樣數(shù)據(jù)進(jìn)行查詢的例子

本節(jié)前部分定義的所有數(shù)據(jù)類型和查詢操作均因此查詢語(yǔ)言（包括實(shí)現(xiàn)為數(shù)據(jù)庫(kù)系統(tǒng)的內(nèi)嵌形式，

數(shù)據(jù)定義語(yǔ)言Ｄ是擴(kuò)充ＤＬ和數(shù)據(jù)操縱語(yǔ)言ＤＭＬ）后的Ｓ下面給出一些查詢的例子：ＱＬ語(yǔ)言形式．［查詢Ｑ通過(guò)關(guān)鍵字查詢獲得監(jiān)控對(duì)象１］

ｏｂＩＤ１的采樣數(shù)據(jù)序列ｊ

（）ＳＥＬＥＣＴｋｅＳｅａｒｃｈｏｂＩＤ１．Ｓａｍｌｉｎｓ�。穑纾辏唬疲遥希停桑铮裕模幔簦帷�

ＳａｍｌｉｎＳｅｕｅｎｃｅ×ＳａｍｌｉｎＶａｌｕｅ×Ｂｏｏｌ→ｐｇｑｐｇＳａｍｌｉｎＳｅｕｅｎｃｅ．ｐｇｑ

４．２．２　針對(duì)ＳａｍｌｉｎＶａｌｕｅ數(shù)據(jù)類型的操作ｐｇ

針對(duì)ＳａｍｌｉｎＶａｌｕｅ的操作主要包括對(duì)采樣ｐｇ、、值的投影操作ｖＰｒｏｅｃｔＴｉｍｅｖＰｒｏｅｃｔＰｏｉｎｔｖＰｒｏ－ｊｊｅｃｔＲｅｉｏｎ和ｖＰｒｏｅｃｔＮｅｔＰｏｓ以及數(shù)據(jù)提取操作ｊｇｊ

它們的語(yǔ)法格式如下：ｅｔＣｏｍｏｎｅｎｔ．ｇｐ

：；ｖＰｒｏｅｃｔＴｉｍｅＳａｍｌｉｎＶａｌｕｅ→Ｉｎｓｔａｎｔｊｐｇ：ｖＰｒｏｅｃｔＰｏｉｎｔＳａｍｌｉｎＶａｌｕｅ→Ｐｏｉｎｔｊｐｇ；針對(duì)ｌｏｃ∈Ｐｏｉｎｔ的監(jiān)控對(duì)象）　�。�

ｖＰｒｏｅｃｔＲｅｉｏｎ：ＳａｍｌｉｎＶａｌｕｅ→Ｒｅｉｏｎｊｇｐｇｇ；針對(duì)ｌｏｃ∈Ｒｅｉｏｎ的監(jiān)控對(duì)象）　�。ǎ�

：ｖＰｒｏｅｃｔＮｅｔＰｏｓＳａｍｌｉｎＶａｌｕｅ→Ｓｔｒｉｎｊｐｇｇ；：ｅｔＣｏｍｏｎｅｎｔｇｐ

ＳａｍｌｉｎＶａｌｕｅ×ｉｎｔｅｅｒ→ＳａｍｌｉｎＣｏｍｏｎｅｎｔ．ｐｇｇｐｇｐ

如果將ＳａｍｌｉｎＳｅｕｅｎｃｅ看成監(jiān)控對(duì)象的狀ｐｇｑ則一個(gè)Ｓ態(tài)曲線，ａｍｌｉｎＶａｌｕｅ值實(shí)際上對(duì)應(yīng)于監(jiān)ｐｇ、因此，控對(duì)象狀態(tài)曲線中的一個(gè)點(diǎn)．ｖＰｒｏｅｃｔＴｉｍｅｊｖＰｒｏｅｃｔＰｏｉｎｔ和ｖＰｒｏｅｃｔＮｅｔＰｏｓ操作的結(jié)果分別ｊｊ

、／是ＩｎｓｔａｎｔＰｏｉｎｔＲｅｉｏｎ和Ｓｔｒｉｎｇｇ型的值．

由于ＳａｍｌｉｎＶａｌｕｅ型的值可以有多個(gè)分量，ｐｇ，取出采ｅｔＣｏｍｏｎｅｎｔ操作根據(jù)指定的分量序號(hào)ｉｇｐ

樣值的第ｉ個(gè)分量．

４．２．３　其它操作

為了實(shí)現(xiàn)ＳａｍｌｉｎＣｏｍｏｎｅｎｔ數(shù)據(jù)類型與數(shù)ｐｇｐ據(jù)庫(kù)中其它數(shù)據(jù)類型的交互操作，還需要通過(guò)

［２７－２８］

“”的方式，對(duì)數(shù)據(jù)庫(kù)中的各種標(biāo)準(zhǔn)查詢ｌｉｆｔｉｎｇ

／、操作（如＋、和空間查詢操作－、×、＝、＜、＞等）

在上述查詢中，ｋｅＳｅａｒｃｈ操作返回一組元ｙ組的集合（由于ｏ因此該ｂＩＤ１只對(duì)應(yīng)一個(gè)元組，ｊ，而ｋ集合中只含一個(gè)元素）ｅＳｅａｒｃｈ（ｏｂＩＤ１）．ｙｊ

”屬性值．Ｓａｍｌｉｎｓ返回這些元組的“Ｓａｍｌｉｎｓｐｇｐｇ［查詢Ｑ２］通過(guò)關(guān)鍵字查詢獲得所有由

“”部署的監(jiān)控對(duì)象的采樣數(shù)據(jù)序列ＢｅｉｉｎＴｒａｆｆｉｃｊｇ

（“”）ＳＥＬＥＣＴｋｅＳｅａｒｃｈＢｅｉｉｎＴｒａｆｆｉｃ．Ｓａｍｌｉｎｓ�。辏纾穑纾唬疲遥希停桑铮裕模幔簦帷�

［］查詢Ｑ通過(guò)屬性約束條件實(shí)現(xiàn)查詢Ｑ３２

ＳＥＬＥＣＴＳａｍｌｉｎｓ�。穑纾疲遥希停桑铮裕模幔簦帷�

”；ＤｅｌｏｅｄＢ＝“ＢｅｉｉｎＴｒａｆｆｉｃＷＨＥＲＥ�。穑辏�

（，，，，，如ｉｎｓｉｄｅｉｎｔｅｒｓｅｃｔｔｏｕｃｈｅｓｄｉｓｔａｎｃｅｄｉｒｅｃｔｉｏｎ進(jìn)行擴(kuò)充，使得ＳｏｖｅｒｌａａｍｌｉｎＣｏｍｏｎｅｎｔ可ｐ等）ｐｇｐ

以作為這些操作的輸入數(shù)據(jù)類型參與這些操作的計(jì)“算．例如，操作在擴(kuò)充之后的語(yǔ)法格式為（設(shè)＝”“和“分別是標(biāo)準(zhǔn)數(shù)據(jù)類型的集ＢＡＳＥ”ＳＰＡＴＩＡＬ”

：合和空間數(shù)據(jù)類型的集合）

，＝：ｏｏｌα×β→Ｂ

其中α，ｓａｍｌｉｎＣｏｍｏｎｅｎｔ｝∪ＢＡＳＥ∪ｐｇｐβ∈｛

ＳＰＡＴＩＡＬ．

此外，在Ｉ所有的查詢均是以ｏＴ－ＮｏｄｅＤＢ中，即便對(duì)于關(guān)鍵字查詢也套ＳＱＬ語(yǔ)句的格式提交的，用Ｓ為此，我們定義如下ｋＱＬ語(yǔ)句的格式．ｅＳｅａｒｃｈｙ操作，以提供關(guān)鍵字查詢接口：

（）ｋｅＳｅａｒｃｈ：ＳｔｒｉｎｅｔＴｕｌｅ．ｙｇ→ｓｐ

如前所述，ＩｏＴ－ＮｏｄｅＤＢ中每個(gè)監(jiān)控對(duì)象的元

查詢Ｑ２和Ｑ３的區(qū)別在于Ｑ２采用關(guān)鍵字查詢，因此其執(zhí)行速度可能會(huì)快于采用ＳＱＬ查詢

的Ｑ３．

［查詢Ｑ４］查詢所有位于地理區(qū)域ｒｅｉｏｎｇ１內(nèi)且在ｔ返回除０的風(fēng)力監(jiān)控對(duì)象，１時(shí)刻的風(fēng)速大于５

”屬性之外的其它屬性值了“Ｓａｍｌｉｎｓｐｇ

ＥＬＥＣＴ　Ｓ

，，，ｂＩＤ，ＯｂＴｅＤｅｌｏｅｄＢＤｅｏｅｄＴｉｍｅＨｏｓｔＯｂ�。希辏辏穑穑穑辏遥希停桑铮裕模幔簦帷。啤�

”ＡＮＲＥＯｂＴｅ＝“ＷｉｎｄｓｅｎｓｏｒＤ�。祝龋拧。辏�

（），ｉｎｓｉｄｅ（ｓＰｒｏｅｃｔＰｏｉｎｔＳａｍｌｉｎｓｒｅｉｏｎＡＮＤ　　ｊｐｇ１）ｇ（（，，）ｅｔＣｏｍｏｎｅｎｔａｔＩｎｓｔａｎｔＳａｍｌｉｎｓｔ１０；　　ｇ＞５ｐｐｇ１）

［查詢Ｑ查詢所有ｔ５］１時(shí)刻位于地理區(qū)域

如安裝在公ｒｅｉｏｎｇ１內(nèi)的視頻交通流監(jiān)控移動(dòng)目標(biāo)（

交車輛上的攝像頭）

１１８４ＳＥＬＥＣＴ＊ＦＲＯＭＩｏＴＤａｔａ　

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

分布到不同的葉結(jié)點(diǎn)進(jìn)行存儲(chǔ)，總的數(shù)據(jù)分布原則如：下（設(shè)數(shù)據(jù)庫(kù)采用第４．１節(jié)中所描述的模式）（設(shè)１）對(duì)于任意一個(gè)移動(dòng)監(jiān)控對(duì)象ｍｏｂｊ，

（是ｍｓｉｔｅｓｍｏｂｏｂｊ）ｊ在監(jiān)控時(shí)間范圍內(nèi)經(jīng)過(guò)了其管轄區(qū)域的葉結(jié)點(diǎn)的集合，則ｍｏｂｊ對(duì)應(yīng)于多個(gè)元組，（中的每個(gè)葉結(jié)點(diǎn)中存放其中的一個(gè)元ｓｉｔｅｓｍｏｂｊ）

”這些元組除了“屬性之外的其它屬性組，Ｓａｍｌｉｎｓｐｇ值是相互復(fù)制的，而其“屬性值則在Ｓａｍｌｉｎｓ”ｐｇ（中的各葉結(jié)點(diǎn)之間進(jìn)行分割：對(duì)于任一ｓｉｔｅｓｍｏｂｊ）

