、圈、光学、视频传感器）路况传感器、车况传感器等．这些传感器不仅结构和功能不同，而且所采集的数这种异构性极大地提高了软件开发据也是异构的．和数据处理的难度．
（）物联网数据的时空相关性．与普通互联网３
结点不同，物联网中的传感器结点普遍存在着空间——每个传感器结点都有地理位置，和时间属性—每个数据采样值都有时间属性，而且许多传感器结点的地理位置还是随着时间的变化而连续移动的，如每个车辆安装了高精度的Ｇ智能交通系统中，ＰＳ或在交通网络中动态地移动．与物联网数ＲＦＩＤ标签，
物联网应用中对传感器数据的时空相关性相对应，
据的查询也并不仅仅局限于关键字查询．很多时候，我们需要基于复杂的逻辑约束条件进行查询，如查询某个指定地理区域中所有地质类传感器在规定时间段内所采集的数据，并对它们进行统计分析．由此对物联网数据的空间与时间属性进行智能化可见，
的管理与分析处理是至关重要的．
（）物联网数据的序列性与动态流式特性．在４
物联网系统中，要查询某个监控对象在某一时刻的物理状态是不能简单地通过对时间点的关键字匹配这是因为采样过程是间断进行的，查询时来完成的，
间与某个采样时间正好匹配的概率极低．为了有效地进行查询处理，需要将同一个监控对象的历次采样数据组合成一个采样数据序列，并通过插值计算的方式得到监控对象在指定时刻的物理状态．采样数据序列反映了监控对象的状态随时间变化的完整过程，因此包含比单个采样值丰富得多的信息．此——外，采样数据序列表现出明显的动态流式特性—随着新采样值的不断到来和过时采样值的不断淘汰，采样数据序列是不断的动态变化的．
针对物联网海量数据管理所面临的上述挑战，目前尚没有有效的解决方法．在海量数据处理方面，最有效的方法之一是云数据管理技术，但几乎所有的云数据管理系统均为“键－值”数据库，即按照主关键字对数据进行分布组织和查询处理．这种方法无法有效地支持对传感器采样数据的时空查询处理．另一种海量数据管理方法是并行数据库技术，通过将多个关系数据库组织成数据库集群来支持海量结构化数据的处理，但这种方法在处理关键字查询时
即海量异构传感器联网相比肩所面临的核心问题，
数据的存储与查询处理、大量传感器的智能分析与协同工作、复杂事件的自动探测与有效应对等技术的研究还比较有限．
在物联网系统中，对传感器海量采样数据的集中存储与查询处理是十分重要的．通过对海量传感用户不仅可以直接在数据器采样数据的集中管理，
中心获得任一传感器的历史与当前状态，而且通过可以实现复杂事对集中存放的群体数据进行分析，
此外，传感器采样数据的集中管理件与规律的感知．
）、还使得物物互联（基于物的搜索引ＷｅｂｏｆＴｈｉｎｓ ｇ传感器采样数据的统计分析与数据挖掘等成为擎、可能．
在传感器采样数据的集中管理系统中，大量的传感器结点根据预先制定的采样及传输规则，不断地向从而形成海量的异构数数据中心传递所采集的数据，
数据中心不仅需要正确地理解这些数据，而且据流．
需要及时地分析和处理这些数据，进而实现有效的感知和控制．通过分析我们不难看出，物联网的以下４个特点对数据处理技术形成了巨大的挑战：
（）物联网数据的海量性．物联网系统通常包１含着海量的传感器结点．其中，大部分传感器（如温度传感器、压力传感器等）的采样数据ＧＰＳ传感器、是数值型的，但也有许多传感器的采样值是多媒体如交通摄像头视频数据、音频传感器采样数数据（
据、遥感成像数据等）每一个传感器均频繁地产生．新的采样数据，系统不仅需要存储这些采样数据的最新版本，而且在多数情况下，还需要存储某个时间段（如１个月）内所有的历史采样值，以满足溯源处理和复杂数据分析的需要．可以想象，上述数据是海量的，对它们的存储、传输、查询以及分析处理将是一个前所未有的挑战．
（）传感器结点及采样数据的异构性．在同一２
个物联网系统中，可以包含形形色色的传感器，如交通类传感器、水文类传感器、地质类传感器、气象类
６期丁治明等：面向物联网海量传感器采样数据管理的数据库集群系统框架
１１７７
的性能要远低于“键－值”数据库；此外，由于采用了严格的事务处理机制，在传感器采样数据频繁更新的条件下，并行数据库的数据处理效率十分低下．
在传感器采样数据的表示方面，最自然的想法是采用时空数据库的有关方法．但是，传感器采样数据除了时空属性之外，还包含物理目标的种种其它，如温度、压力、交通流密度、速度等）如何对这属性（
些异构的物理属性进行统一的表示是目前尚未解决此外，目前的时空数据库方法主要针对单个的问题．
在大规模时空数据库集群方面尚没有数据库结点，有效的解决方案．
针对上述问题，本文提出一种“面向物联网海量（传感器采样数据管理的数据库集群系统框架”ＩｏＴＣｌｕｓｔｅｒＳｓｔｅｍＦｒａｍｅｗｏｒｋｆｏｒＭａｎａｉｎＤａｔａｂａｓｅ ｙｇｇ
，在ＭａｓｓｉｖｅＳｅｎｓｏｒＳａｍｌｉｎＤａｔａＩｏＴ－ＣｌｕｓｔｅｒＤＢ）． ｐｇ 同一个监控对象的历次传感器ＩｏＴ－ＣｌｕｓｔｅｒＤＢ中，
采样值被组织成采样数据序列进行存储，通过查询可以支持对传感器采样数据的复操作及时空计算，
此外，杂逻辑条件查询．ＩｏＴ－ＣｌｕｓｔｅｒＤＢ是一个由大量数据库组成的分布式系统，通过建立分布式的全局关键字索引和全局时空索引，ＩｏＴ－ＣｌｕｓｔｅｒＤＢ可以支持高效率的关键字查询和时空查询．
本文第２节综述物联网海量数据管理方面的相关工作；第３节阐述ＩｏＴ－ＣｌｕｓｔｅｒＤＢ的体系结构及第４节和第５节分别阐述Ｉ其核心工作机理；ｏＴ－第６ＣｌｕｓｔｅｒＤＢ的单个结点及集群系统的组织方法；节讨论系统的实现与实验结果；第７节给出相关结论．
析查询等，这类查询往往需要对大面积的传感器进行反复的扫描，因此查询处理会涉及密集的远程访问，带来庞大的通信开销，抵消了本地数据采集不需要进行通信传输的好处．
（）物联网系统中通常会涉及多种异构的传感２
器类型，通过模型转换的方式不仅表示能力有限，而导致查询处理的且模型转换需要额外的计算开销，效率较为低下．
