物联网大数据处理技术与实践epub

物联网大数据处理技术与实践 作者：王桂玲，王强，赵卓峰，韩燕波

物联网大数据处理技术与实践 出版社： 电子工业出版社

物联网大数据处理技术与实践 内容简介

本书基于作者近几年来的研究开发成果及应用实践，对物联网大数据技术体系进行了系统归纳，阐述了物联网环境下感知数据的特性、数据模型、事务模型以及调度处理方法等核心概念及关键技术，并对物联网大数据存储、管理、计算与分析的基本概念和关键技术进行了剖析。本书还介绍了自行研发的面向物联网的ChinDB实时感知数据库系统以及针对云计算环境下物联网大数据管理与应用的DeCloud云平台，介绍了它们在智能交通、智能电厂、教育、安全监控等多个行业的应用。书中所有实例，均来自作者所在团队的实际应用，大部分在物联网项目中得到了实践应用。本书对物联网应用的开发以及两化融合、工业4.0环境下的大数据处理分析具有重要参考价值。

物联网大数据处理技术与实践 目录

前言

第1篇　缘起与发展趋势篇

第1章　物联网与产业发展

1.1　物联网产业的发展

1.1.1　传感器与智能硬件

1.1.2　物联网服务平台

1.1.3　工业4.0与CPS

1.2　物联网与大数据

1.3　物联网产业的机遇与挑战

1.3.1　物联网产业面临的挑战

1.3.2　物联网操作系统与数据库

1.3.3　物联网大数据处理与应用

第2章　大数据处理技术的发展

2.1　大数据存储和管理技术

2.1.1　面向大数据的文件系统

2.1.2　面向大数据的数据库系统

2.2　大数据计算技术

2.2.1　批处理计算模式

2.2.2　交互式查询计算模式

2.2.3　流处理计算模式

2.2.4　大数据实时处理的架构：Lambda架构

2.3　大数据分析技术

2.3.1　传统结构化数据分析

2.3.2　文本数据分析

2.3.3　多媒体数据分析

2.3.4　社交网络数据分析

2.3.5　物联网传感数据分析

2.3.6　大数据分析技术的发展趋势

第2篇　技术解析篇

第3章　物联网大数据技术体系

3.1　物联网中的大数据挑战

3.1.1　互联网大数据的特征

3.1.2　物联网大数据的特征

3.2　技术体系

3.2.1　感知数据采集与传输

3.2.2　感知数据管理与实时计算

3.2.3　物联网平台与大数据中心

第4章　感知数据特性与模型

4.1　感知数据的特性分析

4.1.1　常用的感知数据类型

4.1.2　感知数据的主要特征

4.2　感知数据的表示与组织

4.2.1　物联网数据模型

4.2.2　时态对象模型

4.3　感知数据库的定位

4.3.1　感知数据库的定位

4.3.2　感知数据库的特征

4.4　感知数据库与传统数据库

4.4.1　感知数据库与关系数据库

4.4.2　感知数据库与实时数据库系统

4.4.3　感知数据库与工厂数据库系统

4.4.4　感知数据库与流数据处理系统

第5章　感知数据库管理系统

5.1　感知数据库的总体设计

5.1.1　总体设计的主要原则

5.1.2　感知数据库的设计框架

5.2　感知数据库的分布部署体系

5.2.1　系统的集群部署模式

5.2.2　多层级的系统部署体系

5.2.3　服务分布的部署体系

5.3　感知数据库中的关键技术

5.3.1　智能设备及传感器接口技术

5.3.2　流数据实时在线处理技术

5.3.3　事件驱动的高效处理机制

5.3.4　感知数据的压缩存储技术

第6章　实时事务调度处理技术

6.1　常见事务特性分析

6.1.1　感知事务

6.1.2　触发事务

6.1.3　用户事务

6.2　事务调度与并发控制

6.2.1　事务的调度方法

6.2.2　并发控制策略

6.3　服务器与操作系统

6.3.1　服务器体系结构与发展

6.3.2　操作系统的多任务机制

6.4　事务的执行框架与模式

6.4.1　通用系统模型与调度方法

6.4.2　事务处理框架的设计模式

6.5　系统框架的分析与性能优化

