物聯網中分布式監控和查詢系統仿真研究

婁爽爽+宋彩平

摘 要： 在大規模的物聯網系統中，基于查詢計劃的方法嚴重依賴于中心節點的查詢優化技術。提出一種基于狀態遷移的分布式推理和連續查詢的處理方法，并對查詢處理狀態進行壓縮。根據各種體系結構的優勢和不足，結合RFID標簽自帶存儲介質的特性，提出一種利用RFID自帶存儲介質進行狀態遷移的方法。最后將上述提出的數據清理、存儲方法和復雜事件處理方法相結合，形成對物聯網中物品的監控。對于離線查詢處理，設計了基于分布式哈希表的單標簽查詢方法（RfidDHT）以及基于多層超級節點對等網MLSP的查詢處理方法。

關鍵詞： 物聯網監控； 射頻識別； 復雜事件處理； 分布式推理和查詢處理

中圖分類號： TN915?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2017）01?0020?04

Abstract： Since the method based on query plan seriously depends on the query optimization technology of centre node in the large?scale Internet of Things （IOT） system， a distributed inference and continuous query processing approach based on state migration is proposed. The state of query processing is compressed. According to advantages and disadvantages of each architecture， a method using storage medium owned by RFID to perform the state migration is presented. The data cleaning and storage approach are combined with the complex event processing approach to monitor the objects in IOT. The single tag query approach based on distributed Hash table （RfidDHT） and query processing approach based on multi?level super node P2P （MLSP） network were designed for the off?line query processing.

Keywords： Internet of Things monitoring； RFID； complex event processing； distributed inference and query processing

0 引 言

實際的物流系統是一個大范圍甚至是全球的大規模系統，傳統中心化的處理方法是將所有的原始數據傳送到一個中心服務器，由中心服務器對RFID數據及各種傳感器數據進行處理并提供中心化的查詢處理[1]。使用中心化的方法存在以下問題：所有的原始RFID數據都要發送到一個中心服務器，這會帶來巨大的通信代價；在大規模的供應鏈中，中心化處理方法會帶來對一些異常檢測的延遲；中心化處理存在單點失效問題，本文提出分布式處理來解決上述問題。

1 系統結構

1.1 中心化體系結構

中心化體系結構如圖1所示，將所有的原始數據傳送到中心服務器，在中心服務器進行推理和查詢處理[2]。該體系結構在中心服務器維護了整個供應鏈的全局視圖，其優點是結構簡單，推理和查詢處理容易。但是中心化體系結構存在以下缺點：

（1） 傳送所有的數據至中心服務器會帶來巨大的通信開銷，RFID感應器每隔一定的時間會感應周圍的RFID標簽，這個時間間隔非常小，如10 s，因此原始RFID數據量非常大，傳送如此巨大的數據量到中心服務器會造成大量的通信代價[3]。

（2） 將所有的數據傳輸到中心服務器會帶來傳輸的延遲，從而造成推理和查詢處理的延遲。

（3） 中央處理會存在單點失效問題，當在中心服務器進行推理和查詢時，如果中心服務器出現故障，那么整個系統將不可用。

（4） 中央處理需要巨大的運算能力，尤其在需要實時處理要求的情況下，處理如此巨大的數據量也需要很大的時間消耗。

1.2 基于計算狀態遷移的分布式結構

通過網絡遷移計算狀態的分布式體系結構如圖2所示，每個倉庫擁有自己的推理和查詢處理功能。當物體從一個倉庫移動到另一個倉庫時，將和該物體相關的推理狀態以及查詢處理狀態遷移到目的倉庫。推理和查詢處理都是在物體所在倉庫的局部服務器完成。僅需要傳送運算相關的狀態到下一個節點即可，相對原始數據，計算狀態非常小，節省巨大的通信代價[4]。但是該方法的缺點如下：

