无线传感器网络场景应用技术实例分析.ppt

（1）GHT（Geographic Hash Table）[14] 以数据为中心的存储（data-centric storage，DCS）： 数据用关键字命名（任何命名方案都可以）。 数据的存放节点由数据的名字决定，从而具有相同名字（同一类）的数据存放在同一个节点上。 对特定数据的查询被直接发送到存放数据的节点上，避免在网络中洪泛查询。 DCS支持两个操作： Put(k, v)：根据关键字k（数据名字）存储数据v； Get(k, v)：获取以关键字k存储的数据v。 GHT的基本要点 GHT的应用前提是传感器网络的地理边界已知，且网络中的节点知道自己的位置。 GHT的核心步骤是将关键字k散列到一个地理位置，put()和get()对关键字k的散列得到相同的位置。 一个k, v对被存储在离k的散列位置最近的节点上，对同一个k一致地选择该节点是建立GHT的关键，即使在发生节点故障、拓扑改变的情况下也要保证一致性。 GHT建立在地理位置路由算法GPSR的基础上。 家乡节点和家乡周界 对关键字k散列得到的地理位置上，可能并没有实际节点存在。 定义GHT分组的家乡节点为在地理位置上最接近分组目的位置的节点，携带或查询k,v的GHT分组最终到达其家乡节点。 GHT使用GPSR周界模式来找到家乡节点： 当分组到达家乡节点时进入周界转发模式； 分组围绕目的位置转一圈，最后又回到家乡节点，称这个周界为家乡周界。 当节点发现GHT分组又返回时，知道自己就是它的家乡节点。 周界刷新协议PRP（perimeter refresh protocol） GHT使用周界刷新协议复制k, v对，并将它们放置在一致的节点上。 PRP将k,v对保存在家乡周界的每一个节点上，家乡周界上除家乡节点之外的节点称为复制节点。 每隔Th秒，家乡节点对其保存的关键字k生成刷新分组，发送到k的哈希位置上，刷新分组中包含以关键字k存储的值。 刷新分组就像put()和get()分组一样被路由，因此将围绕目的位置当前的家乡周界转一圈。 拓扑改变后更新家乡节点 当刷新分组到达一个节点时有两种可能： 接收节点比启动节点更靠近目的位置：接收节点使用该刷新分组，并启动自己的刷新过程。 接收节点不比启动节点更靠近目的位置：继续使用周界模式转发刷新分组。 以上两种情况下，接收节点都会将本节点存储的、刷新分组中没有的k,v对添加到刷新分组中。 当刷新分组返回启动节点、且该节点并不是原来的家乡节点时，该节点使用刷新分组，并成为k的家乡节点。 家乡节点失效 每当复制节点收到一个不是自己启动的刷新分组时，它缓存刷新分组中的数据，并设置一个接管定时器。 当接管定时器超时时，复制节点启动一次刷新，将刷新分组发往k的哈希位置。 该机制解决家乡节点失效的问题，复制节点可能不会成为家乡节点，但GHT的路由过程会使得刷新分组到达新的家乡节点。 刷新分组丢失 不管是家乡节点还是复制节点，对保存的每个k都有一个死亡定时器。当死亡定时器超时时，其缓存的k过期。 每当收到k的一个刷新分组时（不管是自己发送的还是其它节点发送的），死亡定时器复位。 当家乡节点丢失自己的若干个刷新分组后，其缓存的k过期；而复制节点等待多次刷新周期未收到家乡节点的刷新分组时，启动刷新分组。 （2）DIMENSIONS [15] [15]考虑一类长期观测的科学应用，传感器网络需长时间工作获取之前未观察过的现象，如微气候、栖息地、动物迁徙等。 这一类应用通常产生大量的数据，数据分析涉及非常复杂的信号处理。 大量的数据及有限的节点存储要求传感器网络进行存储优化。 DIMENSIONS的基本思想 对传感器数据生成不同分辨率的概要，存放在网络中一个为高效查询而优化的分布式存储结构上： 对应不同的空间和时间尺度，生成不同分辨率的数据概要（采用小波变换） 。 数据查询采用下钻的方式，即先访问较大时空尺度上粗粒度、高度压缩的数据概要，所获得的结果再用于访问更细粒度、更详细的数据。 数据老化，越老的数据只保留越粗略的信息。 DIMENSIONS的组成 DIMENSIONS由三个部分组成： 分层小波处理，构造有失真的多分辨率数据摘要 利用下钻查询的数据摘要使用方法 数据老化方案。 数据摘要和数据老化是周期性处理的，处理周期与具体应用有关。 [15]假设系统应用于寻找数据模式的各种查询，因此采用了一种广泛可获得的数据摘要技术—小波变换。 多分辨率数据摘要 使用小波变化的分层处理包括两个阶段： 时间摘要：每个节点对本地产生的时间序列进行小波变化，消除时间上的冗余。 空间摘要：构造一个基于分层网格的覆盖网，使用时空小波压缩在每一层上进行数据摘要。 下钻查询 在分布式小波摘要上进行下钻查询可以极大地减小有哪些信誉好的足球投注网站的代价。 查询从最高层次上注入网络，先对最大