Efficient Cloud Storage of Multivariate IoT Streams via Statistical Sampling

Τα συστήματα IoT είναι μια τεχνολογία που αναφέρεται σε συνδεδεμένους αισθητήρες και συσκευές που παρατηρούν φυσικές διεργασίες και παρέχουν χρονικά διατεταγμένες μετρικές. Αυτές οι μετρήσεις σχηματίζουν συνεχείς ροές δεδομένων που αποστέλλονται μέσω μιας δικτυακής πύλης, σε μία κεντρική υποδομή υπολογιστικού νέφους για αποθήκευση και περαιτέρω διεργασίες. Καθώς ο αριθμός των συσκευών μεγεθύνεται, αυτή η διαδικασία επαναληπτικής συλλογής και προώθησης δημιουργεί πολλαπλά σημεία συμφόρησης, όπως το περιορισμένο εύρος ζώνης του δικτύου, τις πεπερασμένες δυνατότητες των αποθηκευτικών μέσων και το απαιτούμενο φορτίο επεξεργαστικής ισχύος που απαιτούνται. Αυτοί οι περιορισμοί έχουν αποτελέσει αντικείμενο πολλών ακαδημαϊκών μελετών και πολλές από αυτές καταλήγουν στο συμπέρασμα ότι μια σχετικά μεγάλη μείωση των δεδομένων πρέπει να συμβεί στην παρυφή του δικτύου, κοντά στην πηγή. Οι Safaridis et al. προτείνουν μια μέθοδο εποχής-δεξαμενής που βρίσκεται στην παρυφή. Αυτή η μέθοδος ορίζει μια δεξαμενή σταθερού μεγέθους που διατηρεί τιμές της εισερχόμενης ροής, υλοποιώντας τον Αλγόριθμο δειγματοληψίας R. Η μέθοδος συγκρίνει επαναληπτικά τον Συντελεστή Μεταβλητότητας των δύο. Χωρίζει τον χρόνο σε εποχές, μέσα στις οποίες, εάν η στατιστική σχετική απόκλιση της δεξαμενής και της αντίστοιχης ροής είναι μεγαλύτερη από ένα δηλωμένο κατώφλι, οι μετρήσεις που βρίσκονται στη δεξαμενή αποστέλλονται στην υπηρεσία αποθήκευσης μέσω του Διαδικτύου και ξεκινά μια νέα εποχή. Τέλος, συγκρίνονται η εισερχόμενη ροή και η σύνοψη της δεξαμενής. Η εργασία αυτή εφαρμόζεται μόνο σε μονομεταβλητές παρατηρήσεις, όπου για κάθε χρονική μέτρηση υπάρχει η τιμή ενός χαρακτηριστικού. Ο στόχος της παρούσας διπλωματικής εργασίας είναι να επεκτείνει αυτή τη μονοδιάστατη μέθοδο ώστε να εφαρμόζεται σε πολυμεταβλητές παρατηρήσεις. Για τα πειράματα χρησιμοποιείται ένα σύνολο δεδομένων παρατηρήσεων πλοίου έξι διαστάσεων. Κάθε χρονοσημασμένη παρατήρηση αντιμετωπίζεται ως διάνυσμα. Μια παραλλαγή του Αλγορίθμου R, η R Shift, χρησιμοποιείται επίσης ως στατιστική εκτίμηση βασισμένη σε δειγματοληψία, ώστε να αξιολογηθεί εάν η στρατηγική δειγματοληψίας επηρεάζει τον όγκο της online δειγματοληψίας. Τέλος, τέσσερις στατιστικές αποκλίσεις μεταξύ της ροής και της δεξαμενής συγκρίνονται για την ορισμό μίας χρονικής εποχής: ο κανόνας μέγιστου CV, ο κανόνας μέσου CV, η κανονικοποιημένη απόκλιση Frobenius της συνδιακύμανσης και η κανονικοποιημένη απόκλιση του διανύσματος μέσων τιμών.

Authors dc:creator

• ΚΑΤΣΑΡΟΣ ΤΡΙΑΝΤΑΦΥΛΛΟΣ
• KATSAROS TRIANTAFYLLOS

• Θετικές Επιστήμες
• Science

Language dc:language

English

Identifier

uoadl:5426279

OAI record oai:identifier

https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5426279