[论文解读] When Things Matter: A Data-Centric View of the Internet of Things

Yongrui Qin, Quan Z. Sheng+4 more|arXiv (Cornell University)|Jul 10, 2014

IoT and Edge/Fog Computing参考文献 111被引用 47

一句话总结

本文提出了一种面向物联网（IoT）的数据中心框架，聚焦于管理来自互连物理对象的海量、动态且嘈杂的数据流。该文综述了流处理、事件检测、数据存储和搜索等关键技术，识别出在可扩展、实时应用中物联网数据管理的核心挑战与开放研究问题。

ABSTRACT

With the recent advances in radio-frequency identification (RFID), low-cost wireless sensor devices, and Web technologies, the Internet of Things (IoT) approach has gained momentum in connecting everyday objects to the Internet and facilitating machine-to-human and machine-to-machine communication with the physical world. While IoT offers the capability to connect and integrate both digital and physical entities, enabling a whole new class of applications and services, several significant challenges need to be addressed before these applications and services can be fully realized. A fundamental challenge centers around managing IoT data, typically produced in dynamic and volatile environments, which is not only extremely large in scale and volume, but also noisy, and continuous. This article surveys the main techniques and state-of-the-art research efforts in IoT from data-centric perspectives, including data stream processing, data storage models, complex event processing, and searching in IoT. Open research issues for IoT data management are also discussed.

研究动机与目标

• 解决物联网环境中由互连物理对象生成的高容量、动态且嘈杂数据所面临的根本性挑战。
• 识别并分析实现大规模物联网应用所必需的关键数据管理技术。
• 突出物联网数据管理中的开放研究问题，包括可扩展性、实时处理和语义集成。
• 提供数据驱动方法的全面概述，以支持物联网中机器对机器和机器对人类的交互。
• 将物联网定位为互联网的变革性演进，其驱动力是来自嵌入式、可寻址且互连的物体所产生的数据。

提出的方法

• 提出物联网的数据中心视角，将关注点从以人为中心的数据转向物理对象产生的数据及其消费。
• 回顾用于处理来自传感器和RFID设备的连续、高速数据的流数据处理技术。
• 研究专为物联网规模和易变性设计的分布式数据存储模型，强调持久性和可用性。
• 分析复杂事件处理（CEP），以实现实时检测物联网设备事件序列中的有意义模式。
• 研究语义搜索与知识发现技术，以支持对物联网数据的智能查询与推理。
• 将安全、隐私和社会关切整合到数据管理框架中，承认其对数据可用性和信任的影响。

实验结果

研究问题

• RQ1 物联网系统如何高效管理由互连物理对象生成的高容量、连续且嘈杂的数据流？
• RQ2 哪些数据存储与索引模型最适合物联网数据的动态与易变特性？
• RQ3 如何利用复杂事件处理技术在实时物联网事件流中检测有意义的模式？
• RQ4 哪些技术能够实现在分布式、异构物联网数据源上的可扩展且语义感知的搜索？
• RQ5 在确保可扩展性、安全性、隐私性和社会可接受性方面，物联网数据管理仍存在哪些开放研究挑战？

主要发现

• 物联网以空前的规模生成海量实时数据流，使得传统数据管理方法在处理速度、数据量和易变性方面均显不足。
• 流数据处理与复杂事件处理对于实时分析至关重要，使系统能够在动态环境中检测模式并触发响应。
• 必须采用分布式且可扩展的数据存储模型，以持久存储大规模物联网数据，同时确保可用性与容错能力。
• 语义搜索与知识发现技术对于实现对异构物联网数据的智能、上下文感知查询与决策至关重要。
• 安全、隐私与社会关切对数据管理具有重大影响，因为不可信或保护不足的数据可能危及系统完整性与用户信任。
• 尽管已取得进展，但在标准化数据模型、确保互操作性，以及构建可扩展、安全且保护隐私的物联网数据基础设施方面，仍存在开放挑战。