面向物联网的信息处理技术研究

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 面向物联网的信息处理技术研究 摘要：物联网在现代信息社会中 发挥着越来越重要的作用，该文分析了 物联网信息的特点，基于其特点讨论了 面向物联网的信息处理技术，并指出了 目前面向物联网的信息处理技术存在的 问题。 中国论文网 /8/view-12907446.htm 关键词：物联网；信息处理技术 中图分类号：TP393 文献标识码： A 文章编号： 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 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 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 物网是通过安装在物体上的射 频识别装置（RFID） 、红外线感应器、 全球定位系统（GPS ） 、激光扫描仪以 及各种传感器，能够在任何时间、地点 与物体之间进行信息交流和通信，从而 真正实现精确定位、准确识别、智能监 控和管理的一种网络1。物联网应用范 围广泛，在医疗系统、智能交通与公共 安全等领域发挥重要作用。物联网的开 展具有规模性、广泛参与性和技术性等 特征，是各行业共同参与融合的产物。 近年来，随着物联网的普及和发展，人 们对物联网的研究越来越关注。 2 物联网信息特点 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 物联网的智能主要体现在可以处 理传感器实时传递的大量数据，物联网 的信息呈现海量性、复杂性与时效性的 特点。 2.1 海量性 物联网是通过大量的“物” 相互连 接组合在一起的网络，每个“物” 都有自 己的传感器节点，传感器的数量和采集 的信息种类丰富。由于数据是固定周期 连续采集的，因此物联网的信息量也很 大，物联网正是由这些海量的小数据所 组成。 2.2 复杂性 物联网信息的复杂性主要分为异 构性和多态性。由于采集数据的传感器 的结构和性能的不同，所采集的信息在 内容和格式上具有差异。此外，由于位 置和环境等因素的影响，不同位置的同 类传感器采集到的信息也会存在差异。 因此，物联网中的感知设备种类与体系 架构越复杂，信息的异构性和多态性就 越突出。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 2.3 时效性 在物联网中，大量的传感器在不 停地周期性地采集新信息，对收集到的 历史信息和新信息进行实时性地融合和 处理是有效使用信息的关键。物联网中 心信息处理设备必须实时快速地响应各 种事件。反馈速度和响应时间反映了物 联网系统的可靠性和可用性。 3 物联网信息处理技术 物联网信息的特点决定了面向物 联网的信息处理技术不同于传统的信息 处理技术，现根据其主要特点分别阐述。 3.1 信息的分类和筛选 物联网是通过对收集到的海量数 据进行有效地分类和筛选来提高系统的 整体效率。目前主要采取的信息分类策 略是聚类算法。聚类过程是将一组物理 的或者抽象的数据对象根据相互之间的 相似度来划分成若干簇的过程。在这个 过程中，一组相似的数据对象构成一个 簇。聚类算法是根据收集到的信息来搜 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 索和确定该信息所包含的价值意义。目 前广泛应用的聚类算法包括 K 均值算法、 高斯分布测试算法和 G 均值算法。 3.2 信息的存储 物联网信息的存储，目前主要有 集中式存储和分布式存储两种方式。 在集中式信息管理系统中，各传 感器按照一定的采样规则，将所采集的 数据上传到数据中心进行统一的存储管 理，数据的查询和处理可以直接在数据 中心完成。由于数据中心具有相对强大 得多的存储与计算能力，因此这种方式 可以支持各种复杂的、密集型的查询， 更加适合于物联网的相关应用环境。集 中式信息管理技术目前又主要分为云计 算和并行数据库技术。 云计算是通过一种协同机制来动 态管理上百万台计算机所具有的处理能 力，按需分配给全球用户，从而具有稳 定而快速的存储能力。云计算管理系统 主要属于“键 -值” 数据库，如 Bigtable2、 Dybama3、HBase4、PNUTS5和 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 HIVE6等。这类数据库能够高效地处 理基于主关键字的查询，但不能有效地 支持物联网数据的时空关系表示与存储、 时空逻辑条件查询以及属性约束条件查 询等。 并行数据库是通过将多个关系数 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 字查询时的性能要远低于“键-值” 数据库， 无法根据传感器的标识快速地检索到所 需要的数据。 分布式存储的应用得益于分布式 数据库（Distributed DataBase，DDB） 的产生。分布式数据库通过对物理上分 散的各结点信息在逻辑层面上进行重新 划分，从而实现局部自治和全局共享。 分布式数据库的算法包括关联规则挖掘 算法、精简频繁模式集和关联规则的安 全挖掘算法以及事物流的动态可串行调 度算法等7-8。同时，数据库技术可以 与网络通信技术、人工智能技术、面向 对象程序设计技术、并行计算技术相互 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 渗透与结合，使其在物联网的应用中具 有极大的优势。 3.3 复杂事件处理系统 目前国外对复杂事件处理的研究 中代表性的原型系统有 SASE9， Cayuga10，RCEDA11，Esper12， Cascadia13等。在这些系统中，Esper 在物联网中的应用最为广泛。Esper 是 基于 Java 开发的事件流处理和复杂事件 处理的 CEP 引擎，它提供了丰富的事 件描述语言，能够快速地集成到独立应 用中去。在 Esper 系统中，复杂事件表 达模式由原子事件 atom 和事件操作符 两部分组成，其中事件操作符可以反映 atom 之间的逻辑组合关系和时间约束关 系。SASE 是针对 RFID 数据开发的原 型系统，但是它没有办法处理信息不确 定性。Cascadia 基于信息的概率特点进 行建模，因而它可以解决信息的不确定 性，但是却没有对概率事件流上的复杂 事件监测与概率计算做详细的研究与优 化。 3.4 实时信息的处理 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 目前对于实时信息的处理，主要 是通过预处理、分布缓存和复用中间结 果的方法避免信息流到达时的历史信息 重复处理开销，并使得信息流处理本地 化，减少了节点间的信息传输开销。而 针对本地化的信息流，可以采用事件驱 动阶段化处理架构14 ，利用线程池技 术减少每次处理的初始化开销，并通过 划分阶段和当前阶段间的异步信息传递， 消除不同阶段之间的信息同步。在分布 式的环境中，主要是通过多个节点上的 平衡算子来保障系统的伸缩性15，但 是处理能力仍然受单个节点的信息处理 能力，在面对大规模的历史信息情况下 的伸缩能力仍然显得局限。 4 总结 本文分析了物联网数据的海量性、 复杂性和实效性的特点，并分别针对各 个特点讨论了目前面向物联网的信息处 理技术。受限于物联网信息的特点