网内聚集(数据库)

时间：2022-11-28 12:30:02 | 来源：信息时代

时间：2022-11-28 12:30:02 来源：信息时代

    网内聚集 : 在感知查询处理过程中,传感器节点对接收的数据进行部分聚集处理,例如,MAX、MIN、MEDIAN、AVG、SUM等操作,然后将处理后的结果进一步转发给其父亲节点。汇聚节点最终接收到经过各级传感器节点聚集处理过的数据。
无线传感器网络中主要的聚集处理技术包括集中式聚集处理技术和网内聚集处理技术。在集中式聚集处理技术中,所有的传感器节点首先将感知到的数据传送到汇聚节点,然后再由汇聚节点执行全局聚集操作处理。例如,求某个时刻网络所有节点感知的最高温度,其聚集函数为MAX。集中式聚集处理技术在汇聚节点处收集所有传感器节点的感知数据,并进行MAX操作获得聚集结果。网内聚集是减少传感器网络中数据通信量的有效方法之一。利用网内聚集可以大大减少数据的传输量,从而节省了通信能耗,并延长了网络和整个应用系统的寿命。对于例如MAX、MIN、MEDIAN、AVG、SUM等的聚集操作,可以采用网内聚集处理技术。网内聚集技术又包括:
(1)被动式聚集处理技术:在路由树上,每个节点被动地等待到其下游(孩子)节点传输的数据,对自己感知的数据和下游节点的数据进行聚集处理,并将聚集结果传输给其上游(父亲)节点。例如,当聚集函数为MAX时,分布式聚集处理技术是让每个传感器节点完成局部聚集操作,即每个节点将该节点采集的数据与其子节点上传到本地的数据进行比较,选取最大值转发给它的父亲节点。于是,每个时刻汇聚节点得到网络感知的最高温度。
(2)基本主动式聚集处理技术:传感器网络设定固定的时间段,在每个指定的时间段内,每个非叶子节点主动地将前一时间间隔内计算的局部聚集结果上传给上游节点。没有接收到聚集请求的节点监听到了其他节点发送的部分聚集结果后,也将向上传送该节点的聚集结果。不同于被动式聚集处理技术,非叶子节点不必在等待其下游节点响应后再进行数据的上传。主动式聚集处理技术可以避免因下游节点失效而造成的计算不准确问题。
主动式集聚处理技术也被称为流水线聚集处理技术。这种主动式、分时间段上传数据的方式具有两个特性: ①每个时间段都会有新的聚集操作被执行: ②当时间段设置很小时,汇聚节点可以连续获得网络产生的新的聚集结果。采用主动式聚集处理技术,用户可以从整个网络获得连续的聚集结果,这种流式数据能实时地反映传感器网络的变化情况,通常比单一的聚集结果更有意义。
基本的主动式聚集技术与被动式聚集处理技术相比,要传送大量的额外信息。
(3)改进的主动式聚集处理技术:节点有选择地上传聚集数据,减少通信量。例如,只有在子树的聚集结果发生改变时,才进行本地聚集操作; 只有接收到的数据会影响本地产生的聚集结果时才将聚集结果上传; 传感器节点可以利用共享无线通道,监听附近节点的通信情况,一旦发现其他节点正在发送聚集数据,就主动参加聚集处理。在使用改进的主动式聚集处理技术时,用户需要定义可以容忍的聚集值的误差范围。如果忽略一个传感器的数据仍能使聚集结果保持在误差范围内,则该节点的数据就不需要发送。但是,并不是所有的聚集操作都可以改进的主动式聚集处理技术,例如,SUM和COUNT一类聚集操作是不能应用改进的主动式聚集处理技术。其原因在于,对于这一类聚集操作,每个参与计算的传感器节点数据都能够影响最终聚集结果。
网内聚集算法根据其聚集策略的不同,可分为四类:
(1)定向扩散式网内聚集:基本思想是:采用属性值对(attribute value pair,AVP)方式描述传感器的感知数据,称之为命名数据。所有网络通信都基于命名数据的扩散方式进行。汇聚节点针对命名数据提出查询请求,并广播通知给网络中的所有节点。只有符合查询请求的节点的感知数据才被提取。感知数据在节点本地进行聚集,并采用两种方法减小网络内数据扩散时的能量消耗: ①增加式自适应路径选择策略:通信之前建立一个梯度场,开始通信时节点沿多条路径向汇聚节点传输数据,然后该节点从这些路径中选择一条最优路径作为最终的通信路径; ②网内数据缓存策略: 在兴趣查询传播过程中,节点可以选择缓存或者传送数据,也可以根据之前缓存的数据转发请求。因此,该聚集方式能够减少动态传感器网络的能量消耗,同时提高网络内各个节点的配置效率。
(2)启发式网内聚集:汇聚节点在传感器网络中建立和维护一棵聚集树。为减少广播消息数量,关闭树中所有叶子节点的射频单元以便延长传感器网络的生命周期。只有非叶子节点参与数据聚集和消息传输。每个节点根据剩余能量确定发送数据之前的等待时间,剩余能量越高,等待时间越短,成为非叶子节点的概率越大。该聚集策略有效地节省了非叶子节点的能耗,并提高了数据传输的效率。另外,节点部署密度越大,网络寿命越长,扩展性越好。但是,采用该策略时,必须考虑使节点分布尽量均匀,并确保非叶子节点处于正常工作状态。否则,当外部事件发生时,如果不能及时唤醒处于休眠状态的非叶子节点,则系统的响应能力将会受到严重的影响。
(3)增量式网内聚集:在传感器网络中建立一棵贪婪增量树(greedy incremental tree,GIT)。该树提供第一个感知节点到汇聚节点的一条最短路径,其他节点均增量式地连接到增量树中最近的节点上。通过不断地调整聚集节点的位置来增加路径共享的数量,使得通信量最小。与定向扩散式网内聚集策略相比较,在传感器网络密度较大时,GIT方法可以节省更多的能量,并且不会对延迟和鲁棒性造成过大影响。
(4)折中式网内聚集:针对数据聚集的能耗和结果准确性之间的平衡问题提出一种树结构构建策略。通过感知数据的时空关联性,对部分聚合函数进行低能耗计算。该策略通过能耗和准确性的折中思想,在较低能耗的同时,保持较高的聚集准确性。