，”它僅存放“與葉結(jié)點(diǎn)ｓｉｔｅ∈ｓｉｔｅｓ（ｍｏｂＳａｍｌｉｎｓｐｇｊ）即ｓｓｉｔｅ）在空間上相交的部分，ＴｒｕｎｃａｔｅＧｅｏα（

（，）），如圖５所示

．Ｓａｍｌｉｎｓｓｉｔｅα（ｐｇ

”ＡＮＷＨＥＲＥＯｂＴｅ＝“ＢｕｓＴｒａｆｆｉｃＶｉｄｅｏＤ�。辏�

（（，），ｖＰｒｏｅｃｔＰｏｉｎｔａｔＩｎｓｔａｎｔＳａｍｌｉｎｓｔｒｅｉｏｎ．ｉｎｓｉｄｅ（ｊｐｇ１）１）ｇ

５�。桑铮裕茫欤酰螅簦澹颍模聰�(shù)據(jù)庫(kù)集群全局處理－

物聯(lián)網(wǎng)系統(tǒng)中海量的傳感器對(duì)各種物理目標(biāo)的狀態(tài)進(jìn)行著實(shí)時(shí)的監(jiān)控．為了對(duì)海量傳感器數(shù)據(jù)進(jìn)行快速處理，我們需要大量的數(shù)據(jù)庫(kù)結(jié)點(diǎn)并將它們組織成一個(gè)協(xié)同工作的物聯(lián)網(wǎng)集群存儲(chǔ)系統(tǒng)．如前所述，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ采用一種雙層樹形

其中葉結(jié)點(diǎn)存儲(chǔ)真正的傳感器采樣數(shù)據(jù)，而根結(jié)構(gòu)，

結(jié)點(diǎn)則存儲(chǔ)為了進(jìn)行全局查詢所需要的全局?jǐn)?shù)據(jù)字典．ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的體系結(jié)構(gòu)如圖４所示

．

圖４�。桑铮裕茫欤酰螅簦澹颍模碌捏w系結(jié)構(gòu)

在Ｉ每個(gè)數(shù)據(jù)庫(kù)結(jié)點(diǎn)（包括根ｏＴ－ＣｌｕｓｔｅｒＤＢ中，結(jié)點(diǎn)和各個(gè)葉結(jié)點(diǎn)）均為傳感器時(shí)空數(shù)據(jù)庫(kù)．各結(jié)點(diǎn)除了具有第４節(jié)所描述的數(shù)據(jù)類型和查詢操作之外，還協(xié)同建立了分布式的全局索引及全局查詢處理模塊．

為了提高系統(tǒng)的可靠性，根結(jié)點(diǎn)和每個(gè)葉結(jié)點(diǎn)如果其中一個(gè)副本都包含兩個(gè)或多個(gè)數(shù)據(jù)庫(kù)副本，失效，其它的副本可以接管其工作．５．１　數(shù)據(jù)分布策略

在Ｉ每個(gè)葉結(jié)點(diǎn)ｓｏＴ－ＣｌｕｓｔｅｒＤＢ中，ｉｔｅ對(duì)應(yīng)于，一個(gè)地理區(qū)域，稱之為該結(jié)點(diǎn)的“管轄區(qū)域”記為）所有葉結(jié)點(diǎn)的管轄區(qū)域均登記在根結(jié)點(diǎn)和ｓｉｔｅ．α（

采樣數(shù)據(jù)接收服務(wù)器中的管轄區(qū)域分區(qū)表（Ｓｅｒｖｉｃｅ，）中．ＡｒｅａＰａｒｔｉｔｉｏｎｉｎＴａｂｌｅＳＡＰａｂｌｅ　－Ｔｇ　

設(shè)ＩｏＴ－ＣｌｕｓｔｅｒＤＢ系統(tǒng)包含ｎ個(gè)葉結(jié)點(diǎn)：ｓｉｔｅ１，…，且總的應(yīng)用地理區(qū)域?yàn)椋�，則有如下ｓｉｔｅｓｉｔｅ２，ｎ，條件成立：

（），：１ｉｉｓｉｔｅｓｉｔｅ＝；≠α（∩α（ｊ（ｊ）ｉ）ｊ）（）２ｓｉｔｅ∪ｉ＝Ａ．

ｉ＝１ｎ

”圖５　“屬性值在各葉結(jié)點(diǎn)之間的分割Ｓａｍｌｉｎｓｐｇ

（）對(duì)于靜止監(jiān)控對(duì)象ｓ如果其采樣地點(diǎn)２ｏｂｊ，

，則ｓｌｏｃ∈Ｐｏｉｎｔ且ｌｏｃ∈α（ｓｉｔｅｏｂｊ僅對(duì)應(yīng)于一個(gè)ｉ）

元組，該元組存放在葉結(jié)點(diǎn)ｓｉｔｅｉ中；（）對(duì)于靜止監(jiān)控對(duì)象ｓ如果其采樣地點(diǎn)３ｏｂｊ，

（是管轄區(qū)域與ｌｌｏｃ∈Ｒｅｉｏｎ且ｓｉｔｅｓｓｏｂｏｃ相交的ｇｊ）（葉結(jié)點(diǎn)集合，則ｓ中的每個(gè)葉結(jié)點(diǎn)存放ｓｉｔｅｓｓｏｂｏｂｊ）ｊ的一個(gè)元組，這些元組是彼此復(fù)制關(guān)系，且每個(gè)元組”屬性均包含完整的采樣數(shù)據(jù)序列．的“Ｓａｍｌｉｎｓｐｇ

在Ｉ所有新的采樣值均被發(fā)ｏＴ－ＣｌｕｓｔｅｒＤＢ中，，送給采樣數(shù)據(jù)接收服務(wù)器（見圖４）采樣數(shù)據(jù)接收服務(wù)器根據(jù)ＳＡＰａｂｌｅ將采樣數(shù)據(jù)值發(fā)送給不同－Ｔ的葉結(jié)點(diǎn)進(jìn)行存儲(chǔ)．如果新的采樣值屬于移動(dòng)監(jiān)控對(duì)象且與上次采樣值相比跨越了不同葉結(jié)點(diǎn)的管轄區(qū)域，則采樣數(shù)據(jù)接收服務(wù)器需要通過(guò)插值計(jì)算得到邊界處的采樣值，并將插值點(diǎn)也發(fā)送給相應(yīng)的葉結(jié)點(diǎn)進(jìn)行存儲(chǔ)（詳見第５．３節(jié)）．

５．２　全局索引及全局查詢處理

為了支持全局查詢處理，在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中需要建立分布式的全局關(guān)鍵字索引和全局時(shí)空索引．

在Ｉ數(shù)據(jù)是按照地理區(qū)域進(jìn)行ｏＴ－ＣｌｕｓｔｅｒＤＢ中，分布的．各采樣值根據(jù)其采樣地點(diǎn)所屬的管轄區(qū)域被

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１８５

５．２．１　分布式全局關(guān)鍵字索引及全局關(guān)鍵字查詢

為了在Ｉ需ｏＴ－ＣｌｕｓｔｅｒＤＢ中支持關(guān)鍵字查詢，要建立一個(gè)全局關(guān)鍵字Ｂ＋樹索引（ＧｌｏｂａｌＦｕｌｌ�。�

，），圖６給ＴｅｘｔＫｅｗｏｒｄＢ＋－ＴｒｅｅＧＦＴＫＢ＋－Ｔｒｅｅ　�。隽耍牵疲裕耍拢裕颍澹宓慕Y(jié)構(gòu)

．

（是所有包含該關(guān)鍵字的所有元組的標(biāo)識(shí)ｓｅｔｔｕＩＤ）ｐ集合．

讓我們結(jié)合第４．２．４小節(jié)中的查詢Ｑ１和Ｑ２來(lái)在Ｉ討論對(duì)全局關(guān)鍵字查詢的處理．ｏＴ－ＣｌｕｓｔｅｒＤＢ中，所有的查詢均發(fā)送給根結(jié)點(diǎn)進(jìn)行處理．當(dāng)根結(jié)點(diǎn)接收到一個(gè)關(guān)鍵字查詢時(shí)，將首先查詢ＧＫＲ－

，從而判斷應(yīng)該進(jìn)一步查詢哪個(gè)葉結(jié)點(diǎn)的Ｔａｂｌｅ；然后，根據(jù)對(duì)應(yīng)葉結(jié)點(diǎn)的ＫＫＳＭＢ＋－ＴｒｅｅＳＭＢ＋－，可以得到一組葉結(jié)點(diǎn)的ｓ這些葉結(jié)點(diǎn)均ＴｒｅｅｉｔｅＩＤ，包含被查詢的關(guān)鍵字；最后，根結(jié)點(diǎn)將查詢廣播給這些葉結(jié)點(diǎn)并行執(zhí)行，執(zhí)行結(jié)果由根結(jié)點(diǎn)匯總并返回給查詢用戶．各葉結(jié)點(diǎn)在執(zhí)行來(lái)自于根結(jié)點(diǎn)的關(guān)鍵字查詢時(shí)，將調(diào)用本地的ＬＦＴＫＢ＋－Ｔｒｅｅ快速地得到查詢結(jié)果．

算法１給出了全局關(guān)鍵字查詢的處理過(guò)程．算法１．　全局關(guān)鍵字查詢處理算法．

輸入：全局關(guān)鍵字索引　�。牵疲裕耍拢裕颍澹�

關(guān)鍵字查詢

輸出：查詢結(jié)果

圖６　ＧＦＴＫＢ＋－Ｔｒｅｅ的結(jié)構(gòu)

如圖６所示，ＧＦＴＫＢ－Ｔｒｅｅ是一個(gè)分布式的

索引，采用３層結(jié)構(gòu)，其中：

＋

ＱＲ

第１層是存放在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ根結(jié)點(diǎn)中的全，局關(guān)鍵字分區(qū)表（ＧｌｏｂａｌＫｅｗｏｒｄＲａｎｅＴａｂｌｅ　　�。纾牵耍遥裕幔猓欤澹牵耍遥裕幔猓欤宓挠涗浉袷綖椋ǎ耄澹遥�

，其中ｋａｎｅ，ｓｉｔｅＩＤ）ｅＲａｎｅ是關(guān)鍵字值域中的一ｇｙｇ個(gè)區(qū)域范圍，ｓｉｔｅＩＤ是與該范圍相對(duì)應(yīng)的葉結(jié)點(diǎn)的該葉結(jié)點(diǎn)中的Ｋ標(biāo)識(shí)，ＳＭＢ＋－Ｔｒｅｅ索引該范圍內(nèi)的關(guān)鍵字．

第２層是一組存放在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ各葉結(jié)點(diǎn)中的ｋｅｗｏｒｄ到ＳｉｔｅＩＤ的映射Ｂ＋樹（ｋｅｗｏｒｄｔｏ－－ｙｙ

，）ＳｉｔｅＩＤ　ＭａｉｎＢ＋－ＴｒｅｅＫＳＭＢ＋－Ｔｒｅｅ．ＫＳＭＢ＋－ｐｐｇ�。ǎ裕颍澹宓娜~結(jié)點(diǎn)記錄格式為（ｋｅｗｏｒｄ，ｓｅｔｓｉｔｅＩＤ）ｙ（其中ｋ是所有包含該ｅｗｏｒｄ是關(guān)鍵字，ｓｅｔｓｉｔｅＩＤ）ｙ關(guān)鍵字的葉結(jié)點(diǎn)的標(biāo)識(shí)的集合．在創(chuàng)建ＫＳＭＢ＋－

