传感网原理与技术第三章 传感网数据管理

3.1.1传感网数据管理系统的体系结构
（4）层次结构
查询
代理网络
传感器网络
3.1.1传感网数据管理系统的体系结构
层次结构包含了传感器网络层和代理网络层两个层次 ，并集成了网内数据处理、自适应查询处理和基于内容的 查询处理等多项技术。
3.1.2传感网数据管理系统的数据模型
数据模型是对数据特征的抽象。传感器网络数 据管理系统需要一种具体的数据模型来表示各 个节点产生的数据，这样才能有效地组织和管 理数据。 目前，现有的传感器网络的数据模型主要是在 传统的关系模型、对象关系模型或者时间序列 模型上进行了扩展。
3.1.2传感网数据管理系统的数据模型
网络中每个传感器节点产生的每一个读数都对 应关系表中的一行，因此这个虚拟关系表被看 成是一个无限的数据流。对传感器网络数据的 查询就是对这个无限虚拟关系表的查询。无限 虚拟关系表上操作集合是传统的关系代数操作 到无限集合的扩展。
3.1.2传感网数据管理系统的数据模型
3.1.1传感网数据管理系统的体系结构
（3）分布式结构
分布式结构假设每个传感器都有很高的存储、计算和通信 能力，数据源节点将其获取到的感知数据就地存储。基站 发出查询后向网内广播查询请求，所有的节点都可以接收 到请求，并且满足查询条件的普通节点沿着融合路由树将 数据送回到根节点，即与基站相连的网关节点。
3.2.1 数据查询
（2）查询语言
传感器网络数据查询语言大多都延续了传统的SQL语 言形式, 并对SQL语言进行了扩展。TinyDB的查询语 言是传感器网络中一种具有代表性查询语言，其语法 结构表述如下：
3.2.1 数据查询
SELECT select-list
[ FROM sensors]
WHERE predicate [ GROUP BY gb-list [ HAVING having predicate] ] [ TRIGGERACTION command-name [ ( param) ] ] [ EPOCH DURATION time]
WSN
网关 基站 数据库
3.1.1传感网数据管理系统的体系结构
（2）半分布式结构
在半分布式结构中，原始的感知数据存放在普通节点 上，在簇头节点上处理簇内节点的数据融合和数据摘要， 在根节点上形成一个对网内数据的整体视图。执行查询时 ，利用根节点的全局数据摘要决定查询在哪些簇上执行， 簇头节点接收到根节点传来的查询任务后根据簇内数据视 图决定融合哪些节点上的数据，这种存储和查询方案称为 推拉结合式存取方案。
3.1 概述
（4）数据的可靠性不同
传感器网络数据管理系统必须要有能力处理感知数据 的误差。传统的分布式数据库系统获得的都是比较准确的 数据，数据可靠性比较高。
（5）数据产生源不同
传统的分布式数据库管理系统管理的数据是由稳定可 靠的数据源产生的，而传感器网络的数据是由不可靠的传 感器节点产生的。
3.1 概述
3.2.1 数据查询
（3）聚集技术
聚集操作是查询中常用的操作，传感器节点可以采用 两种数据聚集技术：逐级的聚集技术和流水线聚集技 术。 逐级的聚集技术，该技术从最底层的叶节点开始向最 顶层的根节点逐级进行聚集。
流水线聚集技术与逐级的聚集技术不同，该技术将查 询时间分成多个小段，在每个时间小段内，节点将收 到的来自下层节点的数据与自身的数据进行聚集，然 后将得到的聚集结果向上层节点传送。
（3）依据数据聚合与应用层数据语义的关系分类
应用中的数据聚合
通常数据聚合都是对应用层数据进行的，即数据聚合 需要了解应用数据的语义。从实现角度看，数据聚合如果 在应用层实现，则与应用数据之间没有语义间隔，可以直 接对应用数据进行聚合。
（6）处理查询所采用的方式不同
传感器网络数据管理系统主要处理两种类型的查询： 连续查询和近似查询。传统的分布式数据库系统不具备处 理这两种查询的能力。
3.1.1传感网数据管理系统的体系结构
传感器网络数据管理系统按照一定的体系结构 构建，并且不同的体系结构构建的数据管理系 统各有优势，目前主要有集中式结构、半分布 式结构、分布式结构和层次结构四种。