（1） 需要進行狀態的遷移，尤其是涉及到歷史數據時，數據的遷移量依然非常大。

（2） 需要對推理方法進行擴展，將推理狀態分發到需要的節點。

（3） 由于局部節點并不包含全局信息，所以查詢處理將會變得復雜。

1.3 使用標簽內存遷移計算狀態的分布式系統結構

如果標簽自身帶存儲空間，則可以使用如圖3所示的系統結構，通過將計算狀態存儲在標簽自帶的存儲介質中并和標簽傳送到下一個倉庫，以減少網絡的傳輸代價[5]。該結構是對基于計算狀態遷移的分布式結構的一種優化。在該結構中，給定一個物體，當物體離開倉庫時，將和該物體相關的推理狀態和查詢狀態存儲在標簽自帶的存儲空間中。當物體到達一個新的倉庫，入口處的RFID感應器讀取標簽中存儲的推理狀態和查詢狀態，以供在本節點的推理和查詢處理[6]。

值得注意的是，標簽上的存儲只是作為一個緩存，存儲在原來節點上的數據并沒有被刪除，如果因為其他原因，存儲在標簽上的數據不能被讀出來，即可從原來的節點上獲取狀態[7]。所以說可寫的標簽是用來減少通信代價的一種優化方法。

2 基于狀態遷移的分布式推理和連續查詢處理

2.1 基于狀態遷移的分布式推理

當物體抵達一個新的倉庫時，存在兩種簡單的推理方法：

（1） 將所有的歷史數據傳送到新的倉庫。但是該方法存在一個嚴重缺點，所有歷史數據的傳送會帶來巨大的通信代價。

（2） 丟棄掉所有的歷史數據，在新的倉庫根據新的數據進行推理。該方法有兩個缺點：第一，在新到達的倉庫需要更多的時間積累數據，以進行推理；第二，丟棄舊的數據會丟失重要的具有區分作用的信息，如果新到達的倉庫沒有傳送帶等這類具有重要區分作用的設備時，將不能得到正確的推理結果。

為了克服上述兩種方法的弊端，提出一種新的解決方法，即將關鍵區域的RFID數據傳送到新的倉庫。

將關鍵區域的RFID數據傳送到新的倉庫同樣會帶來相當大的通信代價，所以在分布式推理中，在RfInfer的基礎上提出一種近似估計的方法：給定物體o，僅傳輸在該物體和所有候選容器的關鍵區域內的權重根據新的倉庫得到RFID數據每一次迭代的過程如下：

（1） 根據計算各個容器所在位置的后驗概率物品及其各個候選容器存在包含關系的權重集。

（2） 對每個物體o及其候選容器c，存在包含關系的權重表示為對所有物品及其各個候選容器存在包含關系的權重集表示為

（3） 根據更新每個物體最有可能的容器[8]。

雖然該方法可能會帶來一定的誤差，但是因為關鍵區域檢測算法的正確率非常高，所以誤差非常有限；另外，即使關鍵區域檢測存在錯誤，在新的倉庫有可能檢測到新的關鍵區域，新的關鍵區域會覆蓋原來舊的關鍵區域，引入錯誤的機會非常小。

2.2 基于狀態遷移的分布式連續查詢處理

在一個分布式系統中，查詢的一部分任務可以在每個倉庫的局部服務器執行，如將RFID數據流和溫度傳感器數據流進行連接。而另一部分的查詢處理需要跨節點進行，比如查找連續暴露在室溫超過6 h的物體。基于下推自動機的方法，只需要將每個查詢計算狀態從一個倉庫移動到另一個倉庫，然后在新的倉庫根據接收到的計算狀態重新構建自動機運行實例即可。查詢狀態的內容包括：自動機的當前狀態；自動機后續運行需要的最小變量集；查詢要返回的結果。

