☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

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。

作者简介

　　王桂玲，女，1978年生。2007年7月于清华大学计算机科学与技术系获计算机科学与技术工学博士学位。2007年7月至2012年1月先后在中国科学院计算技术研究所从事博士后、助理研究员工作。2012年1月起在北方工业大学信息工程学院云计算中心工作。目前研究领域为服务计算、云计算等。曾承担或参与多项国家自然基金（含重点基金）、973课题、核高基、以及业界合作项目。目前在JCST、计算机学报、WWW、SCC等高水平国内外学术会议及刊物上发表论文30余篇，专著2本，获得软件登记4项，专利授权1项，受理专利3项。曾获中科院计算所优秀研究人员称号、中科院计算所网络重点实验室优秀员工称号等奖励。担任SOCA'10、SOCA'09、SCDI'12等国际会议PC Member，担任国内多家学术刊物论文评审。

目录

第1篇 缘起与发展趋势篇
第1章 物联网与产业发展 3
1．1 物联网产业的发展 3
1．1．1 传感器与智能硬件 4
1．1．2 物联网服务平台 5
1．1．3 工业4．0与CPS 5
1．2 物联网与大数据 7
1．3 物联网产业的机遇与挑战 9
1．3．1 物联网产业面临的挑战 9
1．3．2 物联网操作系统与数据库 10
1．3．3 物联网大数据处理与应用 11
第2章 大数据处理技术的发展 12
2．1 大数据存储和管理技术 12
2．1．1 面向大数据的文件系统 13
2．1．2 面向大数据的数据库系统 15
2．2 大数据计算技术 19
2．2．1 批处理计算模式 19
2．2．2 交互式查询计算模式 20
2．2．3 流处理计算模式 21
2．2．4 大数据实时处理的架构：Lamda架构 23
2．3 大数据分析技术 24
2．3．1 传统结构化数据分析 26
2．3．2 文本数据分析 26
2．3．3 多媒体数据分析 27
2．3．4 社交网络数据分析 27
2．3．5 物联网传感数据分析 28
2．3．6 大数据分析技术的发展趋势 28
第2篇 技术解析篇
第3章 物联网大数据技术体系 31
3．1 物联网中的大数据挑战 31
3．1．1 互联网大数据的特征 31
3．1．2 物联网大数据的特征 34
3．2 技术体系 37
3．2．1 感知数据采集与传输 38
3．2．2 感知数据管理与实时计算 41
3．2．3 物联网平台与大数据中心 42
第4章 感知数据特性与模型 44
4．1 感知数据的特性分析 44
4．1．1 常用的感知数据类型 44
4．1．2 感知数据的主要特征 46
4．2 感知数据的表示与组织 49
4．2．1 物联网数据模型 49
4．2．2 时态对象模型 51
4．3 感知数据库的定位 52
4．3．1 感知数据库的定位 52
4．3．2 感知数据库的特征 53
4．4 感知数据库与传统数据库 53
4．4．1 感知数据库与关系数据库 53
4．4．2 感知数据库与实时数据库系统 54
4．4．3 感知数据库与工厂数据库系统 55
4．4．4 感知数据库与流数据处理系统 55
第5章 感知数据库管理系统 57
5．1 感知数据库的总体设计 57
5．1．1 总体设计的主要原则 57
5．1．2 感知数据库的设计框架 58
5．2 感知数据库的分布部署体系 62
5．2．1 系统的集群部署模式 62
5．2．2 多层级的系统部署体系 64
5．2．3 服务分布的部署体系 66
5．3 感知数据库中的关键技术 67
5．3．1 智能设备及传感器接口技术 67
5．3．2 流数据实时在线处理技术 68
5．3．3 事件驱动的高效处理机制 69
5．3．4 感知数据的压缩存储技术 75
第6章 实时事务调度处理技术 79
6．1 常见事务特性分析 79
6．1．1 感知事务 80
6．1．2 触发事务 80
6．1．3 用户事务 81
6．2 事务调度与并发控制 81
6．2．1 事务的调度方法 81
6．2．2 并发控制策略 82
6．3 服务器与操作系统 83
6．3．1 服务器体系结构与发展 83
6．3．2 操作系统的多任务机制 87
6．4 事务的执行框架与模式 90
6．4．1 通用系统模型与调度方法 91
6．4．2 事务处理框架的设计模式 91
