物联网复习详细分析.ppt

第15章 环境监测 环境监测宗旨：检测状态参数，跟踪质量变化，确定质量水平 环境监测目标：为环境管理、污染治理、防灾减灾等工作提供基础信息、方法指引和质量保证。 环境监测的对象：自然因素，人为因素，污染危害环境的其他因素，以及生物、生态的变化。 环境监测的不同阶段： 系统工程角度 信息技术角度 第15章 环境监测 无线传感网技术具有监测范围广、持续时间长、感知能力强、信息传递及时等特点，特别适于在大尺度复杂环境监测领域发挥作用，成为沟通物理世界和数学世界的桥梁。 大范围监测 长期无人监测 复杂事件监测 同步监测 第15章 环境监测 大鸭岛系统 加州大学伯克利分校 2002年 美国大鸭岛（Great Duck Island） 32个MICA节点 数据采集内容： 温度、湿度、光照和大气压力 监测目的： 持续监测海燕在繁殖季节的习性，收集相关环境数据供动物学家分析。 第15章 环境监测 ZebraNet 美国普林斯顿大学 2004年 肯尼亚中部 数据采集内容： 通过在斑马身上捆绑GPS传感器采集细粒度的斑马群位置信息。 监测目的： 长期跟踪斑马群的迁徙 第15章 环境监测 火山监测 哈佛大学 2004年 厄瓜多尔活火山周围，16个节点 19天捕捉229次地震、火山爆发和其他地震波事件。 数据采集内容： 100赫兹频率持续采集地震波和声波强度等。 监测目的： 对高频数据采集过程中传输可靠性、数据验证和校准等问题的探索。 第15章 环境监测 自然气候监测 瑞士巴塞尔大学、苏黎世大学与苏黎世联邦理工学院，2006年 瑞士阿尔卑斯山 数据采集内容： 气候状况、地质结构和地表环境。 监测目的： 研究气候对环境造成的影响，提前预测雪崩、山体滑坡等自然灾害。 第9章 大数据与海量存储 MapReduce的定义：是一种针对超大规模数据集的编程模型和系统，用MapReduce开发出的程序可在大量商用计算机集群上并行执行、处理计算机的失效以及调度计算机间的通信。包括用户写的两个程序：映射函数Map和归约函数Reduce，以及一个在计算机集群上执行多个程序实例的框架 。 MapReduce程序的执行过程 第9章 大数据与海量存储 BigTable的定义：是一种用来在海量数据规模下（例如包含以PB为单位的数据量和数千台廉价计算机的应用）管理结构化数据的分布式存储系统。 每个BigTable都是一个稀疏的、分布式的多维有序图，按行键值、列键值和时间戳建立索引。 第10章 数据库系统 关系数据库系统的缺点 缺乏对真实世界实体的有效表达 关系数据库的根本缺陷在于缺乏直接构造应用相关信息的类型表达能力。关系数据模型不直接支持复杂的数据类型，所有的数据必须转换为简单的类型，如整数、实数、双精度数和字符串等，因此，需要额外地分解数据结构工作，而且这些被分解的结构不能直接表示应用数据，从基本成分重构时也非常繁琐和费时间。 缺乏对复杂查询的有效处理 对复杂的SQL查询，特别是多表关联查询的需求。任何大数据量的web系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的复杂SQL报表查询。 第10章 数据库系统 缺乏对WEB应用的有效支持 数据库高并发读写的需求 。关系数据库应付上万次SQL查询还勉强顶得住，但应付上万次SQL写数据请求，硬盘IO就已经无法承受了 。 海量数据的高效率存储和访问的需求 。对于关系数据库来说，在一张2.5亿条记录的表里面进行查询，效率是极其低下乃至不可忍受的。 数据库事务一致性需求。很多web实时系统并不要求严格的数据库事务，对读一致性的要求很低，有些场合对写一致性要求也不高。因此数据库事务管理成了数 据库高负载下一个沉重的负担。 数据库的写实时性和读实时性需求。对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出来这条数据的，但是对于很 多web应用来说，并不要求这么高的实时性。 第10章 数据库系统 物联网数据特点 海量性，多态性，关联性及语义性 物联网数据存储模式 分布式存储 集中式存储 物联网数据查询 快照查询：查询不固定，数据不固定 连续查询：查询固定，数据不固定 数据融合：即怎样分析、综合不同来源的无数的数据流，是传感网乃至物联网跨向大规模应用所必须越过的障碍。 第11章 物联网中的信息安全与隐私保护 RFID安全 主要安全和隐私隐患：窃听、跟踪、中间人攻击、欺骗/重放/克隆、物理破解、篡改信息、拒绝服务攻击、RFID病毒 保护手段：物理安全机制/密码学安全机制/PUF… 位置隐私 定义：用户对自己位置信息的掌控能力。用户能自由决定是否发布位置信息，将信息发布给谁，通过何种方式来发布，以及发布的信息有多详细。 保护手段：制度制约、隐私方针、身份匿名、数据混淆 第12章 智能交通 智能交通系统：通过在基础设施