Trong cơ chế giảm dữ liệu, tỉ lệ lỗi trung bình bao gồm trường hợp xấu nhất và -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 Raw Event-weight Nạve Level1 Level2 Tỉ lệ lỗi trung bình -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 Raw Event-weight Navie Level1 Level2 Tỉ lệ lỗi trung bình
trường hợp tốt nhất tương ứng là ± 0,448 và ± 0,007. Các kết quả thử nghiệm được đưa ra bởi cơ chế giảm dữ liệu ba pha Nạve và Level1 là tốt hơn so với thu được bằng Level2. Tuy nhiên, độ lệch của dữ liệu là thực sự nhỏ, độ chính xác của dữ liệu là khá cao. Ngồi ra so với cơ chế giảm dữ liệu ba pha thì cơ chế Event-weight thì tỉ lệ lỗi trung bình trong trường hợp xấu nhất và tốt nhất tương ứng là ± 2.008 và ±0,297, cao hơn rất nhiều so với cơ chế giảm dữ liệu ba pha, đặc biệt độ chính xác so với dữ liệu thơ là khá thấp.
6.4 Hiệu quả của xử lý truy vấn bằng cách sử dụng Proxy và hệ thống thử nghiệm theo dõi khí hậu nghiệm theo dõi khí hậu
Khi các phạm vi truy vấn lịch sử được gửi tới mạng cảm biến thì tiêu thụ năng lượng trong mạng cảm biến sẽ được tiết kiệm bằng cách sử dụng proxy để lọc phạm vi truy vấn trùng lặp với các phạm vi của các truy vấn đã được thực hiện trước đĩ. Mục đích của proxy hồn tồn ngăn chặn xử lý lặp đi lặp lại của các hoạt động tương tự bằng cách lưu trữ các truy vấn từ các truy vấn ban đầu, cho phép phân tán thích hợp nhất của các truy vấn giữa các mạng và hệ thống ứng dụng.
Đánh giá của các truy vấn được thực hiện bằng cách thiết lập truy vấn ngẫu nhiên và giảm trong phạm vi truy vấn. Số lượng các bản ghi thuộc một phạm vi truy vấn với proxy và khơng sử dụng proxy trong mạng cảm biến được đề xuất. Thử nghiệm với tất cả các mẫu dữ liệu cho một loạt các truy vấn trên dữ liệu tích lũy này, với trường hợp các truy vấn được phát ra từ người dùng là giống nhau. Việc hỗ trợ chức năng proxy, chúng ta cĩ thể ngăn chặn tái xử lý các truy vấn đã được xử lý, trước khi được phân tán vào trong mạng cảm biến. Như vậy, số lượng của mẫu được thao tác trong mạng cảm biến cho các truy vấn này được giảm đi rất nhiều, so với phương pháp tiếp cận khơng sử dụng proxy. Đã cĩ rất nhiều nghiên cứu trước đây đánh giá hiệu quả của việc sử dụng Proxy là rất hiệu quả trong việc xử lý truy vấn.
Hình 6.13: Tổng quan về hệ thống sử dụng mạng cảm biến để giám sát mơi trường
Hình 6.13 mơ tả kiến trúc trong mạng cảm biến được triển khai quản lý thơng tin khí hậu trong một số khu vực. Mạng cảm biến bao gồm các nút cảm biến thu thập dữ liệu theo yêu cầu ứng dụng cụ thể và nhiều trạm cơ sở nhận dữ liệu truyền đến từ mạng cảm biến. Dữ liệu cảm biến gửi từ trạm trạm cơ sở được lưu trữ trong hệ thống tập trung. Rồi được tổ chức quản lý và sử dụng cho các mục đích khác nhau như truy vấn hoặc dùng để phân tích thống kê hoặc khai thác dữ liệu,.. Và xử lý truy vấn hiệu quả là mục tiêu của hệ thống theo dõi thời tiết đã đề xuất.
