移动物联网系统的数据处理模型.docx

T.T. Aung et al. / Procedia Computer Science 186 (2021) 235–241 PAGE 241 PAGE 240 T.T. Aung et al. / Procedia Computer Science 186 (2021) 235–241 移动物联网系统的数据处理模型 摘要 云计算已经被用于提供服务很多年了，但是现在可以看到，它不是包含多个分布式设备并产生大量数据的大型现代网络的解决方案。在这种情况下，基于云技术的现有数据处理模型存在低延迟问题。为了克服这个问题，许多研究人员都在关注雾计算。通过将雾节点放置在物联网设备附近，许多问题得到了解决。但是大多数提出的基于雾的模型是面向静态网络中的数据处理的。当网络结构随时间变化时，它们不能有效地用于移动设备的网络。在本文中，我们提出了一种新的数据处理模型，允许构建移动物联网系统 关键词:物联网；数据处理；雾计算；动态网络 1。 介绍 预计到2020年，连接互联网的设备数量将超过500亿台[1]。这些设备，包括智能手机、可穿戴设备、传感器和执行器、仪表、车辆中的计算机等等，都是通过网络连接的。它们形成了基于物联网的系统。这吸引了许多研究人员研究能够管理和分析设备产生的不断增长的数据量的平台。这些平台可以作为建设智能城市的基础，包括许多智能组件，如智能建筑、智能医疗系统、智能能源、智能移动、智能交通和智能工业。 云计算是一种信息技术计算基础设施，能够以很低的成本托管和运行软件服务和应用程序。云服务承担远程分散数据处理。但是现在，云计算不允许满足对物联网系统的要求。基于云的系统延迟低。因此，研究人员考虑了其他场景来构建延迟敏感的物联网系统。雾计算是解决延迟效率问题的技术之一。Fog计算允许在数据源附近执行实时数据处理，这被认为是网络“边缘”的数据处理。 本文第二节讨论了物联网系统中数据处理的现状、工作背景和问题陈述，第三节介绍了通用光纤陀螺体系结构和提出的模型，第四节进行了评估，第五节给出了结论。 2。 动机 2.1。 物联网系统中的数据处理条件 本节定义了云、雾、中间件计算在移动物联网系统数据处理中的作用。 物联网数据处理的特性。物联网产生大量数据。它是从不同资源接收的异构数据。通常它以数据流的形式呈现。数据可以有不同的质量。物联网中数据处理的主要特性如下:处理不同的数据结构和数据类型、实时数据处理、具有动态结构的车载和自组织网络中的数据处理。在处理和存储数据时，有必要考虑空间和时间依赖性。 物联网数据处理的挑战。物联网系统数据处理模型的开发仍处于起步阶段。通过使用传统的数据处理方法和平台，很难处理物联网数据。主要挑战是:不同技术的合作受到限制，物联网设备的内存大小有限，可能影响对实时数据的访问，对不同来源提供的处理数据的上下文感知，数据集成的可扩展性问题，检测处理系统中的容错性，以及支持确保用户数据的安全性和隐私性。 2.2。 背景 物联网中有五种主要的数据处理架构。它们是基于雾的数据处理、基于中间件的数据处理、基于云的数据处理、云计算和移动边缘计算。 基于雾的数据处理。在雾/边缘计算中，物联网数据从设备收集，实时处理，并存储在云中。在工作中提出了面向物联网医疗应用的数据流处理框架(DSPF)[2]。通过应用不同的协议，从物联网医疗设备收集数据，并在雾中实时处理。该框架的好处是管理物联网数据的流传输和处理。它假设使用靠近数据源的雾节点。因此，解决了资源有限的设备的延迟和能耗问题。在工作中，提出了雾节点动态缩放的数学排队模型[3]。该模型可以为具体的物联网问题提供答案。 在工作中考虑了一个城市的停车系统[4]。该系统基于集成在光纤陀螺节点中的Hadoop MapReduce平台。在所提出的体系结构中有四层:用于数据采集的设备层、用于预处理的边缘层、用于数据处理和管理的雾层，以及最后用于数据解释的云层。数据处理在雾节点上执行。 基于中间件的数据处理。与雾计算类似，中间件位于终端设备和云服务器之间，以支持实时数据处理和分析。提出了一种分布式中间件架构[5]。在这个架构中，有三层:数据服务层、数据过滤处理层和设备层。设备层注册不同设备使用的所有协议，并为每个设备构建一个虚拟实体池。池中的实体被发送到数据过滤和处理层。该层将所有异构数据转换为统一的格式。崔红彦提出了一个基于区块链的分散数据管理系统[6]。实验结果表明，它能有效防御未经授权的访问，增强数据的来源和透明性。由于需要处理数据管理系统，延迟和能耗受到影响。 基于云的数据处理。提出了一个用于智能城市应用的流推理系统[7]。它是使用实时大数据处理技术实现的。在这个系统中，消息处理系统Apache Kafka和实时分布式处理系统Apache Storm被用来克服