2.3 查詢狀態壓縮

當物體經過出口離開一個倉庫時，與該物體相關的查詢狀態也會被打包發送到物體將要到達的倉庫節點。若對所有物體都單獨發送查詢狀態，那么會造成很大的通信代價。實際上，一個箱子里通常裝有多個（如20個）物品，包含在同一個箱子中的所有物品因為具有相同的傳輸路徑以及所處環境，理論上來說這些物體具有相同的查詢狀態。提出的查詢狀態壓縮的基本思想是從每個箱子中選擇一個具有代表性的物品，將該物品的查詢處理狀態作為該箱子內所有物品查詢狀態的代表。箱子中其他物品查詢狀態的表示完全基于該代表物體。但是，由于存在一小部分包含關系的改變以及一定的推理誤差，包含在同一個箱子中的所有物品的查詢狀態并不完全相同，對于這些物體只存儲和代表物體狀態不同的狀態即可。

當計算得到代表物體之后，其他物品的查詢狀態的計算方法如下：對查詢集合中的每個查詢如果那么不需要再發送對該查詢的查詢狀態；否則，將物體的查詢狀態發送到下一個節點。

3 分布式離線查詢處理

3.1 離線查詢的種類

離線查詢可以分為以下兩種類型：

（1） 基于Tag ID的單物品查詢。該查詢給定一個Tag ID以及要選擇該標簽所對應物體的其他屬性或者聚合查詢的值。

（2） 基于約束的多標簽查詢或聚合查詢。該查詢給定一些屬性值約束，返回這些物品的屬性值或者聚合查詢的結果。

3.2 基于DHT的查詢處理

分布式哈希表（Distributed Hash Table，DHT）是一個由廣域范圍內大量節點共同維護的巨大哈希表。哈希表被分割成不連續的塊，每個節點被分配給一個屬于自己的哈希塊，并成為該哈希塊的管理者。在供應鏈系統中，每個物體表示成一個（k，v）對，k稱為關鍵字，即該物體上的Tag ID，v是實際存儲該物品信息節點的IP地址列表，以及在各個IP地址管理的倉庫停留的時間段。分布式哈希表中的每個數據項包含以下信息：IP地址、在該節點停留的起始時間、在該節點停留的終止時間。

給定一個基于Tag ID的查詢，查詢的過程如下：

（1） 通過DHT查找到存儲和該Tag ID相關的元信息的節點

（2） 從節點上存儲Tag ID對應的物品信息的節點列表。

（3） 從列表中的每個節點獲取該物品的路徑信息或者屬性信息。在節點聚合之后將查詢處理的中間結果傳送到一個中間節點。

（4） 中間節點將所有這些傳遞回來的信息進行聚合，給查詢節點發回查詢結果。

3.3 基于多層超級節點的對等網的查詢處理

在本文提出一種具有多層超級節點的對等網結構。

給定從節點發出的查詢查詢過程如下：

（1） 將查詢轉發到一個頂層超級節點頂層超級節點將該查詢在頂層超級節點之間泛洪傳播。

（2） 當頂層超級節點接收到查詢時，頂層超級節點將該查詢向底層超級節點傳遞，直至到達底層節點。

（3） 當最底層節點接收到查詢時，如果該查詢的一部分查詢處理可以在本地節點進行，那么在本地節點進行一定的處理之后，將中間結果傳送到頂層超級節點否則，將原始數據傳送到頂層超級節點

（4） 頂層超級節點接收到所有的中間結果或者查詢相關的數據后，對這些數據進行聚合或者進一步查詢。最終將查詢處理結果發送到節點

4 實驗結果與分析

4.1 分布式推理實驗

在該實驗中，將分布式推理方法和集中式推理方法進行比較。對于集中式推理方法，假定所有的原始RFID數據被傳送到中心服務節點。同時，假設在數據傳送時應用了一定的壓縮技術（如本文中用gzip進行壓縮）。對于分布式推理方法，考慮如下幾種對推理狀態的管理方法：

