یک رهیافت زمانی دقیق برای تشخیص خطاها در سنسورهای داده بزرگ روی ابر

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک رهیافت زمانی دقیق برای تشخیص خطاها در سنسورهای داده بزرگ روی ابر

عنوان لاتین

A Time Efficient Approach for Detecting Errors in Big Sensor Data on Cloud

سنسورهای داده بزرگ هم در رهیافت های تحقیقاتی صنعتی و هم علمی بسیار رایج است و در این جا داده ها در حجم بالایی تولید شده و سرعت پردازش با استفاده از ابزار مدیریت پایگاه داده یا عملکردهای پردازش داده سنتی، دشوار است. محاسبات ابری، یک طرح رضایت بخشی را ارائه می دهد که به پشتیبانی شناسایی این چالش کمک کرده و یک حالت انعطاف پذیری از محاسبات وسیع، ذخیره سازی و خدمات نرم افزاری را در یک حالت قابل مقیاس در هزینه پایین، ارائه می دهد. بسیاری از تکنیک ها در سال های اخیر برای پردازش سنسور داده روی ابر، توسعه یافته است که می توان به عنوان مثال به سنسورهای ابری اشاره نمود. به هرحال این تکنیک ها ، پشتیبانی موثری را روی تشخیص سریع و شناسایی خطاها در مجموعه های داده سنسور بزرگ، ارئه نمی دهند. برای تشخیص خطای داده سریع در مجموعه های داده سنسور بزرگ در این مقاله ما یک رویکرد تشخیص خطای داده جدید را ارائه می دهیم که از محاسبات بالقوه کاملی در طرح های ابری و ویژگی شبکه WSN، ارائه نموده است. در ابتدا، مجموعه ای از انواع خطای داده سنسور طبقه بندی و تعریف شده است. مبتنی بر این طبقه بندی ها، ویژگی شبکه یک WSN خوشه بندی شده معرفی شده و برای پشتیبانی از تشخیص خطای سریع و موقعیت سنجی آن، تحلیل گشته است. به طور خاص، در رهیافت پیشنهادی ما، تشخیص خطا مبتنی بر توپولوژی شبکه مقیاس آزاد بوده و بسیاری از عملکردهای شناسایی می توانند در بلوک های داده فضایی یا مکانی محدود به جای کل مجموعه داده بزرگ قرار گیرند. از این رو فرایند تشخیص و موقعیت سنجی را می توان به تدریج، تسریع نمود. علاوه براین، عملکردهای آشکار سازی و موقعیت سنجی می توانند در طرح های ابری توزیع گشته و کاملا در توان محاسباتی و ذخیره سازی انبوه به کار روند. از این رو آزمایشات روی طرح محاسبات ابری ما در ابر U اثر گذاشته و رهیافت پیشنهادی ما را اثبات نموده که می تواند به طور رضایت بخشی زمان را برای تشخیص خطا و موقعیت سنجی در مجموعه داده های بزرگ کاهش دهد که با استفاده از سیستم های شبکه سنسور مقیاس بزرگ با دقت شناسایی خطای قابل قبول، کار میکند.

Big sensor data is prevalent in both industry and scientific research applications where the data is generated with high volume and velocity it is difficult to process using on-hand database management tools or traditional data processing applications. Cloud computing provides a promising platform to support the addressing of this challenge as it provides a flexible stack of massive computing, storage, and software services in a scalable manner at low cost. Some techniques have been developed in recent years for processing sensor data on cloud, such as sensor-cloud. However, these techniques do not provide efficient support on fast detection and locating of errors in big sensor data sets. For fast data error detection in big sensor data sets, in this paper, we develop a novel data error detection approach which exploits the full computation potential of cloud platform and the network feature of WSN. Firstly, a set of sensor data error types are classified and defined. Based on that classification, the network feature of a clustered WSN is introduced and analyzed to support fast error detection and location. Specifically, in our proposed approach, the error detection is based on the scale-free network topology and most of detection operations can be conducted in limited temporal or spatial data blocks instead of a whole big data set. Hence the detection and location process can be dramatically accelerated. Furthermore, the detection and location tasks can be distributed to cloud platform to fully exploit the computation power and massive storage. Through the experiment on our cloud computing platform of U-Cloud, it is demonstrated that our proposed approach can significantly reduce the time for error detection and location in big data sets generated by large scale sensor network systems with acceptable error detecting accuracy.