每個(gè)葉結(jié)點(diǎn)從自己的本地元組中提取關(guān)鍵Ｔｒｅｅ時(shí)，字，并對(duì)每個(gè)關(guān)鍵字生成一個(gè)（偶ｋｅｗｏｒｄ，ｓｉｔｅＩＤ）ｙ；對(duì)（其中ｓ隨后，ｉｔｅＩＤ即為該葉結(jié)點(diǎn)自己的標(biāo)識(shí)）該葉結(jié)點(diǎn)根據(jù)ＧＫＲ－Ｔａｂｌｅ將各個(gè)偶對(duì)發(fā)送給相應(yīng)的葉結(jié)點(diǎn)，這樣每個(gè)葉結(jié)點(diǎn)可以收到一組來(lái)自于整個(gè)系統(tǒng)中其它各個(gè)葉結(jié)點(diǎn)的（集ｋｅｗｏｒｄ，ｓｉｔｅＩＤ）ｙ合，并在此基礎(chǔ)上構(gòu)建ＫＳＭＢ＋－Ｔｒｅｅ．

第３層是一組存放在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ葉結(jié)點(diǎn)中的本地全文關(guān)鍵字Ｂ＋樹索引（ＬｏｃａｌＦｕｌｌｅｘｔ�。裕�

，）ＫｅｗｏｒｄＢｒｅｅＩｎｄｅｘＬＦＴＫＢｒｅｅ．ＬＦＴＫＢ＋－�。浴。裕裕颍澹迨牵桑铮裕危铮洌澹模箩槍�(duì)本地?cái)?shù)據(jù)建立的全文關(guān)

鍵字索引，其葉結(jié)點(diǎn)的記錄格式為（ｋｅｗｏｒｄ，ｙ（），其中ｋｓｅｔｔｕＩＤ）ｅｗｏｒｄ是一個(gè)關(guān)鍵字，ｐｙ

；１．ｋｅＱ）ｅｔｋｅｙ＝ｇｙ（

＋

＿（）；２．ｋｓｍｂｓｉｔｅ＝ｒｅｔｒｉｅｖｅｋｅＧＦＴＫＢｒｅｅ．ＧＫＲａｂｌｅ－Ｔ－Ｔｙ，＿＿（＿）；ｅｔ３．ｋｓｍｂｔｒｅｅ＝ｇｔｒｅｅｋｓｍｂｓｉｔｅ，ＫＳＭＢ＋－Ｔｒｅｅ＿（＿）；４．ｌｔｋｂｓｉｔｅｓ＝ｒｅｔｒｉｅｖｅｋｅｋｓｍｂｔｒｅｅｆｙ，＿）５．ＦＯＲＥＡＣＨｓｉｔｅｌｔｋｂｓｉｔｅｓＤＯ（ＩＮＰＡＲＡＬＬＥＬ　∈　�。妫撸撸ǎ�；６．　ｌｔｋｂｔｒｅｅ＝ｇｔｒｅｅｓｉｔｅ，ＬＦＴＫＢ＋－Ｔｒｅｅｅｔｆ（＿）；７．　ｔｕｌｅｉｄｓ＝ｒｅｔｒｉｖｅｋｅｌｔｋｂｔｒｅｅｐｙ，ｆ

（）；８．　ｒｅｓ＝ｅｖａｌｕａｔｅＱ，ｔｕｌｅｉｄｓｐ（）；９．　ｓｅｎｄＭａｓｔｅｒｒｅｓ

１０．ＥＮＤＦＯＲ；

根結(jié)點(diǎn)收集各葉結(jié)點(diǎn)發(fā)來(lái)的查詢結(jié)果并存入Ｒ；１１．

（１２．ＲｅｔｕｒｎＲ）．

在算法１中，函數(shù)返回查詢Ｑ要檢ｅｔｋｅＱ）ｇｙ（

（（）函數(shù)根據(jù)關(guān)鍵字ｋ索的關(guān)鍵字；ｒｅｔｒｉｅｖｅｋｅｄｓｅｙ，ｙ在數(shù)據(jù)結(jié)構(gòu)ｄ并返回相應(yīng)的結(jié)果；ｓ中進(jìn)行檢索，＿（函數(shù)返回指定葉結(jié)點(diǎn)ｓｅｔｔｒｅｅｓｉｔｅ，ｔｒｅｅＮａｍｅ）ｉｔｅｇ

中的ｔ函ｒｅｅＮａｍｅ索引子樹，ｅｖａｌｕａｔｅ（Ｑ，ｔｕｌｅｉｄｓ）ｐ數(shù)在ｔｕｌｅｉｄｓ元組集合的基礎(chǔ)上執(zhí)行查詢并返回結(jié)ｐ

）果，將結(jié)果ｒｓｅｎｄＭａｓｔｅｒ（ｒｅｓｅｓ發(fā)送給根結(jié)點(diǎn)．５．２．２　分布式全局時(shí)空索引及全局時(shí)空查詢處理

物聯(lián)網(wǎng)系統(tǒng)中的另一類重除了關(guān)鍵字查詢之外，要的查詢類型是帶有時(shí)空約束條件的查詢，如第４．２．４小節(jié)中的查詢Ｑ為了支持這類查詢，我們需４和Ｑ５．要建立全局時(shí)空Ｒ樹索引（ＧｌｏｂａｌＳａｔｉａｌｅｍｏｒａｌ�。裕穑穑┯捎谠冢桑颍澹澹牵樱裕遥裕颍澹澹铮裕茫欤酰螅簦澹颍模轮袛�(shù)Ｒ－Ｔ

據(jù)是根據(jù)其空間屬性進(jìn)行分布的，因此ＧＳＴＲ－Ｔｒｅｅ的構(gòu)建可以得到簡(jiǎn)化，圖７給出了其總體結(jié)構(gòu)．

１１８６

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

從圖８可以看出，移動(dòng)監(jiān)控對(duì)象時(shí)空軌跡的變化十分頻繁，因?yàn)槊恳淮涡虏蓸又档牡絹?lái)均會(huì)導(dǎo)致向軌跡中插入新的軌跡單元（軌跡單元是軌跡時(shí)空如果直曲線中相鄰兩個(gè)采樣點(diǎn)構(gòu)成的一條直線段）．接以軌跡單元作為索引記錄的基本單位，則索引的更新頻率將等同于采樣數(shù)據(jù)插入數(shù)據(jù)庫(kù)的頻率，從而導(dǎo)致索引更新代價(jià)升高．

為了解決上述問題，我們首先將Ｘ×Ｙ×Ｔ空間劃分成粒度較粗的等距格柵．然后，將每個(gè)移動(dòng)監(jiān)概略化”軌跡，概略化控對(duì)象的軌跡映射成對(duì)應(yīng)的“

圖７�。牵樱裕遥裕颍澹宓慕Y(jié)構(gòu)

軌跡單元是原始軌跡所穿過(guò)的格柵單元的中心點(diǎn)連線，因此其粒度比原始軌跡要大得多．最后對(duì)概略化軌跡單元進(jìn)行索引并建立ＧＳＳＴＲ－Ｔｒｅｅ．

ＧＳＳＴＲ－Ｔｒｅｅ的葉結(jié)點(diǎn)記錄的格式為（ｓｔｕ，

（），其中ｓｓｅｔｔｕｌｅＩＤ）ｔｕ是概略化軌跡單元，ｐ（是其概略化軌跡包含ｓｓｅｔｔｕｌｅＩＤ）ｔｕ的所有移動(dòng)ｐ監(jiān)控對(duì)象元組標(biāo)識(shí)的集合（注意，多個(gè)移動(dòng)監(jiān)控對(duì)象概略化軌的概略化軌跡可以共享同一個(gè)軌跡單元）．跡的變化頻率比原始軌跡低得多，因此ＧＳＳＴＲ－Ｔｒｅｅ有效地降低了索引更新的頻率．在進(jìn)行時(shí)空查詢處理時(shí)，根結(jié)點(diǎn)首先檢查ＳＡＰ－，看看哪些葉結(jié)點(diǎn)的管轄區(qū)域與查詢地理區(qū)域Ｔａｂｌｅ相交，然后將查詢發(fā)送給這些葉結(jié)點(diǎn)并行執(zhí)行；葉結(jié)可以通過(guò)本點(diǎn)在處理來(lái)自于根結(jié)點(diǎn)的查詢請(qǐng)求時(shí)，

４　地的Ｓ如果查詢是針Ｔ－Ｔｒｅｅ快速地得到查詢結(jié)果：４　

，對(duì)靜態(tài)監(jiān)控對(duì)象的（如Ｑ則僅需查詢Ｓ４）Ｔ－Ｔｒｅｅ

如圖７所示，ＧＳＴＲ－Ｔｒｅｅ是一個(gè)兩層的分布式其中：全局索引，

第１層是ＩｏＴ－ＣｌｕｓｔｅｒＤＢ根結(jié)點(diǎn)中的管轄區(qū)域）分區(qū)表（ＳＡＰａｂｌｅ．ＳＡＰａｂｌｅ中的記錄的格式－Ｔ－Ｔ，其中ａ為（ａｒｅａ，ｓｉｔｅＩＤ）ｒｅａ為一個(gè)管轄區(qū)域，

ｓｉｔｅＩＤ是與該管轄區(qū)域?qū)?yīng)的葉數(shù)據(jù)庫(kù)結(jié)點(diǎn)的標(biāo)識(shí)；

第２層是ＩｏＴ－ＣｌｕｓｔｅｒＤＢ各葉結(jié)點(diǎn)中的針對(duì)本地?cái)?shù)據(jù)的傳感器采樣數(shù)據(jù)序列時(shí)空索引樹（Ｓｅｎｓｏｒ－，ＳａｍｌｉｎＳｅｕｅｎｃｅａｔｉａｌｅｍｏｒａｌｒｅｅＳＴ－　Ｓ－Ｔ�。裕穑纾瘢穑�

４　

），用以對(duì)本地?cái)?shù)據(jù)中采樣數(shù)據(jù)序列的時(shí)空屬性Ｔｒｅｅ

４　

進(jìn)行索引．一個(gè)空ＳＴ－Ｔｒｅｅ實(shí)際上包括兩個(gè)子樹：，）間Ｒ樹（用以對(duì)靜止監(jiān)控ＳａｔｉａｌＲ－ＴｒｅｅＳＲ－Ｔｒｅｅ�。饘�(duì)象的空間位置（包括ｌｏｃ∈Ｐｏｉｎｔ和ｌｏｃ∈Ｒｅｉｏｎｇ兩種情況）進(jìn)行索引，一個(gè)格柵概略化時(shí)空Ｒ樹（，ＧｒｉｄＳｋｅｔｃｈｅｄＳａｔｉａｌｅｍｏｒａｌＲ－ＴｒｅｅＧＳＳＴＲ－�。浴。穑穑┯糜趯�(duì)移動(dòng)監(jiān)控對(duì)象的隨時(shí)間動(dòng)態(tài)變化的位Ｔｒｅｅ

”）置（亦稱為“時(shí)空軌跡－進(jìn)行索引．圖８給ｔｒａｅｃｔｏｒｊｙ出了ＧＳＳＴＲ－Ｔｒｅｅ的結(jié)構(gòu)

