無(wú)線(xiàn)傳感器網(wǎng)絡(luò)查詢(xún)優(yōu)化策略研究.pdf

1、無(wú)線(xiàn)傳感器網(wǎng)絡(luò)相關(guān)技術(shù)的穩(wěn)步發(fā)展與成熟使其成為物聯(lián)網(wǎng)信息獲取手段中最基礎(chǔ)的技術(shù)。部署無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的目的在于獲取被監(jiān)測(cè)區(qū)域中感知對(duì)象的相關(guān)指標(biāo)數(shù)據(jù)，是典型的以數(shù)據(jù)為中心的應(yīng)用。作為應(yīng)用核心的數(shù)據(jù)收集任務(wù)通常以用戶(hù)下達(dá)的各種查詢(xún)指令為起始，完整的查詢(xún)過(guò)程可劃分為指令傳播和數(shù)據(jù)回傳階段。由于傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)在如計(jì)算能力、存儲(chǔ)容量、通信距離、能量資源等各方面存在諸多限制，因此如何使節(jié)點(diǎn)在整個(gè)查詢(xún)過(guò)程中能夠高效運(yùn)作、延長(zhǎng)網(wǎng)絡(luò)生命期即成為無(wú)線(xiàn)傳

2、感器網(wǎng)絡(luò)相關(guān)研究的核心關(guān)鍵。本文將無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的查詢(xún)優(yōu)化策略作為研究對(duì)象，以降低能量消耗、提高查詢(xún)效率為目標(biāo)，分別從存儲(chǔ)和查詢(xún)兩個(gè)方面提出了相應(yīng)的思路，主要研究?jī)?nèi)容如下：
　　無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的查詢(xún)處理細(xì)節(jié)與其所采用的存儲(chǔ)策略密不可分?，F(xiàn)階段關(guān)于存儲(chǔ)方面的研究大多集中于存儲(chǔ)策略，即傳感器節(jié)點(diǎn)在收集到感知數(shù)據(jù)后將數(shù)據(jù)存儲(chǔ)在網(wǎng)絡(luò)中的具體位置，通過(guò)平衡查詢(xún)指令傳播與感知數(shù)據(jù)回傳的消耗來(lái)提高查詢(xún)過(guò)程中的能效。不同于現(xiàn)有研究，本文從感知數(shù)據(jù)

3、的存儲(chǔ)結(jié)構(gòu)角度出發(fā)，考慮無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的分布式特性，提出了基于RCFile的查詢(xún)處理機(jī)制。RCFile是基于MapReduce框架數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)中的高效存儲(chǔ)結(jié)構(gòu)，同時(shí)具有行存儲(chǔ)和列存儲(chǔ)的優(yōu)勢(shì)。RCFile首先將數(shù)據(jù)水平劃分為行組，保證行組中的各條記錄能夠被完整地保存在同一HDFS塊中，降低元組重構(gòu)的消耗；之后對(duì)行組內(nèi)部的記錄逐列分解存儲(chǔ)，使得數(shù)據(jù)能夠在各種壓縮策略下達(dá)到較高的壓縮比并在查詢(xún)時(shí)無(wú)需讀取不相關(guān)的列。無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)在計(jì)算

4、和通信方面的能耗存在巨大差異，意味著適當(dāng)?shù)膲嚎s處理以減少后續(xù)傳輸?shù)臄?shù)據(jù)量能夠有效提高能效；同時(shí)，作為多用戶(hù)多查詢(xún)?nèi)蝿?wù)的典型應(yīng)用，查詢(xún)處理的效率也至關(guān)重要。實(shí)驗(yàn)結(jié)果表明， RCFile存儲(chǔ)格式在這兩方面相對(duì)于傳統(tǒng)的行存儲(chǔ)格式均具有優(yōu)勢(shì)，適合作為無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中感知數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)。
　　無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)分布密集導(dǎo)致鄰近節(jié)點(diǎn)之間的數(shù)據(jù)相似性較高，這一特性被稱(chēng)為空間相關(guān)。在查詢(xún)過(guò)程中，若無(wú)差別地調(diào)動(dòng)全部節(jié)點(diǎn)，則獲取的結(jié)果數(shù)據(jù)必然存在

5、冗余。本文利用感知數(shù)據(jù)的空間相關(guān)性，提出了基于雙重聚類(lèi)的分簇查詢(xún)算法。在算法的第一階段以全部節(jié)點(diǎn)的感知數(shù)據(jù)為輸入，采用ISODATA算法將網(wǎng)絡(luò)劃分為各個(gè)由數(shù)據(jù)相似的節(jié)點(diǎn)組成的類(lèi)簇。ISODATA算法是基于劃分的聚類(lèi)方法，以距離度量為相似度評(píng)價(jià)標(biāo)準(zhǔn)的特點(diǎn)使得各個(gè)類(lèi)簇中的節(jié)點(diǎn)在感知數(shù)據(jù)表現(xiàn)上相對(duì)緊湊；算法的第二階段采用基于密度的聚類(lèi)算法 DBSCAN根據(jù)節(jié)點(diǎn)的位置信息對(duì)第一階段的結(jié)果類(lèi)簇進(jìn)行進(jìn)一步的劃分，處理之后得到各個(gè)類(lèi)簇，其中的節(jié)點(diǎn)不僅