面向物聯網的實體實時搜索技術研究.pdf

1、隨著信息技術的不斷發(fā)展,物聯網技術逐漸被社會各界所重視,在工農業(yè)、智能家居、快遞物流、設備監(jiān)控等各方面都有著廣泛的應用。物聯網中包含很多實體,導致物聯網包含了海量的實時數據。如何對物聯網中海量的實體進行處理分析,如何從這些海量實體返回的實時狀態(tài)數據中搜尋得到有用的信息以及如何通過這些已知信息來預測未來未知的狀態(tài)成為了物聯網研究中的重點。
　　本文針對物聯網中實體搜索進行了研究,實現了物聯網中實體信息的實時搜索。首先,在實體架構及實

2、體數據源獲取方面,采用MetaSeeker工具和Watir與Nokogiri兩種方法同時實現,基于MetaSeeker信息實時獲取方法通過頁面實時監(jiān)測機制,只要物聯網頁面實體信息有變動,就能實現實時抓取,對系統的占用較少;Watir與Nokogiri信息實時獲取方法主要通過Watir實現對物聯網動態(tài)頁面加載,然后采用Nokogiri對獲得的HTML文檔進行解析并獲取網頁的HTML文檔內容,再通過CSS Selector來找頁面上所需內容

3、的節(jié)點,取回該時刻的頁面文本信息,從而實現固定周期抓取物聯網動態(tài)頁面實時信息,獲取實體信息。
　　針對物聯網實體的搜索問題,本文采用Lucene搜索框架實現,Lucene對獲取到的實體數據進行解析,建立索引數據庫,將建立好的索引庫存入本地文件。之后通過檢索索引庫實現搜索功能。由于Lucene具有強大的搜索功能,對海量數據搜索耗時很短,能滿足物聯網實體搜索實時性的要求。物聯網實體信息實時獲取部分雖然實時獲取到了物聯網中實體的信息,但

4、由于物聯網信息的高動態(tài)性,數據具有瞬時性。為了更好的實現實體搜索的實時性,本文在搜索模塊后面擴展了預測分析模塊,采用周期預測模型,包括聚合預測模型(APM-Aggregated Prediction Model),單周期預測模型(SPM-Single-period Prediction Model),多周期預測模型(MPM-Multi-period Prediction Model);通過判斷物聯網實體事件的周期模式采用合理的預測模型,