．

的空間Ｒ樹部分；如果查詢針對(duì)移動(dòng)監(jiān)控對(duì)象（如

４　

），則需要根據(jù)時(shí)空約束條件對(duì)ＳＱ５Ｔ－Ｔｒｅｅ的

根結(jié)點(diǎn)收到各葉結(jié)點(diǎn)ＧＳＳＴＲ－Ｔｒｅｅ部分進(jìn)行搜索；

返回的結(jié)果之后，還需要進(jìn)行必要的合并操作，并將最后的結(jié)果返回給查詢用戶．

全局時(shí)空查詢處理算法如算法２所示．算法２．　全局時(shí)空查詢處理算法．

輸入：全局時(shí)空索引　�。牵樱樱裕遥裕颍澹�

時(shí)空查詢

輸出：查詢結(jié)果

Ｑ

Ｒ；１．Ｑ）ｅｏｒａｎｅ＝ｇｅｔｅｏ（ｇｇｇ

；２．ｔｉｍｅｒａｎｅ＝ｇｅｔｅｒｉｏｄ（Ｑ）ｇｐ

（，）；３．ｓｉｔｅｓ＝ｒｅｔｒｉｅｖｅｅｏｅｏｒａｎｅＧＳＳＴＲｒｅｅ．ＳＡＰａｂｌｅ－Ｔ－Ｔｇｇｇ４．ＦＯＲＥＡＣＨｓｉｔｅ∈ｓｉｔｅｓＤＯ（ＩＮＰＡＲＡＬＬＥＬ）　　　

（；５．ｔａｔｉｃＭｏｖ＝ｇｅｔｏｂｔｅＱ）�。樱辏穑叮桑疲樱簦幔簦椋悖停铮觯剑樱簦幔簦椋悖螅簦幔簦椋悖铮猓澹悖簦蟆　　　。。�

＿＿（）；７．ｓｒｔｒｅｅ＝ｇｅｔｔｒｅｅｓｉｔｅ，ＳＲ－Ｔｒｅｅ　　＿）；８．ｔｕｌｅｉｄｓ＝ｒｅｔｒｉｖｅｅｏ（ｅｏｒａｎｅ，ｓｒｔｒｅｅ　　ｐｇｇｇ

／／９．ＬＳＥｍｏｖｉｎｏｂｅｃｔｓ　Ｅｇｊ　

）圖８　格柵概略化時(shí)空Ｒ樹（ＧＳＳＴＲ－Ｔｒｅｅ

＿＿（）；１０．　ｇｓｓｔｒｔｒｅｅ＝ｇｅｔｔｒｅｅｓｉｔｅ，ＧＳＳＴＲ－Ｔｒｅｅ

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１８７

１１．�。簦酰欤澹椋洌螅剑颍澹簦颍椋觯澹澹铮簦澹恚铮ǎ澹铮颍幔睿澹穑纾穑纾�

＿）；ｓｓｔｒｔｉｍｅｒａｎｅ，ｔｒｅｅｇｇ１２．ＥＮＤＩＦ；

（）；１３．ｒｅｓ＝ｅｖａｌｕａｔｅＱ，ｔｕｌｅｉｄｓｐ

（）；１４．ｓｅｎｄＭａｓｔｅｒｒｅｓ

１５．ＥＮＤＦＯＲ；

根節(jié)點(diǎn)收集各葉結(jié)點(diǎn)發(fā)來(lái)的查詢結(jié)果并存入Ｒ；１６．

根節(jié)點(diǎn)對(duì)Ｒ中的結(jié)果按照Ｏ１７．ｂＩＤ進(jìn)行合并；ｊ（１８．ＲｅｔｕｒｎＲ）．

為此，采樣數(shù)據(jù)接插值結(jié)果也發(fā)送給相應(yīng)的葉結(jié)點(diǎn)．

收服務(wù)器需要保存各移動(dòng)監(jiān)控對(duì)象上一次提交的采樣數(shù)據(jù)值．

葉結(jié)點(diǎn)接收到新的采樣數(shù)據(jù)之后，直接通過(guò)ｓａｍｌｉｎＡｅｎｄ操作將之附加到相應(yīng)監(jiān)控對(duì)象的ｐｇｐｐ

“”屬性值中．Ｓａｍｌｉｎｓｐｇ

在算法２中，函數(shù)ｇ和ｇ分ｅｔｅｏ（Ｑ）ｅｔｅｒｉｏｄ（Ｑ）ｇｐ別返回Ｑ的查詢地理區(qū)域和時(shí)間區(qū)域；ｅｔｏｂｔｅ（Ｑ）ｇｊｙｐ

，返回Ｑ所查詢的監(jiān)控對(duì)象類型，ｅｏｒａｎｅｒｅｔｒｉｅｖｅｅｏ（ｇｇｇ和ｒｄｓ）ｅｔｒｉｅｖｅｅｏｔｅｍｏ（ｅｏｒａｎｅ，ｔｉｍｅｒａｎｅ，ｄｓ）ｇｐｇｇｇ

分別根據(jù)地理區(qū)域ｇｅｏｒａｎｅ和時(shí)空區(qū)域在相關(guān)數(shù)ｇ據(jù)結(jié)構(gòu)ｄ得到的結(jié)果為一組指針．ｓ中查詢，５．２．３　其它查詢類型的處理

），對(duì)于屬性約束條件查詢（如查詢Ｑ盡管不是３但是Ｉ關(guān)鍵字查詢，ｏＴ－ＣｌｕｓｔｅｒＤＢ仍然可以通過(guò)ＧＦＴＫＢ－Ｔｒｅｅ中的ＧＫＲ－Ｔａｂｌｅ和ＫＳＭＢ－Ｔｒｅｅ

來(lái)縮小需要查詢的葉結(jié)點(diǎn)范圍，然后再在各相關(guān)葉

＋

＋

６　系統(tǒng)實(shí)現(xiàn)及性能分析

）的基礎(chǔ)上進(jìn)行了編碼實(shí)現(xiàn)．ＧＩＳ１．３．１ＰｏｓｔｒｅＳＱＬ　ｇ是一個(gè)開源的對(duì)象關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng)，支持?jǐn)?shù)據(jù)庫(kù)內(nèi)核一級(jí)的數(shù)據(jù)類型、查詢操作以及索引的擴(kuò)充．此外，我們還在ＰｏｓｔｒｅＳＱＬ的基礎(chǔ)上實(shí)現(xiàn)了相應(yīng)的ｇ全局索引機(jī)制，并在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)全局查詢使得多個(gè)Ｐ處理器，ｏｓｔｒｅＳＱＬ服務(wù)器可以組合在一ｇ起，形成一個(gè)協(xié)同工作的ＩｏＴ－ＣｌｕｓｔｅｒＤＢ集群系統(tǒng)．

為了對(duì)ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的性能進(jìn)行比較與分析，我們?cè)谏鲜鲈拖到y(tǒng)的基礎(chǔ)上進(jìn)行了實(shí)驗(yàn)．實(shí)驗(yàn)中的傳感器數(shù)據(jù)采用第３．１節(jié)中描述的數(shù)據(jù)庫(kù)模式數(shù)據(jù)包括兩個(gè)部分：進(jìn)行組織，

（）移動(dòng)傳感器數(shù)據(jù)是在北京１萬(wàn)個(gè)出租車所１

采集的真實(shí)Ｇ通過(guò)一個(gè)數(shù)據(jù)模擬ＰＳ數(shù)據(jù)的基礎(chǔ)上，程序生成的，該模擬程序通過(guò)對(duì)原始ＧＰＳ采樣數(shù)據(jù)的插值和倍增，可以動(dòng)態(tài)模擬１２８００～３２０００個(gè)移　　動(dòng)傳感器的數(shù)據(jù)采樣；

）（靜止傳感器數(shù)據(jù)是通過(guò)一個(gè)模擬程序隨機(jī)２

生成的，該模擬程序可以模擬出１２８０００～３２００００　　個(gè)靜止傳感器的動(dòng)態(tài)數(shù)據(jù)采樣．

將上述兩部分?jǐn)?shù)據(jù)按照一定的比例（如移動(dòng)傳感器與靜止傳感器的比例為１進(jìn)行合成，從而∶１０）可以得到實(shí)驗(yàn)中所需要的總體數(shù)據(jù)集．表２列出了實(shí)驗(yàn)中的主要參數(shù)．

表２　模擬實(shí)驗(yàn)的主要參數(shù)

參數(shù)名

參數(shù)值（單位）１２８００～３２０００

參數(shù)含義

移動(dòng)傳感器的數(shù)目靜止傳感器的數(shù)目

傳感器的總數(shù)目（其中移動(dòng)傳感

）器與靜止傳感器的比例為１∶１０每個(gè)傳感器進(jìn)行原始數(shù)據(jù)采樣

的平均時(shí)間間隔

ＳＣＰ結(jié)點(diǎn)抽取的關(guān)鍵采樣數(shù)據(jù)的平均時(shí)間間隔根結(jié)點(diǎn)服務(wù)器的數(shù)目葉結(jié)點(diǎn)服務(wù)器的數(shù)目

結(jié)點(diǎn)上執(zhí)行對(duì)應(yīng)的Ｓ在執(zhí)行ＳＱＬ語(yǔ)句．ＱＬ語(yǔ)句時(shí)，，葉結(jié)點(diǎn)不能調(diào)用本地的Ｌ但通過(guò)屬ＦＴＫＢ－Ｔｒｅｅ性Ｂ＋樹仍然可以獲得較快的查詢速度．

＋

對(duì)于更加復(fù)雜的查詢（如多個(gè)約束條件通過(guò)，ＡＮＤ或者ＯＲ連接）ＩｏＴ－ＣｌｕｓｔｅｒＤＢ可以通過(guò)相應(yīng)的全局索引，針對(duì)每個(gè)約束條件獲得一個(gè)葉結(jié)點(diǎn)集然后根據(jù)連接條件對(duì)這些集合進(jìn)行相應(yīng)的交集合，

或并集計(jì)算，最終獲得真正需要執(zhí)行查詢的葉結(jié)點(diǎn)范圍，并在這些葉結(jié)點(diǎn)上執(zhí)行查詢從而得到最后的查詢結(jié)果．

５．３　新采樣數(shù)據(jù)觸發(fā)的數(shù)據(jù)更新處理

在ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中包含多個(gè)采樣數(shù)據(jù)接收服務(wù)器，這些服務(wù)器組成一個(gè)集群，共同對(duì)傳感器接入處理器上傳的新采樣值進(jìn)行處理．

新采樣值的數(shù)據(jù)格式為（ｏｂＩＤ，ｓｔａｔｉｃＭｏｖ，ｊ），其中ｏｓｖａｌｕｅｂＩＤ是監(jiān)控對(duì)象的標(biāo)識(shí)，ｓｔａｔｉｃＭｏｖｊ

標(biāo)明監(jiān)控對(duì)象是靜止的還是移動(dòng)的，ｓｖａｌｕｅ＝（，，是一個(gè)ｓｔｌｏｃ，ｎｏｓｓｃｈｅｍａ，ｖａｌｕｅ）ａｍｌｉｎＶａｌｕｅｐｐｇ類型的值．采樣數(shù)據(jù)接收服務(wù)器接收到上述數(shù)據(jù)之后，首先判斷ｓ如果是靜止監(jiān)控對(duì)象，則可ｔａｔｉｃＭｏｖ，通過(guò)ＳＡＰａｂｌｅ找到管轄區(qū)域與ｌｏｃ相交的葉結(jié)點(diǎn)－Ｔ（，然ｌｏｃ∈Ｒｅｉｏｎ時(shí)可以有多個(gè)葉結(jié)點(diǎn)與ｌｏｃ相交）ｇ