（1） 簡單截斷。不傳送任何推理狀態到下一個節點。

（2） 僅傳送關鍵區域的信息。僅傳送將關鍵區域的數據轉換成一個最有可能的容器和權重。

（3） 傳送關鍵區域信息的同時，根據最近歷史計算得到的物體和各個可能的容器之間的權重，一起傳送到下一個節點。

首先將RFID感應器的讀到率從0.6變化到1，同時設定50%（即5個）的倉庫不裝備傳送帶RFID感應器。推理的錯誤率如圖4所示。從實驗結果可以看出，簡單截斷的方法會帶來很大的錯誤率，而其他三個分布式方法具有非常接近且比較低的錯誤率。CR方法相比CR+H方法有更高的正確率，主要是因為在推理中關鍵區域的信息起了主要的作用，而最近的歷史數據包含有很多噪音。

同時，統計了各種方法的通信代價，結果如表1所示。從結果可以看出，集中式方法具有最高的通信代價，傳送關鍵區域的方法的通信代價僅是集中式方法的而且實驗結果表明，通信代價對讀到率并不敏感。

同時，測試了分布式算法對包含關系改變頻率的敏感性，將包含關系發生改變的頻率從每20 s發生一個變換到每120 s發生一個改變，結果如圖5所示。從實驗結果可以看出，簡單截斷的方法具有很高的錯誤率，而基于關鍵區域遷移的方法得到較低的錯誤率，且接近于中心化推理的正確率。

總之，實驗結果表明基于關鍵區域遷移的分布式推理算法在節約通信代價的同時，得到了和集中式推理算法非常接近的正確率。

4.2 分布式查詢處理實驗

在該實驗中，將分布式推理的結果作為分布式查詢處理的輸入，運行了兩種類型的監控查詢，如查詢Q1和查詢Q2所示。將分布式查詢處理報告的結果和實際發生復雜事件進行對比，通過F?measure度量該分布式算法的正確率。另外，統計了壓縮之前和壓縮之后查詢狀態的大小，結果如表2所示。

從實驗結果可以得出如下結論：

（1） 使用經過清理的數據可以得到很高的查詢正確率。

（2） 查詢狀態的壓縮率和感應器的讀到率相關，主要是因為高的讀到率可以推理得到更準確的位置和包含關系。

（3） 查詢Q1的查詢狀態的壓縮率低于查詢Q2的壓縮率，主要原因是Q1使用了推理得到的位置和包含關系信息，而Q2僅使用了位置信息。而算法的位置推理的正確率要高于包含關系推理的正確率。給定一個物品，如果該物品的推理結果錯誤，那么該物品要么在查詢結果中被誤報，要么沒有在查詢結果中，這兩種情況都會影響F?Measure值；同時，該物品的查詢狀態不同于在同一容器中的其他物品，所以不能被有效壓縮。

5 結 論

本文提出的基于狀態遷移的分布式推理和查詢處理，實現了在大規模物聯網系統中一方面對推理和查詢的高效處理，另一方面降低了系統的通信量。另外，提出的離線查詢處理方法RFID DHT和mlsp實現在沒有中心節點的情況下對離線查詢的分布式處理。實驗表明，基于狀態遷移的分布式推理和查詢處理方法極大地降低了系統的通信量。

參考文獻

[1] 趙艷玲.一種基于物聯網的遠程監控系統設計[J].現代電子技術，2012，35（6）：61?64.

[2] 王勇斌，孫友偉.基于ES0191的電力線物聯網控制平臺[J].西安郵電大學學報，2014（3）：49?53.

[3] 葉忠杰，趙俊波.基于物聯網技術的校園綜治安全系統研究[J].現代電子技術，2012，35（22）：51?54.

[4] 孫國峰，胡景春.基于Android的物聯網控制系統的設計與實現[J].微型機與應用，2013，32（1）：7?10.

[5] 李文娟，陳艷.大型物聯網下的交通智能監控系統優化設計[J].現代電子技術，2016，39（6）：95?97.

[6] 王巖.物聯網控制系統中信息傳輸關鍵技術研究[D].哈爾濱：東北林業大學，2012：111.

[7] 王吳雨，繆希仁.數字變電站物聯網監控技術[J].電器與能效管理技術，2011（19）：34?38.

[8] 陳坤定，李隘優.基于二維碼的物聯網監控系統設計[J].中原工學院學報，2013，24（4）：65?68.