基于云計算的物聯(lián)網(wǎng)支撐系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、物聯(lián)網(wǎng)被稱為繼計算機、互聯(lián)網(wǎng)之后的世界信息產(chǎn)業(yè)第三次浪潮，全球各國紛紛將物聯(lián)網(wǎng)產(chǎn)業(yè)提升到國家發(fā)展的戰(zhàn)略高度。隨著物聯(lián)網(wǎng)的高速發(fā)展，物聯(lián)網(wǎng)支撐系統(tǒng)面臨著以下幾方面必須解決的關(guān)鍵技術(shù)問題:(1)海量數(shù)據(jù)的傳輸。物聯(lián)網(wǎng)傳輸層的任務(wù)是把大量終端采集到的信息可靠地傳輸?shù)胶笈_中心服務(wù)器，但是目前傳輸層網(wǎng)絡(luò)的建設(shè)還遠未達到迎接物聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模爆發(fā)的水平，感知層采集到的海量數(shù)據(jù)實時地涌入傳輸層網(wǎng)絡(luò)，會導致網(wǎng)絡(luò)擁塞或節(jié)點故障，因此如何快速發(fā)現(xiàn)網(wǎng)絡(luò)故障節(jié)點是

2、物聯(lián)網(wǎng)數(shù)據(jù)可靠傳輸?shù)谋Ｕ稀?2)海量數(shù)據(jù)的挖掘處理。傳統(tǒng)數(shù)據(jù)處理平臺難以滿足物聯(lián)網(wǎng)海量數(shù)據(jù)挖掘的發(fā)展要求，具體體現(xiàn)在計算時間過長、容易造成內(nèi)存不足、系統(tǒng)磁盤存儲不夠等方面。此外，傳統(tǒng)的并行方法抽象度不夠高，普通程序員較難掌握。(3)數(shù)據(jù)的展示和使用。設(shè)計出一個通用的用戶和數(shù)據(jù)中心的圖形化交互方式也是物聯(lián)網(wǎng)支撐系統(tǒng)一項待解決的關(guān)鍵問題。
　　 云計算超大規(guī)模、高可靠性、可擴展性等特點恰好迎合了物聯(lián)網(wǎng)向規(guī)?；?、智能化發(fā)展的需要，對海

3、量數(shù)據(jù)進行存儲和處理是云計算的突出特點和能力。本文基于開源云計算平臺Hadoop，研究了上述物聯(lián)網(wǎng)支撐系統(tǒng)的關(guān)鍵技術(shù)問題:
　　 (1)采用復雜網(wǎng)絡(luò)抗毀性研究中的網(wǎng)絡(luò)節(jié)點去除機制，模擬物聯(lián)網(wǎng)傳輸層計算機網(wǎng)絡(luò)中的節(jié)點故障，來研究節(jié)點故障以后網(wǎng)絡(luò)遭受破壞的程度，并根據(jù)實驗結(jié)果構(gòu)建出了一種基于中介性的計算機網(wǎng)絡(luò)故障定位模型。然而，隨著網(wǎng)絡(luò)規(guī)模的擴大，傳統(tǒng)方法計算網(wǎng)絡(luò)中介性的時間復雜度過高，本文改進了基于MapReduce編程模型的中介

4、性算法，提高了運算效率，擴大了基于中介性網(wǎng)絡(luò)故障定位模型的應用規(guī)模。
　　 (2)實現(xiàn)了kmeans聚類算法的并行化，并通過實驗驗證了MapReduce并行化后的kmeans算法部署在Hadoop集群上后，具有較高的加速比和良好的擴展性，能高效的對海量數(shù)據(jù)進行聚類。證明了通過把傳統(tǒng)數(shù)據(jù)挖掘算法并行化，運用云計算技術(shù)進行數(shù)據(jù)挖掘是值得研究和推廣的。
　　 (3)采用SOA架構(gòu)思想，使用OSGI的標準設(shè)計和實現(xiàn)了云服務(wù)，為互