Ứng dụng theo dõi thời tiết dựa trên kiến trúc hệ thống đã đề xuất. Các cảm biến nhiệt độ phân tán trong khu vực khơng gian thu thập và truyền tải luồng dữ liệu tới máy chủ. Máy chủ nhận được dữ liệu từ các cảm biến và giám sát trong thời gian thực. Người dùng thường đăng ký các truy vấn liên tục, hệ thống thực hiện các truy vấn đăng ký liên tục trên các dịng dữ liệu đến theo các điều kiện truy vấn.
Hình 6.14 Hệ thống thử nghiệm theo dõi thơng tin về khí hậu
Hình 6.14 là giao diện cho hệ thống theo dõi thời tiết. Hệ thống hiển thị các dữ liệu từ các cảm biến trong thời gian thực, dữ liệu sẽ tự động cập nhật nếu cĩ sự thay đổi giá trị khi so sánh với giá trị cũ trong bộ nhớ.
Hình 6.15 thể hiện việc đăng ký một truy vấn. Bộ xử lý truy vấn liên tục tạo ra các kết quả truy vấn khi giá trị nhiệt độ đo được từ các cảm biến trong tất cả các khu vực. Người dùng cĩ thể đăng ký các truy vấn và cho phép người dùng nhận được thơng báo ngay sau khi gửi truy vấn và kết quả được hiển hiện ngay phía dưới. Nếu truy vấn phát ra trùng lặp với phạm vi truy vấn trước đĩ thì hệ thống sẽ tự động trả kết quả dựa vào thơng tin đã cĩ sẵn trong bảng truy vấn lịch sử. Như vậy nhờ kỹ thuật xử lý truy vấn trùng lặp mang lại tính tối ưu trong việc truyền dữ liệu giữa các mạng cảm biến và hệ thống ứng dụng, tránh xử lý nhiều lần một thao tác truy vấn trùng lặp.
Chương 7 KẾT LUẬN
Mạng cảm biến bao gồm một số lượng lớn các bộ cảm biến thu và truyền dữ liệu liên tục trong thế giới vật chất. Dữ liệu cảm biến trong mạng cảm biến khơng chỉ liên quan đến các thuộc tính khơng gian và thời gian cả ngồi khơng gian thời gian. Để xử lý các truy vấn trong các ứng dụng mạng cảm biến thì hệ thống phải thực hiện các thao tác liên quan đến điều kiện khơng gian, thời gian, hoặc ngồi khơng gian thời gian. Theo đĩ, một giải pháp tốt cho vấn đề xử lý hiệu quả các truy vấn phức tạp đĩ là yêu cầu rất cấp thiết. Đối với các loại truy vấn lịch sử, yêu cầu chủ yếu cho việc phân tích định kỳ hoặc các số liệu thống kê của luồng dữ liệu, vì vậy hiểu được đặc điểm của dữ liệu trong mạng cảm biến là rất quan trọng đối để xử lý cĩ hiệu quả và cung cấp dịch vụ tối ưu theo các yêu cầu của mỗi ứng dụng.
Trong luận văn này đã nghiên cứu các kỹ thuật xử lý truy vấn dữ liệu lịch sử trong cảm biến dựa trên kiến trúc proxy và một cơ chế giảm dữ liệu ba pha cho mạng cảm biến với kho lưu trữ tập trung với mục tiêu làm sao tiêu thụ năng lượng hiệu quả và sử dụng tối ưu nguồn năng lượng hạn chế.
Tùy thuộc vào dung lượng lưu trữ của nút cảm biến, dữ liệu được nén lỏng lẻo hoặc được nén chặt. Ngồi ra, sử dụng kiến trúc proxy để xử lý truy vấn và truyền tải kết quả gĩi dữ liệu giữa mạng cảm biến và hệ thống ứng dụng. Với sự hỗ trợ của bảng siêu dữ liệu duy trì lịch sử truy vấn. Luận văn đã:
Tìm hiểu kiến trúc mạng cảm biến và mơ hình dữ liệu, phương án lưu trữ dữ liệu hiệu quả và mơ hình truy vấn theo điều kiện khơng gian, thời gian và khơng gian thời gian.
