传感器数据管理系统与异构传感器节点集成

### 传感器数据管理系统与异构传感器节点集成 #### 传感器数据管理系统概述 传感器在众多应用领域的使用正在迅速增加，因为它们为改进监测和信息管理提供了机会。高级传感器数据管理涉及几个关键问题，目前主要有三类传感器数据管理系统： 1. **无线传感器网络**：提供“网络内”数据处理。 2. **数据流管理系统**：主要来自数据库领域，提出基于在线服务器的“无限”数据流管理。 3. **混合解决方案**：基于前两种方法，提供综合的解决方案。 这三类系统在考虑传感器数量增加和应用领域多样化的三个重要方面进行了分析，包括传感器系统的可扩展性、处理传感器异构性的能力以及支持复杂查询的能力。其中，混合解决方案在处理大规模联网传感系统的异构性方面具有特殊能力。 #### 传感器在信息系统中的作用 众多异构设备（如个人计算机、智能手机、传感器等）使信息无处不在。在这些设备中，传感器成为普适信息系统的重要参与者。对现有传感器数据管理系统的评估显示，在传感器数据处理的连续查询支持领域有重要研究成果，这对于需要“实时”传感器数据监测的应用至关重要。 然而，在日益动态和异构的环境中，为了改善传感器数据管理，还需要提供其他重要服务。例如，除了数据查询操作外，传感系统还必须支持对传感器的管理操作（如软件更新、配置、性能监测和诊断操作）。此外，隐私和安全也极其重要，应贯穿传感器数据管理系统的所有阶段，以在工业环境和日常生活中得到广泛接受。 #### 传感器数据管理系统的未来发展 目前，要开发出不仅提供查询功能的完整传感器数据管理系统，仍需要进行大量研究。将这些系统动态集成到更传统的信息系统中（例如通过即插即用机制），将有助于构建真正的普适信息系统。 #### 异构传感器节点集成的目标 无线传感器网络（WSNs）在不久的将来将成为许多监测领域的重要流数据来源。随着WSN技术价格的迅速下降，其处理能力、传感能力和通信效率不断提高。数据流分析应在整个网络中进行分布式处理，以充分利用处理能力、合理进行传感并减少通信量（因为通信通常消耗大量能量）。 不同领域的监测专家需要技术专家来部署这些分布式数据流分析。数据流查询通常用于实现数据流分析，特别是基于传感器数据融合（SDF）的监测场景，需要集成由潜在异构传感器节点产生的异构数据源。 #### 现有解决方案及集成方法 现有WSN中间件解决方案、流处理系统（SPSs）及其集成是解决上述问题的关键。一种将全局数据流查询映射到分布式和异构传感器节点及SPSs的方法为解决这些问题提供了途径。集成通过两种方式实现： 1. **语义集成**：通过分区和映射隐式完成，使用规则在整个分布和部署过程中保留全局查询的语义。 2. **技术集成**：在映射和部署过程中，借助对平台和连接的了解来实现。 #### 分布式处理的优势 WSNs由广泛分布的节点组成，这些传感器是许多场景中数据流处理的数据来源。数据流处理是一种分布式处理方式，比将所有数据发送到中央处理单元更高效。随着数据量的迅速增长，集中处理方法变得越来越不可行。数据处理应进行分布式处理，使过滤和聚合等操作能够在传感器附近减少通信量。 #### 编程简化与查询语言异构性 未来，复杂场景将涉及许多分布式数据源、复杂事件处理和复杂传感器数据融合，这些场景将引入新的操作符。为了简化编程，用户可以编写声明性查询，而不是使用某种编程语言编写过程代码。这些查询以非常紧凑的符号组合操作符表达式。 从某种角度看，传感器网络节点是容量有限的SPSs。由于SPSs是异构的，它们的查询语言也是异构的。有些方法使用基于SQL的查询语言来配置WSN节点，而另一些方法使用与数据流对应的基于图的查询语言。大多数WSN节点可以使用类似于C的编程语言进行单独编程。 除了传感器网络节点，数据流管理系统（DSMSs）也是SPSs，它们通常与WS