后將采樣數(shù)據(jù)轉(zhuǎn)發(fā)給相應(yīng)的葉結(jié)點(diǎn)進(jìn)行存儲(chǔ)處理；如果是移動(dòng)監(jiān)控對(duì)象，則需要進(jìn)一步判斷上次提交了采樣值之后該監(jiān)控對(duì)象是否跨越了葉結(jié)點(diǎn)的管轄區(qū)域邊界，若是，則需要進(jìn)行相應(yīng)的插值計(jì)算，并將

ＮＭｏｖＳｅｎｓｏｒｓ

ＮＳ２８０００～３２００００ｔａｔｉｃＳｅｎｓｏｒｓ１ＮＳｅｎｓｏｒｓ

ａｍｌｉｎｐｇξＳ

１４０８００～３５２０００

５ｓ３００ｓ１

２～３２

ｅＳａｍｌｉｎｙｐｇξＫ

ＮＭａｓｔｅｒＮｏｄｅｓ

ＮＬｅａｆＮｏｄｅｓ

１１８８

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

在實(shí)驗(yàn)中，我們重點(diǎn)針對(duì)ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的查詢響應(yīng)時(shí)間及加速比進(jìn)行了分析．由于在海量傳感目前器采樣數(shù)據(jù)的云存儲(chǔ)以及時(shí)空數(shù)據(jù)處理方面，尚沒有系統(tǒng)性的相關(guān)工作，我們將ＩｏＴ－ＣｌｕｓｔｅｒＤＢ與單數(shù)據(jù)庫(kù)結(jié)點(diǎn)處理機(jī)制（ＳｉｎｌｅＮｏｄｅＱｕｅｒＰｒｏ　�。纾�，進(jìn)行了比較．此外，為了分析傳感器ｃｅｓｓｉｎＳＮＱＰ）ｇ數(shù)據(jù)動(dòng)態(tài)采集對(duì)查詢性能所造成的影響，在實(shí)驗(yàn)的過(guò)程中，由數(shù)據(jù)模擬生成程序根據(jù)實(shí)驗(yàn)數(shù)據(jù)集，持續(xù)向ＩｏＴ－ＣｌｕｓｔｅｒＤＢ發(fā)送并插入傳感器采樣數(shù)據(jù)．

實(shí)驗(yàn)的測(cè)試用例分別采用第３．２．４節(jié)中介紹的關(guān)鍵字查詢Ｑ屬性約束條件查詢Ｑ１、３和時(shí)空約束條件Ｑ圖９給出了Ｉ５．ｏＴ－ＣｌｕｓｔｅｒＤＢ處理各個(gè)查詢的響應(yīng)時(shí)間（為了更好地分析屬性約束條件查詢Ｑ３的性能，我們?cè)诟魅~結(jié)點(diǎn)中沒有對(duì)相關(guān)屬性建立局部索引）

．

的，根結(jié)點(diǎn)上的ＳＡＰａｂｌｅ和各葉結(jié)點(diǎn)上的時(shí)空索－Ｔ

４　

引Ｓ加快了Ｔ－Ｔｒｅｅ共同構(gòu)成了一個(gè)全局時(shí)空索引，

時(shí)空查詢處理的速度，并降低了葉結(jié)點(diǎn)數(shù)據(jù)量對(duì)查詢性能的影響．

為了進(jìn)一步分析ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中葉結(jié)點(diǎn)規(guī)模對(duì)非關(guān)鍵字查詢處理性能的影響，我們?cè)诒恚澈捅恚粗蟹謩e給出ＩｏＴ－ＣｌｕｓｔｅｒＤＢ在處理Ｑ３和Ｑ５時(shí)的加速比實(shí)驗(yàn)結(jié)果．加速比Ｓｅｅｄｕｐｐ定義為

，Ｓｅｅｄｕｐｐ＝ＩｏＴＣｌｕｓｔｅｒＤＢξ

其中ξＮＱＰ和ＩｏＴＣｌｕｓｔｅｒＤＢ－ＳＮＱＰ和ξＩｏＴＣｌｕｓｔｅｒＤＢ分別是Ｓ

ＳＮＱＰ

的查詢響應(yīng)時(shí)間．

表３�。桑铮裕欤酰螅簦澹颍模略趫�(zhí)行Ｑ３時(shí)的加速比－Ｃ

ＮＬｅａｆＮｏｄｅｓ

２　

４�。浮。保丁。常病�

加速比

ＮＳ６４×１０００�。澹睿螅铮颍螅�

１．５７　

３．２５　６．２７�。保保福场。玻埃保埂�

ＮＳ１６０×１０００ｅｎｓｏｒｓ＝

１．６２

３．２６６．３２１３．５２２４．８６

表４　ＩｏＴｌｕｓｔｅｒＤＢ在執(zhí)行Ｑ５時(shí)的加速比－Ｃ

ＮＬｅａｆＮｏｄｅｓ

２　

４�。浮。保丁。常布铀俦�

ＮＳ６４×１０００�。澹睿螅铮颍螅�

１．６２　

１．９５�。玻福埂。常叮浮。叮保保危樱保叮啊粒保埃埃埃澹睿螅铮颍螅�

１．８７

２．４５３．９２４．７７６．１２

圖９�。桑铮裕茫欤酰螅簦澹颍模碌牟樵冺憫�(yīng)時(shí)間

從圖９可以看出，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ可以有效地支持關(guān)鍵字查詢Ｑ且在不同的數(shù)據(jù)量及不同的葉１，結(jié)點(diǎn)規(guī)模的情況下，關(guān)鍵字查詢的響應(yīng)時(shí)間基本保持穩(wěn)定．這是因?yàn)椋桑铮裕茫欤酰螅簦澹颍模峦ㄟ^(guò)ＧＦＴＫＢ－

＋

從表３可以看出，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ在處理屬性約束條件查詢Ｑ加速比隨著葉結(jié)點(diǎn)個(gè)數(shù)的增３時(shí)，而且數(shù)據(jù)量越大，加速比增加得加幾乎呈線性增長(zhǎng)，

也越明顯．這是因?yàn)樵冢桑铮裕茫欤酰螅簦澹颍模轮兴械臄?shù)據(jù)均是統(tǒng)一存放在單個(gè)關(guān)系表中的，不牽涉到連接因此查詢的響應(yīng)時(shí)間基本上取決于各葉結(jié)點(diǎn)運(yùn)算，

的平均數(shù)據(jù)量．此外，多個(gè)數(shù)據(jù)庫(kù)結(jié)點(diǎn)的協(xié)同工作也分擔(dān)了傳感器數(shù)據(jù)更新所帶來(lái)的繁重通信與計(jì)算開銷．

從表４可以看出，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ在處理時(shí)空約束條件查詢Ｑ加速比也隨著葉結(jié)點(diǎn)個(gè)數(shù)的５時(shí)，增加而隨之增大，但與Ｑ３相比，Ｑ５的加速比變化這是由于全局時(shí)空索引的影響不如Ｑ３變化明顯，而導(dǎo)致的．另外，軌跡的分割與合并也給全局查詢處理帶來(lái)了額外的計(jì)算開銷．

系統(tǒng)的查詢處理性能通常受到數(shù)據(jù)更新的影響．為了測(cè)試傳感器數(shù)據(jù)上傳對(duì)系統(tǒng)查詢處理性能

Ｔｒｅｅ和ＫＳＭＢ－Ｔｒｅｅ對(duì)關(guān)鍵字進(jìn)行了全局索引，

＋

因此數(shù)據(jù)量及結(jié)點(diǎn)規(guī)模的變化對(duì)查詢響應(yīng)時(shí)間的影響很�。�

對(duì)于屬性約束條件查詢Ｑ查詢響應(yīng)時(shí)間明顯３，——數(shù)據(jù)量越大則查地依賴于數(shù)據(jù)量及結(jié)點(diǎn)的規(guī)�！�

詢響應(yīng)時(shí)間越長(zhǎng)，且在同等數(shù)據(jù)量的情況下，查詢響應(yīng)時(shí)間隨著結(jié)點(diǎn)規(guī)模的增大而減少．這是因?yàn)樵诟魅~結(jié)點(diǎn)上沒有建立屬性索引，因此查詢的響應(yīng)時(shí)間主要取決于各葉結(jié)點(diǎn)的平均數(shù)據(jù)量．

對(duì)于時(shí)空約束條件查詢Ｑ其查詢響應(yīng)時(shí)間的５，總體變化趨勢(shì)與Ｑ但其變化幅度不如Ｑ３相似，３明顯，且查詢性能總體上優(yōu)于Ｑ這是因?yàn)樵冢桑常铮裕茫欤酰螅簦澹颍模轮袛?shù)據(jù)是按照地理空間屬性進(jìn)行分布

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１８９

的影響，我們比較了打開數(shù)據(jù)更新和沒有數(shù)據(jù)更新兩種情況下的查詢響應(yīng)時(shí)間（每一輪實(shí)驗(yàn)均�。眩薄捎诤挽o態(tài)傳感器Ｑ５五個(gè)查詢的平均響應(yīng)時(shí)間）．

移動(dòng)傳感器的數(shù)據(jù)更新代價(jià)更大（因?yàn)樾枰獎(jiǎng)酉啾龋?/p>

），態(tài)維護(hù)Ｇ因此我們選擇移動(dòng)對(duì)象來(lái)進(jìn)ＳＳＴＲ－Ｔｒｅｅ同時(shí)，為了增加每個(gè)葉結(jié)點(diǎn)服務(wù)器的壓力，行測(cè)試．

在實(shí)驗(yàn)中我們選擇相對(duì)較少的服務(wù)器數(shù)量（４～１６個(gè)）圖１．０給出了相關(guān)的實(shí)驗(yàn)結(jié)果

．

系數(shù)據(jù)庫(kù)集群的基礎(chǔ)上建立分布式的全局關(guān)鍵字索引及全局關(guān)鍵字查詢處理機(jī)制，使得ＩｏＴ－ＣｌｕｓｔｅｒＤＢ可以兼容多種查詢類型的快速處理，突破了目前云數(shù)據(jù)管理技術(shù)主要針對(duì)“鍵－值”查詢、并行數(shù)據(jù)庫(kù)技術(shù)主要針對(duì)ＳＱＬ查詢的局限．

（）提出了一種能夠應(yīng)對(duì)傳感器采樣數(shù)據(jù)的異２

時(shí)空相關(guān)性和動(dòng)態(tài)流式特性的傳感器時(shí)空數(shù)構(gòu)性、

據(jù)庫(kù)模型．通過(guò)采樣數(shù)據(jù)序列等數(shù)據(jù)類型和相應(yīng)的查詢操作，，在數(shù)據(jù)庫(kù)內(nèi)核一級(jí)實(shí)現(xiàn)了傳感器采樣數(shù)存儲(chǔ)、計(jì)算和查詢，突破了目前時(shí)空據(jù)的統(tǒng)一表示、

數(shù)據(jù)庫(kù)主要針對(duì)靜態(tài)的空間數(shù)據(jù)或相對(duì)單一的時(shí)空數(shù)據(jù)、缺乏有效的異構(gòu)數(shù)據(jù)流表示方法的局限．

（）提出了一種地理區(qū)域敏感的傳感器采樣數(shù)３

據(jù)分布策略，并在此基礎(chǔ)上提出了一種分布式的全局時(shí)空索引和全局時(shí)空查詢處理方法，突破了目前時(shí)空數(shù)據(jù)庫(kù)主要針對(duì)單機(jī)環(huán)境、缺乏時(shí)空數(shù)據(jù)庫(kù)集群相關(guān)方法的局限．