Giới thiệu cách giảm thiểu dữ liệu theo cơ chế ba pha, trong đĩ giá trị đọc được từ cảm biến liên tục được kiểm tra, nếu sự khác biệt giữa các giá trị đọc được liên tiếp là quá nhỏ thì các giá trị mới cĩ thể được loại bỏ. Điều này giúp loại bỏ sự trùng lặp về dữ liệu. Vì thế các giá trị gần đúng được lưu trong nút cảm biến, nhưng vẫn đảm bảo độ chính xác cao trong kết quả truy vấn.
Xây dựng hệ thống thử nghiệm và cài đặt các phương pháp đã nghiên cứu. Hiệu quả xử lý cũng đã được đánh giá thơng qua một số yếu tố, như mức độ
chính xác của dữ liệu sau khi trải qua thao tác nén, hiệu quả sử dụng lưu trữ các nút cảm biến, số lượng bản ghi dữ liệu được xử lý trong quá trình thực hiện truy vấn và hiệu quả của việc sử dụng proxy để quản lý dữ liệu cũng như xử lý truy vấn. Trong kết quả thử nghiệm, lưu trữ dữ liệu trong mạng cảm biến với sự hỗ trợ của cơ chế giảm thiểu dữ liệu ba pha cĩ thể được giảm ít nhất 15% và nhiều nhất là 88% so với dữ liệu thơ.
Tĩm lại, phương pháp nén giảm dữ liệu cảm biến khơng chỉ giúp giảm một lượng dữ liệu đáng kể trong xử lý truy vấn phức tạp (ví dụ: truy vấn khơng gian, thời gian), mà cịn đảm bảo tính chính xác cho câu trả lời ở mức độ chấp nhận được. Bên cạnh đĩ, kích thước gĩi dữ liệu truyền đi trong mạng được giảm, dẫn đến tiêu thụ năng lượng hiệu quả hơn.
Theo đĩ, các truy vấn sẽ phù hợp xử lý với trường hợp giới hạn năng lượng của các nút cảm biến. Chính vì thế kỹ thuật được đề xuất cũng cĩ thể được áp dụng cho nhiều ứng dụng, như theo dõi cấu trúc sức khỏe, giám sát vi khí hậu, theo dõi chuyển động,.. trong đĩ số lượng lớn các dữ liệu trong các mạng cảm biến cần phải được thu thập, quản lý, phân tích, thao tác và hiển thị một cách hiệu quả.
TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Anh
1. [Aly 2008] M. Aly, A. Gopalan, J. Zhao, A. M. Youssef, “STDCS: A Spatio- Temporal Data-Centric Storage Scheme For Real-Time Sensornet Applications” In Proceedings of the Fifth Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks, pp.377-385, 2008. 2. [Bonn 2001] P. Bonnet, J. Gehrke, P. Seshadri, “Towards Sensor Database Systems”
Mobile Data Management, Second International Conference, pp.3-14, 2001.
3. [Bott 2004] M. Botts, “Sensor Model Language” http://vast.nsstc.uah.edu/ SensorML/SensorML_04-019_1.0_beta.doc, 2004.
4. [Deli 2005] A. Deligiannakis, Y. Kotidis, “Data Reduction Techniques in Sensor Networks” IEEE Data Engineering Bulletin Vol.28, No.1, pp.19-25, 2005.
5. [Diao 2007] Y. Diao, D. Ganesan, G. Mathur, P. J. Shenoy, “Rethinking Data Management for Storage-centric Sensor Networks” In Proceedings of the Third Biennial Conference on Innovative Data Systems Research, pp.22-31,2007.
6. [Desh 2006] A. Deshpande, S. Madden, “MauveDB: supporting model-based user views in database systems” In Proceedings of the ACM SIGMOD International Conference on Management of Data, pp.73-84, 2006.
7. [Gane 2003b] D. Ganesan, D. Estrin, J. S. Heidemann, “Dimensions: why do we need a new data handling architecture for sensor networks?” Computer Communication Review, Vol.33, No.1, pp.143-148, 2003.