3.2.1 数据查询
（5）查询优化技术
现有的传感器网络数据库管理系统一般都采用了一些 查询优化策略。其中，致力于降低传感器网络总能量消耗 的TinyDB系统的查询优化技术，具有很强的代表性。 TinyDB采用基于代价的查询优化技术来产生能量消耗最 低的查询执行计划，其查询的代价由传感器节点数据的采 集和查询结果的传输所能量消耗决定。
无损失聚合
无损失聚合中，所有的细节信息均被保留。此类聚合 的常见做法是去除信息中的冗余部分。
有损失聚合
有损失聚合通常会省略一些细节信息或降低数据的质 量，从而减少需要存储或传输的数据量，已达到节省存储 资源或能量资源的目的。
3.2.3 网络数据聚合
（2）根据聚合操作的层次级别划分
数据级聚合
3.2.3 网络数据聚合
决策级聚合
决策级聚合是最高层的聚合，聚合前，每种传感器的 信号处理装置已完成决策或分类任务。数据聚合只是根据 一定的准则和决策的可信度做最优决策，对监测对象进行 判别，分类，并通过简单的逻辑运算，执行满足应用需求 的决策，因此它是面对应用的聚合。
3.2.3 网络数据聚合
3.2.2 数据索引
（2）一维分布式索引
一维分布式引索采用地理散列函数与空间分解技术相 结合的方法，适用于以单一属性的数据为中心的存储 方法和多分辨率空域查询要求。 一维分布式索引也是通过构造层次结构树来实现，不 过构造的方式恰好与层次索引相反。与层次索引方式 相比，一维分布式索引构造的层次结构树具有多个最 高父节点，这些最高父节点可以同时处理查询要求， 输出查询结果，避免了单一根节点的通信瓶颈问题。


3.2.1 数据查询
（4）连续查询处理技术
传感器网络中，用户的查询对象是大量的无限实时数 据流，用户经常使用的查询是连续查询，用户提交一 个连续查询后，该连续查询将被分解为一系列子查询 提交到局部节点进行执行。
子查询也是连续查询，需要经过扫描、过滤和综合相 关无限实时数据流，产生部分的查询结果流，最后经 过全局综合处理后返回给用户。

3.2.2 数据索引
（3）多维分布式索引


多维分布式索引适用于多个属性上具有区域约束条件 的区域查询。
多维分布式索引关键是保持数据存储的局域性，即将 属性值相近的测量数据存储在临近的节点内。在进行 区域查询时，可以根据这种划分方法找到满足多种属 性要求的感知数据所在的区域，然后从这些区域内的 节点输出查询结果。
3.2.2 数据索引
根据数据存储的方式和查询的要求，数 据索引主要有层次索引、一维分布式索 引和多维分布式索引 3种结构。
3.2.2 数据索引
（1）层次索引


层次索引采用空间分解技术，适用于本地存储方法和
多分辨率空域查询要求。 空间分解技术：给定一个查询的空域范围，计算出对 应的多分辨率级别d，然后递归的将传感器网络覆盖 的地理区域递归地划分为d个层次，第0层就是整个网 络覆盖的地理区域，第i层具有4i个子区域。
数据级聚合是最底层的聚合，是直接在采集到的原始 数据层上进行的聚合，在传感器采集的原始数据未经处理 之前就对数据进行分析和综合，因此是面向数据的聚合。
特征级聚合
特征级聚合是中间层的聚合，它先对来自传感器的原 始数据提取特征信息，以反映事物的属性，然后按其特征 信息对数据进行分类、汇集和综合，因此这是面向监测对 象特征的聚合。
第三章 传感网数据管理
主要内容
3.1 概述
3.2 数据管理技术
3.3实例：Tiny DB系统
3.4 本章小节与进一步阅读的文献
3.1 概述
由于传感器网络能量、通信和计算能力有限， 因此传感器网络数据管理系统在一般情况下不 会把数据都发送到汇聚节点进行处理，而是尽 可能在传感器网络中进行处理，此时，可以把 传感器网络看作一个分布式感知数据库。虽然 传感器网络的数据管理系统与传统分布式数据 库具有相似性，但是在有些方面也有着比较大 的差异，主要表现在以下几个方面。
3.1 概述
（3）提供服务所采用的方式不同
在传感器网络数据管理系统中，用户对感知数据的查 询请求的处理过程与传感器网络本身是紧密结合的，需要 传感器网络中的各个节点相互配合才能够完成一次有效的 查询过程。而在传统的分布式数据库系统中，数据的管理 和查询不依赖于网络，网络仅仅是数据和查询结果的一个 传输通道。
3.2.3 网络数据聚合
传统的数据聚合定义为利用计算机技术对按时 序获得的若干传感器的观察信息在一定准则下 加以自动分析、综合，以完成所需的决策和估 计任务而进行信息处理的过程。在传感器网络 中使用的数据聚合技术稍有不同，传感器网络 中的数据聚合是指将来自多个传感器节点对同 一性质的数据和信息进行综合处理，得出更为 准确完整的信息的过程。
3.1 概述
（1）所遵循的原则不同
传感器网络数据管理系统要尽可能地减少数据传输量 和缩短数据传输时间。分布式数据库则不需要考虑能耗问 题，只要保证数据的完整性和一致性即可。
（2）所管理的数据特征不同
传感器网络的数据管理系统所面对的是大量的分布
式无限数据流，并且往往是近似的和数据分布的统计特征 是未知的，传统的分布式数据库系统所面对的数据通常是 确定和有限的，并且数据分布的统计特征是已知的。
3.1.1传感网数据管理系统的体系结构
（1）集中式结构
在集中式结构中，所有的数据均被传送到中心服务器 上，感知数据的查询和传感器网络的访问是相互独立的。 感知数据从普通节点通过无线多跳传送到网关节点，再通 过网关节点传送到基站节点，最后由基站将感知数据保存 到中心服务器上的感知数据库中。