面向物聯(lián)網(wǎng)的實(shí)體實(shí)時搜索技術(shù)研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展,物聯(lián)網(wǎng)技術(shù)逐漸被社會各界所重視,在工農(nóng)業(yè)、智能家居、快遞物流、設(shè)備監(jiān)控等各方面都有著廣泛的應(yīng)用。物聯(lián)網(wǎng)中包含很多實(shí)體,導(dǎo)致物聯(lián)網(wǎng)包含了海量的實(shí)時數(shù)據(jù)。如何對物聯(lián)網(wǎng)中海量的實(shí)體進(jìn)行處理分析,如何從這些海量實(shí)體返回的實(shí)時狀態(tài)數(shù)據(jù)中搜尋得到有用的信息以及如何通過這些已知信息來預(yù)測未來未知的狀態(tài)成為了物聯(lián)網(wǎng)研究中的重點(diǎn)。
　　本文針對物聯(lián)網(wǎng)中實(shí)體搜索進(jìn)行了研究,實(shí)現(xiàn)了物聯(lián)網(wǎng)中實(shí)體信息的實(shí)時搜索。首先,在實(shí)體架構(gòu)及實(shí)

2、體數(shù)據(jù)源獲取方面,采用MetaSeeker工具和Watir與Nokogiri兩種方法同時實(shí)現(xiàn),基于MetaSeeker信息實(shí)時獲取方法通過頁面實(shí)時監(jiān)測機(jī)制,只要物聯(lián)網(wǎng)頁面實(shí)體信息有變動,就能實(shí)現(xiàn)實(shí)時抓取,對系統(tǒng)的占用較少;Watir與Nokogiri信息實(shí)時獲取方法主要通過Watir實(shí)現(xiàn)對物聯(lián)網(wǎng)動態(tài)頁面加載,然后采用Nokogiri對獲得的HTML文檔進(jìn)行解析并獲取網(wǎng)頁的HTML文檔內(nèi)容,再通過CSS Selector來找頁面上所需內(nèi)容

3、的節(jié)點(diǎn),取回該時刻的頁面文本信息,從而實(shí)現(xiàn)固定周期抓取物聯(lián)網(wǎng)動態(tài)頁面實(shí)時信息,獲取實(shí)體信息。
　　針對物聯(lián)網(wǎng)實(shí)體的搜索問題,本文采用Lucene搜索框架實(shí)現(xiàn),Lucene對獲取到的實(shí)體數(shù)據(jù)進(jìn)行解析,建立索引數(shù)據(jù)庫,將建立好的索引庫存入本地文件。之后通過檢索索引庫實(shí)現(xiàn)搜索功能。由于Lucene具有強(qiáng)大的搜索功能,對海量數(shù)據(jù)搜索耗時很短,能滿足物聯(lián)網(wǎng)實(shí)體搜索實(shí)時性的要求。物聯(lián)網(wǎng)實(shí)體信息實(shí)時獲取部分雖然實(shí)時獲取到了物聯(lián)網(wǎng)中實(shí)體的信息,但

4、由于物聯(lián)網(wǎng)信息的高動態(tài)性,數(shù)據(jù)具有瞬時性。為了更好的實(shí)現(xiàn)實(shí)體搜索的實(shí)時性,本文在搜索模塊后面擴(kuò)展了預(yù)測分析模塊,采用周期預(yù)測模型,包括聚合預(yù)測模型(APM-Aggregated Prediction Model),單周期預(yù)測模型(SPM-Single-period Prediction Model),多周期預(yù)測模型(MPM-Multi-period Prediction Model);通過判斷物聯(lián)網(wǎng)實(shí)體事件的周期模式采用合理的預(yù)測模型,