物聯(lián)網(wǎng)海量數(shù)據(jù)處理技術(shù)具有廣闊的應(yīng)用前景．例如，通過(guò)電網(wǎng)中的傳感器結(jié)點(diǎn)，可以獲知電網(wǎng)中的電力變化及用戶的用電規(guī)律，并進(jìn)一步實(shí)現(xiàn)智能化的電力傳輸；通過(guò)湖泊中布設(shè)的傳感器，可以對(duì)污染數(shù)據(jù)進(jìn)行采樣并進(jìn)行異常情況的報(bào)警；通過(guò)在交通系統(tǒng)中設(shè)置的大量傳感器，可以實(shí)現(xiàn)車聯(lián)網(wǎng)和先進(jìn)的智能交通控制與管理等．

隨著研究的不斷深入及技術(shù)的不斷發(fā)展，可以想見，物聯(lián)網(wǎng)必將在國(guó)民經(jīng)濟(jì)和人民生活中扮演重要的角色，并給人們的生活和工作方式帶來(lái)深刻的變革．

致　謝　感謝中國(guó)科學(xué)院軟件研究所的郭黎敏，她在

參

考

文

獻(xiàn)

圖１０�。桑铮裕茫欤酰螅簦澹颍模轮袛�(shù)據(jù)更新對(duì)查詢響應(yīng)時(shí)間的影響

從圖１０可以看出，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ在葉結(jié)點(diǎn)數(shù)目一定的情況下，所接入的傳感器數(shù)目越多，則采樣此外，當(dāng)傳感器的數(shù)據(jù)更新對(duì)查詢性能的影響越大．

數(shù)目一定時(shí)，隨著葉結(jié)點(diǎn)數(shù)目的增長(zhǎng)，采樣數(shù)據(jù)更新對(duì)查詢性能的影響也隨之降低．當(dāng)葉結(jié)點(diǎn)的個(gè)數(shù)為所接入的傳感器數(shù)目為９系統(tǒng)的查１６，１２００個(gè)時(shí)，　詢響應(yīng)時(shí)間僅為沒有數(shù)據(jù)更新時(shí)的１仍然表．５倍，現(xiàn)了良好的查詢處理性能．

綜合以上分析，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ在海量傳感器采樣數(shù)據(jù)管理方面提供了良好的數(shù)據(jù)接入與查詢處理性能，為物聯(lián)網(wǎng)海量數(shù)據(jù)管理提供了一種可行的解決方案．

７　結(jié)　論

物聯(lián)網(wǎng)打破了物理世界和數(shù)字世界的界限，將信息技術(shù)延伸到了物理世界和人類社會(huì)，是促使未

海量數(shù)據(jù)處理技術(shù)的角度出發(fā)，對(duì)物聯(lián)網(wǎng)所提出的挑戰(zhàn)及相關(guān)對(duì)策進(jìn)行了分析，并提出了一種面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框

（）提出了一種能夠同時(shí)支持“鍵－值”查詢和１

普通Ｓ通過(guò)在關(guān)ＱＬ查詢的物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)集群框架．

［］Ｓ１ａｒｍａＳ，ＢｒｏｃｋＤＬ，ＡｓｈｔｏｎＫ．ＭＩＴ　ＡｕｔｏＩＤ�。祝龋埃埃保骸　　　　�

ＴｈｅＮｅｔｗｏｒｋｅｄＰｈｓｉｃａｌＷｏｒｌｄＰｒｏｏｓａｌｓｆｏｒＥｎｉｎｅｅｒｉｎ　　�。　。穑纾�，ｔｈｅＮｅｘｔＧｅｎｅｒａｔｉｏｎｏｆＣｏｍｕｔｉｎＣｏｍｍｅｒｃｅ＆Ａｕｔｏｍａｔｉｃ　　　　�。穑纾海�，Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．ＭａｓｓａｃｈｕｓｅｔｔｓＩＴＰｒｅｓｓ２０００　

［］Ｙ，Ｈ，Ｗ２ｅＴｉａｎｈｕｎｕａｎＸｉａｏａｎａｎＷｅｎＳｈｅｎｅｔａｌ．�。茫牵。纾纾纭。纭　�

’ＴｈｅＡｎｎｕａｌＢｌｕｅＢｏｏｋｏｎＣｈｉｎａｓＤｅｖｅｌｏｍｅｎｔｏｆＩｎｔｅｒｎｅｔ　　　　　　　�。穑ǎ铮妫裕瑁椋睿螅桑睿洌酰螅簦颍校酰猓欤椋螅瑁澹洌猓茫桑裕茫龋桑危粒玻埃保埃椋睿茫瑁椤　　　。纾。睿澹螅�

（葉甜春，黃曉剛，王文升等主編．中國(guó)物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展年度））藍(lán)皮書（２０１０．中國(guó)物聯(lián)網(wǎng)研究發(fā)展中心，２０１０

１１９０

計(jì)　　算　　機(jī)　　學(xué)　　報(bào)２０１２年

［］Ｓ３ｕｎｄｍａｅｋｅｒＨ，ＧｕｉｌｌｅｍｉｎＰｅｔａｌ．ＶｉｓｉｏｎａｎｄＣｈａｌｌｅｎｅｓｆｏｒ　　　　　　�。�

：ＰＲｅａｌｉｚｉｎｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ．Ｌｕｘｅｍｂｏｒｕｂｌｉｃａｔｉｏｎｓ　　�。纾纾纭�，ＯｆｆｉｃｅｏｆｔｈｅＥｕｒｏｅａｎＵｎｉｏｎ２０１０　　　　ｐ

［］Ｎ，Ｎ４ｉｎＨｕａｎＳｈｅｎｉｎＮａｅｔａｌ．Ｌａｅｒｅｄｓｔｒｕｃｔｕｒｅａｎｄ－　　　�。纾纾纾　�

／／ｍａｎａｅｍｅｎｔｉｎＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅＦｕ　　　　　　�。纾纾纾簦酰颍澹牵澹睿澹颍幔簦椋铮睿茫铮恚恚酰睿椋悖幔簦椋铮睿幔睿洌危澹簦鳎铮颍耄ǎ疲牵茫危剩澹酢　　　。�，Ｋ，Ｉｓｌａｎｄｏｒｅａ２００７：３８６３８９－

［］Ｙ５ａｎＬｕ，ＺｈａｎＹａｎ，ＹａｎＬａｕｒｅｎｃｅＴ，ＮｉｎＨｕａｎＳｈｅｎ．　�。纾纾纭　　�

：ＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓＦｒｏｍ�。遥疲桑模簦铮簦瑁澹危澹簦澹睿澹颍幔簦椋铮睿裕瑁濉　　　　　。牵纾海粒校澹颍觯幔螅椋觯澹危澹簦鳎铮颍耄樱螅簦澹恚螅危澹鳌。伲铮颍耄酰澹颍猓幔悖瑁校酰猓欤椋悖帷　　。簦椋铮睿螅玻埃埃�

［］Ｇ６ｉｕｓｔｏＤ，ＩｅｒａＡ，ＭｏｒａｂｉｔｏＧ，ＡｔｚｏｒｉＬｅｄｓ．ＴｈｅＩｎｔｅｒｎｅｔ　　　　　　

：ｏｆＴｈｉｎｓ２０ｔｈＴｒｒｈｅｎｉａｎ�。祝铮颍耄螅瑁铮铮睿模椋椋簦幔欤茫铮恚恚酰睿椤　　　。纾穑纭。海悖幔簦椋铮睿螅牵澹颍恚幔睿樱颍椋睿澹颍玻埃保埃穑�

［］Ａ：Ａ７ｔｚｏｒｉＬ，ＩｅｒａＡ，ＭｏｒａｂｉｔｏＧ．ＴｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ　　　　　�。�

，（）：Ｎｅｔｗｏｒｋｓ２０１０，５４１５１１９ｓｕｒｖｅ．Ｃｏｍｕｔｅｒ�。�

［］Ｔ／／８ｓｉｆｔｅｓＮ，ＤｕｎｋｅｌｓＡ．ＡｄａｔａｂａｓｅｉｎｅｖｅｒｓｅｎｓｏｒＰｒｏｃｅｅｄ　　　　�。�

ｉｎｓｏｆｔｈｅ９ｔｈＡＣＭ�。茫铮睿妫澹颍澹睿悖澹铮睿牛恚猓澹洌洌澹洌危澹簦鳎铮颍耄澹洹　　　　　　。�

，ＵＳｅｎｓｏｒＳｓｔｅｍｓ．ＳｅａｔｔｌｅＳＡ，２０１１：３１６３２９�。�

［］Ｗｕ，Ｚ，Ａ，Ｔ９ＪｉｈｏｕＹｏｎｕａｎｂｅｒｅｒＫａｒｌａｎＫｉａｎｅｅ．　　－Ｌ　�。蹋�

Ｔｏｗａｒｄｓｉｎｔｅｒａｔｅｄａｎｄｅｆｆｉｃｉｅｎｔｓｃｉｅｎｔｉｆｉｃｓｅｎｓｏｒｄａｔａｒｏ　　　　　　�。纾穑海粒悖澹螅螅椋睿洌幔簦幔猓幔螅澹幔颍铮幔悖瑁校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹保玻簦瑁桑睢　　　　　。纾穑穑纾海簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿牛簦澹睿洌椋睿模幔簦幔猓幔螅澹裕澹悖瑁睿铮欤铩　　　。纾纾。�，ＡｄｖａｎｃｅｓｉｎＤａｔａｂａｓｅＴｅｃｈｎｏｌｏ．Ｓｔ．Ｐｅｔｅｒｓｂｕｒｕｓｓｉａ　　�。纾纾玻埃埃梗海梗玻玻梗常常�

［］Ｍ，，１０ａｄｄｅｎＳＦｒａｎｋｌｉｎＭＪＨｅｌｌｅｒｓｔｅｉｎＪＭ，ＨｏｎＷ．ＴｉｎＤＢ：　　　　�。纭。�

Ａｎａｃｕｉｓｉｔｉｏｎａｌｕｅｒｒｏｃｅｓｓｉｎｓｓｔｅｍｆｏｒｓｅｎｓｏｒｎｅｔ　　　　�。瘢瘢穑纾　�，ｗｏｒｋｓ．ＡＣＭ�。裕颍幔睿螅幔悖簦椋铮睿螅铮睿模幔簦幔猓幔螅澹樱螅簦澹恚螅玻埃埃�，３０　　　ｙ（）：１１２２１７３－

［］Ｇ：Ａ１１ｕｒｅｎＬ，ＲｏｎｃａｎｃｉｏＣ，ＬａｂｂéＣｅｔａｌ．ＳＳｔｒｅａＭＷａｒｅ　　　　ｇ

ｏｒｉｅｎｔｅｄｍｉｄｄｌｅｗａｒｅｆｏｒｈｅｔｅｒｏｅｎｅｏｕｓｓｅｎｓｏｒｄａｔａｓｅｒｖｉｃｅ　　　　　�。纾恚幔睿幔澹恚澹睿簦校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹担簦瑁桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颉　　　　。纾�，Ｉ，ｅｎｃｅｏｎＰｅｒｖａｓｉｖｅＳｅｒｖｉｃｅｓ（ＩＣＰＳ’０８）．Ｓｏｒｒｅｎｔｏｔａｌ　　　ｙ２００８：１２１１３０－