8. [Gane 2005] D. Ganesan, B. Greenstein, D. Estrin, J. S. Heidemann, R. Govindan, “Multiresolution storage and search in sensor networks” ACM Transactions on Storage, Vol.1, No.3, pp.277-315, 2005.
9. [Gil 2007] T. M. Gil, S. Madden, “Scoop: An Adaptive Indexing Scheme for Stored Data in Sensor Networks” In Proceedings of the 23International rd Conference on Data Engineering, pp.1345-1349, 2007.
10. [Gola 2006] L. Golab, P. Prahladka, M. T. Ưzsu, “Indexing Time-Evolving Data With Variable Lifetimes” In Proceedings of the 18 International th Conference on Scientific and Statistical Database Management, pp.265-274, 2006.
11. [Gree 2003] B. Greenstein, S. Ratnasamy, S. Shenker, R. Govindan, D. Estrin, “DIFS: A Distributed Index for Features in Sensor Networks” AdHoc Networks, Vol.1, No.2, pp.333-349, 2003.
Temporal Information” Journal of Korea Spacial Information System Society, Vol.10, No.4, pp.92-96, 2008.
13. [Madd 2005] S. Madden, M. J. Franklin, J. M. Hellerstein, W. Hong, “TinyDB: an acquisitional query processing system for sensor networks” ACM Transactions on Database Systems, Vol.30, No.1, pp.122-173, 2005.
14. [Madd 2003] S. Madden, M. J. Franklin, J. M. Hellerstein, W. Hong, “The Design of an Acquisitional Query Processor For Sensor Networks” In Proceedings of the ACM SIGMOD International Conference on Management of Data, pp.491-502, 2003.
15. [Madd 2002a] S. Madden, M. J. Franklin, “Fjording the Stream: An Architecture for Queries Over Streaming Sensor Data” In Proceedings of the 18th International Conference on Data Engineering, pp.555-566, 2002.
16. [Madd 2002b] S. Madden, M. J. Franklin, J. M. Hellerstein, W. Hong, “TAG: A Tiny AGgregation Service for Ad-Hoc Sensor Networks” 5th Symposium on Operating System Design and Implementation, 2002.
17. [Math 2006] G. Mathur, P. Desnoyers, D. Ganesan, P. J. Shenoy, “Capsule: an energy-optimized object storage system for memory-constrained sensor xevices” In Proceedings of the 4th International Conference on Embedded Networked Sensor Systems, pp.195-208, 2006.
18. [Ratn 2003] S. Ratnasamy, B. Karp, S. Shenker, D. Estrin, R. Govindan, L. Yin, F. Yu, “Data-Centric Storage in Sensornets with GHT, a Geographic Hash table” Mobile Networks and Applications Vol.8, No.4, pp.427-442, 2003.
19. [Sada 2005] N. Sadagopan, B. Krishnamachari, A. Helmy, “Active query forwarding in sensor networks” AdHoc Networks, Vol.3, No.1, pp.91-113, 2005. 20. [Su 2012] Su Wook Ha, Yang Koo Lee, Thi Hong Nhan Vu, Young Jin Jung, Keun Ho Ryu “An Environmental Monitoring System for Managing ST sensor”, 2012 21. [Suen 2008] S. Suenaga, S. Honiden, “Name-based location service for mobile agents in wireless sensor networks” In Proceedings of the 1st International Conference on MOBILe Wireless MiddleWARE, Operating Systems, and Applications, pp.3, 2008.
22. [Yao 2002] Y. Yao, J. Gehrke, “The Cougar Approach to In-Network Query Processing in Sensor Networks” SIGMOD Record, Vol.31, No.3, pp.9-18, 2002. 23. [Zhao 2002] J. Zhao, R. Govindan, and D. Estrin, “Computing aggregates for
monitoring wireless sensor networks” In 1 IEEE International Workshop st on Sensor Network Protocols and Applications, 2002.