第7章　物联网大数据存储与管理

7.1　云文件系统的关键技术

7.1.1　HDFS的目标和基本假设条件

7.1.2　HDFS体系架构

7.1.3　性能保障

7.2　NoSQL数据库关键技术

7.2.1　NoSQL数据库概述

7.2.2　基于NoSQL数据库的物联网大数据存储与管理

第8章　物联网大数据计算与分析

8.1　物联网大数据批处理计算

8.1.1　MapReduce的设计思想

8.1.2　MapReduce的工作机制

8.1.3　MapReduce在物联网大数据中的应用

8.2　物联网大数据交互式查询

8.2.1　原生SQL on HBase

8.2.2　SQL on Hadoop

8.2.3　基于HBase的交互式查询

8.3　物联网大数据流式计算

8.3.1　流式计算的需求特点

8.3.2　流数据基本概念

8.3.3　流数据查询操作

8.3.4　流数据定制化服务

8.3.5　评测基准

8.3.6　Spark Streaming及其在物联网大数据中的应用

8.4　物联网大数据分析

8.4.1　物联网大数据OLAP多维分析

8.4.2　物联网大数据深层次分析

第3篇　产品研发篇

第9章　物联网网关CubeOne

9.1　工业物联网网关

9.1.1　CubeOne产品概述

9.1.2　CubeOne功能特点

9.1.3　CubeOne的应用领域

9.2　无线传感器网络网关

9.2.1　无线传感器网络概述

9.2.2　ZigBee-WiFi网关

9.2.3　ZigBee网络应用案例

第10章　ChinDB感知数据库系统

10.1　ChinDB系统概述

10.2　ChinDB组成与功能特点

10.3　ChinDB数据组织管理

10.3.1　标签点及其属性

10.3.2　标签点的组织方式

10.3.3　关系数据管理

10.3.4　历史数据管理

10.4　ECA规则与实时计算

10.5　ChinDB的HA方案

10.5.1　HA概述及模式分类

10.5.2　ChinDB HA的部署模式

10.6　物联网应用平台

10.6.1　物联网平台概述

10.6.2　平台主要特点

10.6.3　应用领域与应用案例

第11章　DeCloud物联网大数据云平台

11.1　DeCloud组成

11.1.1　软件概述

11.1.2　通信服务

11.1.3　计算服务

11.1.4　存储服务

11.1.5　数据发布/订阅服务

11.2　DeCloud在智能交通领域的应用

11.3　DeCloud在教育物联网云服务平台中的应用

11.4　DeCloud在电厂设备故障预警的应用

11.5　DeCloud在电梯安全监控中的应用

11.6　DeCloud在高精度位置服务中的应用

总结与展望

参考文献

物联网大数据处理技术与实践 精彩文摘

在线压缩技术在以下3种情况下更加有效：

（1）系统从智能设备或者生产线甚至智能工厂中批量采集数据，如设备运行状态的断面数据、在允许时间周期内的批量数据等。

（2）系统从设备或者传感器上高密度地连续采集一组数据，如间歇运行的高频数据采集设备。

（3）系统采集的音视频数据、图像数据，这类数据可以采用成熟的压缩技术。

实时采集的时态数据由于更新频繁，导致数据量巨大：另外，地震勘探及声纳测深等系统工作过程中，在单位时间内都会产屯海量的二进制数据，如果要存储这些数据，服务器的磁盘容量与I／O就会成为瓶颈，而采用合适的压缩算法是一种可行的方法。

根据时态数据的特点，数据的高更新率及精度要求容许一定的误差，因此，可以采用有损压缩算法进行压缩，常用的有损压缩算法是旋转门算法。

而有些精度要求高的时态数据及二进制大数据，数据存储所需采用的压缩算法应该具备下述特点：无损在线压缩；大小可配置的分块压缩：压缩／解压的速度快；压缩比高；可多线程实现，并行性高。

其实，数据压缩的意义不仅在于能够在有限的硬盘空间中存储大量历史数据，而且还能够优化数据的查询与检索速度。