［］Ｋ：Ａ�。保玻椋怼。�，ＬｅｅＪＷ，ＲｏｕＪＣ．ＣＯＳＭＯＳｍｉｄｄｌｅｗａｒｅｆｏｒ　　　　�。�

ｉｎｔｅｒａｔｅｄｄａｔａｒｏｃｅｓｓｉｎｏｖｅｒｈｅｔｅｒｏｅｎｅｏｕｓｓｅｎｓｏｒｎｅｔ　　　　�。纾穑纾纭�，（）：ｗｏｒｋｓ．ＥＴＲＩＪｏｕｒｎａｌ２００８，３０５６９６７０６�。�

［］Ｙ：１３ｕｒｉａｍａｕｓｈｉｄａｅｎｓｏｒｌｏｕｄｎｆｒａｓｔｒｕｃｔｕｒｅ　Ｍ，Ｋ�。裕樱谩。椋�

Ｐｈｓｉｃａｌｓｅｎｓｏｒｍａｎａｅｍｅｎｔｗｉｔｈｖｉｒｔｕａｌｉｚｅｄｓｅｎｓｏｒｓｏｎｃｌｏｕｄ　　　　　　　ｙｇ／／ｃｏｍｕｔｉｎＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅ１３ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ　　　　�。穑纾纾铮睿危澹簦鳎铮颍耄幔螅澹洌桑睿妫铮颍恚幔簦椋铮睿樱螅簦澹恚螅ǎ危拢椋樱裕幔耄幔幔恚帷。隆　。剩幔幔睿玻埃保埃海保福�

［］Ｂ１４ａｌｄｏｎｉＲ，ＣｅｒｏｃｃｈｉＡ，ＬｏｄｉＧｅｔａｌ．Ｄｅｓｉｎｉｎｈｉｈｌａｖａｉｌ　　　　　－ｇｇｇｙ　　

ａｂｌｅｒｅｏｓｉｔｏｒｉｅｓｆｏｒｈｅｔｅｒｏｅｎｅｏｕｓｓｅｎｓｏｒｄａｔａｉｎｏｅｎｈｏｍｅ　　　　　　　�。穑纾穑幔酰簦铮恚幔簦椋铮睿螅螅簦澹恚螅校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹罚簦瑁桑疲桑小。祝牵保埃病　　　　　。纾桑睿簦澹颍睿幔簦椋铮睿幔欤祝铮颍耄螅瑁铮铮睿樱铮妫簦鳎幔颍澹裕澹悖瑁睿铮欤铮椋澹螅妫铮颍牛恚　　　　。穑纭�，ｂｅｄｄｅｄａｎｄＵｂｉｕｉｔｏｕｓＳｓｔｅｍｓ（ＳＥＵＳ’０９）．Ｓｒｉｎｅｒ　　�。瘢穑�，ＵＮｅｗｏｒｔＢｅａｃｈＳＡ，２００９：１１２�。�

［］Ａ：Ｌ１５ｂａｄｉＤＪ．Ｄａｔａｍａｎａｅｍｅｎｔｉｎｔｈｅｃｌｏｕｄｉｍｉｔａｔｉｏｎｓａｎｄ　　　　　　　ｇ

，２ｏｏｒｔｕｎｉｔｉｅｓ．ＩＥＥＥＤａｔａＥｎｉｎｅｅｒｉｎＢｕｌｌｅｔｉｎ００９，３２　�。穑穑纾纭。ǎ海保保保埃�

［］Ｓ，，Ｌ：Ａ１６ｕｎＮｉｎｕｉＸｕＺｈｉｅｉｉＧｕｏＪｉｅ．Ｓｅａｏｍｕｔｉｎ�。取。住。茫纾穑�

ｎｏｖｅｌｃｏｍｕｔａｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ．Ｃｏｍｍｕ　　　　　　�。穑�

，（）：ｎｉｃａｔｉｏｎｓｏｆｔｈｅＣｈｉｎａＣｏｍｕｔｅｒＦｅｄｅｒａｔｉｏｎ２０１０，６７５２　　　　�。穑ǎ担叮椋睿茫瑁椋睿澹螅濉�

（孫凝暉，徐志偉，李國(guó)杰．海計(jì)算：物聯(lián)網(wǎng)的新型計(jì)算模（）：）型．中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊，２０１０，６７５２５６－

］Ｃ，：［１７ｈａｎＦ，ＤｅａｎＪＧｈｅｍａｗａｔＳｅｔａｌ．ＢｉｔａｂｌｅＡｄｉｓｔｒｉｂｕｔｅｄ　　　　�。纾纭�

／／ｓｔｏｒａｅｓｓｔｅｍｆｏｒｓｔｒｕｃｔｕｒｅｄｄａｔａＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅ７ｔｈ　　　　　　�。纾纾铮睿希澹颍幔簦椋睿樱螅簦澹恚螅模澹螅椋睿幔睿洌桑恚欤澹恚澹睿簦幔簦椋铮睿樱恚铮螅椋酰怼　　　　。穑纾纾穑稹。ā眨希樱模桑埃叮樱澹幔簦簦欤澹樱�，２００６：２０５２０８－

［］Ｄ：１８ｅＣａｎｄｉａＧ，ＨａｓｔｏｒｕｎＤ，ＪａｍａｎｉＭｅｔａｌ．Ｄｎａｍｏ　　　　�。穑�

’／／ＡｍａｚｏｎｓｈｉｈｌａｖａｉｌａｂｌｅｋｅｖａｌｕｅｓｔｏｒｅＰｒｏｃｅｅｄｉｎｓｏｆ　�。　。纾纭。簦瑁澹玻保螅簦粒茫汀。樱恚铮螅椋酰恚铮睿希澹颍幔簦椋睿樱螅簦澹恚螅校颍椋睿悖椋欤澹蟆　　　　。穑穑纾稹。ǎ樱希樱小玻埃埃罚祝幔螅瑁椋睿簦铮�，ＵＳＡ，２００７：２０５２２０－ｇ

［］Ｃ：１９ａｒｓｔｏｉｕＤ，ＬｅａｄａｔｕＥ，ＧａｓａｒＭ．ＨｂａｓｅＮｏｎＳＱＬｄａｔａ　　　　　－ｐｐ

，ｂａｓｅｅｖａｌｕａｔｉｏｎ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｅｒｆｏｒｍａｎｃｅｓ　　　　－ｐ，（）：ｖａｎｃｅｍｅｎｔｓｉｎＣｏｍｕｔｉｎＴｅｃｈｎｏｌｏ２０１０，２５４２５２　�。穑纾纾�

［］Ｃ：２０ｏｏｅｒＢＦ，ＲａｍａｋｒｉｓｈｎａｎＲ，ＳｒｉｖａｓｔａｖａＵｅｔａｌ．ＰＮＵＴＳ　　　　　�。�

！’／／ＹａｈｏｏｓｈｏｓｔｅｄｄａｔａｓｅｒｖｉｎｌａｔｆｏｒｍＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅ　　　　�。纾穑纭。桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿郑澹颍蹋幔颍澹模幔簦幔拢幔螅澹螅常矗簦琛　　　　　。纭。ǎ�，Ｎ，ＶＬＤＢ’２００８．ＡｕｃｋｌａｎｄｅｗＺｅａｌａｎｄ２００８：１２７７１２８８�。�

［］Ｔ：Ａ�。玻保瑁酰螅铮铮粒樱幔颍恚幔剩�，ＪａｉｎＮｅｔａｌ．Ｈｉｖｅｗａｒｅｈｏｕｓｉｎ　　　　　　ｇ

／／ｏｖｅｒａｍａｒｅｄｕｃｅｆｒａｍｅｗｏｒｋＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅｓｏｌｕｔｉｏｎ　　�。　　。穑纾常担簦瑁桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿郑澹颍蹋幔颍澹模幔簦幔拢幔螅澹蟆　　　　　。纭。ǎ郑蹋模隆玻埃埃梗蹋铮�，Ｆｒａｎｃｅ２００９ｙ

［］Ｃ２２ａｍｂｅｌｌＤＧ，ＫａｋｉｖａａＧ，ＥｌｌｉｓＮ．Ｅｘｔｒｅｍｅｓｃａｌｅｗｉｔｈｆｕｌｌ　　　　　　�。穑�

／／ＳＱＬｌａｎｕａｅｓｕｏｒｔｉｎｍｉｃｒｏｓｏｆｔＳＱＬＡｚｕｒｅＰｒｏｃｅｅｄｉｎｓ　　　　　�。纾纾穑穑纾铮妫簦瑁澹玻梗簦瑁粒茫汀。樱桑牵停希模桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿停幔睢　　　　　　。眨幔澹恚澹睿簦铮妫模幔簦幔ǎ樱桑牵停希摹玻埃保埃桑睿洌椋幔睿幔樱�，２０１０：　�。纾保埃玻保保埃玻常�

［］Ｗ：２３ａａｓＦｌｏｒｉａｎＭ．Ｂｅｏｎｄｃｏｎｖｅｎｔｉｏｎａｌｄａｔａｗａｒｅｈｏｕｓｉｎ　　　　�。�

ＭａｓｓｉｖｅｌａｒａｌｌｅｌｄａｔａｒｏｃｅｓｓｉｎｗｉｔｈＧｒｅｅｎｌｕｍ�。模幔簦帷　　。穑穑穑纭　。猓幔螅澹校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹玻睿洌桑睿簦澹颍睿幔簦椋铮睿幔欤祝铮颍耄螅瑁铮铮睢　　　　。纾稹。拢酰螅椋睿澹螅螅睿簦澹欤欤椋澹睿悖澹铮颍瑁澹澹幔欤椋恚澹睿簦澹颍颍椋螅濉。伞。妗。簟。遥浴。牛纾穑ǎ�，ＢＩＲＴＥ’２００８．ＡｕｃｋｌａｎｄｅｗＺｅａｌａｎｄ２００８：８９９６�。�

［］Ｐ２４ｏｅｓｓＭ，ＮａｍｂｉａｒＲＯ．Ｌａｒｅｓｃａｌｅｄａｔａｗａｒｅｈｏｕｓｅｓｏｎ　　　　　　�。�

：Ｏ／／ｒｉｄｒｏＬｉａｎｔｒａｃｌｅｄａｔａｂａｓｅ１０ｇａｎｄＨＰｓｓｔｅｍｓＰｒｏ　　　　�。纾穑。悖澹澹洌椋睿螅铮妫簦瑁澹常保螅簦桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿郑澹颍蹋幔颍濉　　　　　　。纾纭。玻拢幔螅澹螅ǎ郑蹋模隆玻埃埃担裕颍铮睿洌瑁澹椋�，Ｎｏｒｗａ００５：Ｄａｔａ�。保埃担担保埃叮叮�

［］Ｙ２５ｕＸｕ，ＫｏｓｔａｍａａＰ．Ａｎｅｗａｌｏｒｉｔｈｍｆｏｒｓｍａｌｌｌａｒｅｔａｂｌｅ　　　　　�。。纾�

／／ｏｉｎｓｉｎａｒａｌｌｅｌＤＢＭＳＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅＩＥＥＥ２６ｔｈｏｕｔｅｒ　　　　　　　�。辏穑纾桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿模幔簦幔牛睿椋睿澹澹颍椋睿桑茫模拧玻埃保埃　　　。纾纾ǎ眨拢澹幔悖瑁樱�，２０１０：１０１８１０２４Ｌｏｎ－ｇ　

［］Ｋ２６ａｎＫＤ，ＢａｓａｒａｎＣ．Ａｄａｔｉｖｅｄａｔａｒｅｌｉｃａｔｉｏｎｆｏｒｌｏａｄｓｈａ　　　　　　�。纾穑稹�

／／ｒｉｎｉｎａｓｅｎｓｏｒｄａｔａｃｅｎｔｅｒＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅ２９ｔｈＩＥＥＥ　　　　　　　�。纾纭。桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿模椋螅簦颍椋猓酰簦澹洌茫铮恚酰簦椋睿樱螅簦澹恚蟆　　　。穑纾�，Ｃ，ＩＣＤＣＳ�。祝铮颍耄螅瑁铮蟆埃梗停铮睿簦颍澹幔欤幔睿幔洌幔祝铮颍耄螅瑁铮螅ǎ穑穑玻埃埃梗海玻埃玻担�

［］Ｇ２７üｔｉｎＲ�。�，ＢｈｌｅｎＭ　Ｈ，ＥｒｗｉＭ，ＪｅｎｓｅｎＣＳｅｔａｌ．Ａ　　　　�。纾纭　�

ｆｏｕｎｄａｔｉｏｎｆｏｒｒｅｒｅｓｅｎｔｉｎａｎｄｕｅｒｉｎｍｏｖｉｎｏｂｅｃｔｓ．　　�。穑纾瘢纾纾辍　　�，（）：ＡＣＭ�。裕颍幔睿螅幔悖簦椋铮睿螅铮睿模幔簦幔猓幔螅澹樱螅簦澹恚螅玻埃埃埃玻担保保矗病　　。�

［］Ｇ２８üｔｉｎＲ　Ｈ，ＡｌｍｅｉｄａＶ�。�，ＤｉｎＺ．Ｍｏｄｅｌｉｎａｎｄｕｅｒｉｎ　�。纾纾纾瘢纭　　�

，：ｍｏｖｉｎｏｂｅｃｔｓｉｎｎｅｔｗｏｒｋｓ．ＶＬＤＢＪｏｕｒｎａｌ２００６，１５（２）　　�。纾辍。保叮担保梗埃�

６期丁治明等：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架

１１９１

［］Ｃ２９ｈａｎｄｒａｓｅｋａｒａｎｏｏｅｒｅｓｈａｎｄｅｔｌ．�。�，Ｃ�。�，Ｄ　Ａ�。濉。幔穑�

ＣｏｎｔｉｎｕｏｕｓｄａｔａｆｌｏｗｒｏｃｅｓｓｉｎｆｏｒａｎｕｎｃｅｒＴｅｌｅｒａｈＣＱ：　　　�。穑纾纾稹。簦幔椋睿鳎铮颍欤洌校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹保螅簦拢椋澹睿睿椋幔欤茫铮睿妫澹颍澹睿悖澹铮睿桑睢　　　　　　　。�，ｎｏｖａｔｉｖｅＤａｔａＳｓｔｅｍｓＲｅｓｅａｒｃｈ（ＣＩＤＲ’２００３）．Ａｓｉｌｏｍａｒ　　　ｙＵＳＡ，２００３：２７６２８５－

［］Ｃ３０ｒａｎｏｒＣＤ，ＪｏｈｎｓｏｎＴ，ＳａｔｓｃｈｅｃｋＯ，ＳｈｋａｅｎｕｋＶ．　　　　�。穑穑�

：Ａ／／Ｇｉａｓｃｏｅｓｔｒｅａｍｄａｔａｂａｓｅｆｏｒｎｅｔｗｏｒｋａｌｉｃａｔｉｏｎｓ　　　　�。纾穑穑穑校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹玻玻簦瑁粒茫停樱桑牵停希模桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颉　　　　　　。纾澹睿悖澹铮睿停幔睿幔澹恚澹睿簦铮妫模幔簦幔ǎ樱桑牵停希摹玻埃埃常樱幔睿模椋澹铩　　　　。纾纾眨樱粒玻埃埃常海叮矗罚叮担保�

［］Ａ３１ｎｄｒａｄｅＨ，ＧｅｄｉｋＢ，ＷｕＫ－Ｌ，ＹｕＰＳ．Ｓｃａｌｅｓｔｒａｔｅｉｅｓ　　　　�。眨穑纭�

／／ｒｏｃｅｓｓｉｎｈｉｈｒａｔｅｄａｔａｓｔｒｅａｍｓｉｎＳｓｔｅｍＳＰｒｏｃｅｅｄｉｎｓｆｏｒ　－　　　　�。穑纾纾纭。铮妫簦瑁澹桑牛牛牛玻担簦瑁桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睿模幔簦幔牛睿椋睿澹澹颉　　　　　　　。纾�，，ｉｎＩＣＤＥ’２００９．ＳｈａｎｈａｉＣｈｉｎａ２００９：１３７５１３７８－ｇ（ｇ［］Ｆ：Ｏ３２ｕｓｃｏＦ，ＳｔｏｅｃｋｌｉｎＭ　Ｐ，ＶｌａｃｈｏｓＭ．Ｎｅｔｌｉｎｔｈｅｆｌ　　　－Ｆ－－ｙ

，ｃｏｍｒｅｓｓｉｏｎａｒｃｈｉｖｉｎａｎｄｉｎｄｅｘｉｎｏｆｓｔｒｅａｍｉｎｎｅｔｗｏｒｋ　�。穑纾纾纭　　。簦颍幔妫妫椋悖校颍铮悖澹澹洌椋睿螅铮妫簦瑁澹常叮簦瑁桑睿簦澹颍睿幔簦椋铮睿幔欤茫铮睿妫澹颍澹睿悖澹铮睢　　　　　。�，２ＶｅｒＬａｒｅＤａｔａＢａｓｅｓ（ＶＬＤＢ’２０１０）．Ｓｉｎａｏｒｅ０１０：　�。纾纾稹。保常福玻保常�

３－

，ｂＤＩＮＧＺｈｉｉｎｏｒｎｉｎ１９６６，�。汀　。�，ｐ，ＰｒｏｆｅｓｓｏｒＰｈ．Ｄ．ｈ．Ｄ．ｓｕｅｒｖｉｓｏｒ．ｐＨｉｓｒｅｓｅａｒｃｈｉｎｔｅｒｅｓｔｓｉｎｃｌｕｄｅｄａｔａｂａｓｅ　　　　，ｓｋｎｏｗｌｅｄｅｂａｓｅｓｓｔｅｍｓａｔｉａｌａｎｄ　　�。纾穑�，ｔｅｍｏｒａｌｄａｔａｂａｓｅｓＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ　　�。穑纾幔悖欤铮酰洌铮恚酰簦椋睿睿洌睿妫铮颍恚幔簦椋铮睢。恪。椋穑纾颍澹簦颍椋澹觯幔欤�

，，ＧＡＯＸｕｂｏｒｎｉｎ１９８０，Ｐｈ．Ｄ．ｃａｎｄｉｄａｔｅｌｅｃｔｕｒｅｒ．Ｈｉｓ　　�。颍澹螅澹幔颍悖瑁椋睿簦澹颍澹螅簦螅椋睿悖欤酰洌澹洌幔簦幔猓幔螅澹幔睿洌耄睿铮鳎欤澹洌澹猓幔螅澹恚幔椋睢　　　　　　。�，ｓｓｔｅｍｓａｎｄｓａｔｉａｌｔｅｍｏｒａｌｄａｔａｂａｓｅｓ．�。。穑�

Ｂａｃｋｒｏｕｎｄｇ

，ｏｗａｄａｓｔｈｅＩｎｔｅｒｎｅｔｏｆＴｈｉｎｓ（ＩｏＴ）ｈａｓｂｅｃｏｍｅａ　　Ｎ　　　　�。�，ｈｏｔｒｅｓｅａｒｃｈｉｓｓｕｅ．ＨｏｗｅｖｅｒｔｈｅｍａｓｓｉｖｅＩｏＴｄａｔａｍａｎａｅ　　　　　�。�，ｗｒｏｂｌｅｍｍｅｎｔｈａｓｎｏｔｂｅｅｎｔｈｏｒｏｕｈｌｓｔｕｄｉｅｄｈｉｃｈｂｅ　　　　　�。穑纾。悖铮恚澹螅幔猓铮簦簦欤澹睿澹悖耄妫铮颍簦瑁澹洌澹觯澹欤铮恚澹睿簦铮妫簦瑁澹桑铮裕椋睿洌酰螅簦颍　　　　　　　　。穑�，ｗ，ｅａｒｓＩｎｒｅｃｅｎｔｅｈａｖｅｃｏｎｄｕｃｔｅｄｃｏｎｔｉｎｕｏｕｓｒｅｓｅａｒｃｈ　　　　　　ｙ，ｓｏｆｔｗａｒｅｄｅｖｅｌｏｍｅｎｔａｎｄｉｎｄｕｓｔｒｉａｌｉｚａｔｉｏｎｏｎＩｏＴｄａｔａｍａｎ　　　　　�。穑幔澹恚澹睿簦�

ＴｈｅｗｏｒｋｏｆｔｈｉｓａｅｒｉｓｓｕｏｒｔｅｄｂｔｈｅＮａｔｉｏｎａｌ　　　　　　　　ｐｐｐｐｙ　

’ＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ＮＳＦＣ）ｓｋｅＮａｔｕｒａｌｒｏｅｃｔ　　　　�。穑辍　埃桑睿簦澹颍睿澹簦铮妫瑁椋睿螅裕澹悖瑁睿铮欤铮幔睿洌樱螅簦澹恚妫铮颍樱澹睿螅椋睿眨睿浴　　　。纾纾纭　。悖铮睿觯澹睿簦椋铮睿幔欤牛恚澹颍澹睿悖椋澹螅幔睿洌妫铮颍牛恚澹颍澹睿悖茫铮恚恚幔睿洌椋睢　　　。纾纾纭薄。ǎ颍铮澹悖簦牵颍幔睿簦危铮梗保保玻矗埃埃保幔睿洌簦瑁澹耄澹洌椋颍澹悖簦椋铮睿铮妫茫瑁椤　　　　　。穑辏。睿澹螅澹粒悖幔洌澹恚铮妫樱悖椋澹睿悖澹蟆埃遥澹螅澹幔颍悖瑁幔睿洌模澹觯澹欤铮恚澹睿簦铮妗　　　　。稹　保幔澹颍茫欤铮酰洌樱簦铮颍幔澹幔睿洌遥澹簦颍椋澹觯幔欤樱螅簦澹恚螅裕瑁椋螅椋睿悖欤酰洌澹蟆　　　　　。穑穑纾颍铮澹悖簦螅颍澹螅澹幔颍悖瑁颍澹螅酰欤簦螅铮妫簦瑁澹幔猓铮觯澹簦瑁濉　　　　　。穑�

上一篇：QT和GTK+比較
下一篇：autocad2012 第4章 塊、外部參照、設(shè)計(jì)中心

  本文關(guān)鍵詞：面向物聯(lián)網(wǎng)海量傳感器采樣數(shù)據(jù)管理的數(shù)據(jù)庫(kù)集群系統(tǒng)框架，由筆耕文化傳播整理發(fā)布。