6．5 系统框架的分析与性能优化 94
第7章 物联网大数据存储与管理 97
7．1 云文件系统的关键技术 99
7．1．1 HDFS的目标和基本假设条件 99
7．1．2 HDFS体系架构 100
7．1．3 性能保障 102
7．2 NoSQL数据库关键技术 106
7．2．1 NoSQL数据库概述 106
7．2．2 基于NoSQL数据库的物联网大数据存储与管理 118
第8章 物联网大数据计算与分析 123
8．1 物联网大数据批处理计算 123
8．1．1 MapReduce的设计思想 124
8．1．2 MapReduce的工作机制 126
8．1．3 MapReduce在物联网大数据中的应用 128
8．2 物联网大数据交互式查询 130
8．2．1 原生SQL on HBase 131
8．2．2 SQL on Hadoop 132
8．2．3 基于HBase的交互式查询 133
8．3 物联网大数据流式计算 134
8．3．1 流式计算的需求特点 134
8．3．2 流数据基本概念 135
8．3．3 流数据查询操作 140
8．3．4 流数据定制化服务 142
8．3．5 评测基准 145
8．3．6 Spark Streaming及其在物联网大数据中的应用 146
8．4 物联网大数据分析 150
8．4．1 物联网大数据OLAP多维分析 151
8．4．2 物联网大数据深层次分析 157
第3篇 产品研发篇
第9章 物联网网关CubeOne 175
9．1 工业物联网网关 175
9．1．1 CubeOne产品概述 175
9．1．2 CubeOne功能特点 176
9．1．3 CubeOne的应用领域 178
9．2 无线传感器网络网关 178
9．2．1 无线传感器网络概述 178
9．2．2 ZigBee-WiFi网关 180
9．2．3 ZigBee网络应用案例 182
第10章 ChinDB感知数据库系统 185
10．1 ChinDB系统概述 185
10．2 ChinDB组成与功能特点 186
10．3 ChinDB数据组织管理 188
10．3．1 标签点及其属性 188
10．3．2 标签点的组织方式 189
10．3．3 关系数据管理 190
10．3．4 历史数据管理 190
10．4 ECA规则与实时计算 191
10．5 ChinDB的HA方案 192
10．5．1 HA概述及模式分类 192
10．5．2 ChinDB HA的部署模式 193
10．6 物联网应用平台 195
10．6．1 物联网平台概述 195
10．6．2 平台主要特点 196
10．6．3 应用领域与应用案例 198
第11章 DeCloud物联大数据云平台 202
11．1 DeCloud组成 202
11．1．1 软件概述 202
11．1．2 通信服务 204
11．1．3 计算服务 206
11．1．4 存储服务 207
11．1．5 数据发布/订阅服务 208
11．2 DeCloud在智能交通领域的应用 209
11．3 DeCloud在教育物联网云服务平台中的应用 215
11．4 DeCloud在电厂设备故障预警的应用 218
11．5 DeCloud在电梯安全监控中的应用 222
11．6 DeCloud在高精度位置服务中的应用 225
总结与展望

精彩书摘

　　《物联网大数据处理技术与实践》：
　　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。
　　……

前言/序言

前言

随着物联网产业的迅速发展，物联网应用也正由离散的、示范性应用逐步走向多层次、规模化应用，并且深入地融合入人们生活及工业生产制造的各个环节。特别是，互联网及移动互联网不再仅仅是人与人之间的联络通道，物与物、物与人之间也逐步建立了持续的互动关系。我们通过部署在远端的、无处不在的传感器能够极大地扩展我们的感知能力，由这些传感器产生的数据正通过互联网改变着我们的生活。

分散部署的亿万级的各类传感器持续产生海量的数据，这些感知数据的采集、处理、传输以及存储管理、挖掘分析都让我们面临着一系列新的挑战。随着大数据技术的发展与应用，这些数据的处理与利用正得到越来越多的重视与关注。但是，不同于互联网中大数据的非结构化及价值密度低等特性，物联网应用中的数据更加倾向于结构化、及时的处理需求以及价值密度与数据量成正比等特性，需要有序的管理与处理利用。

本书作者近几年研究开发成果及应用实践的基础上，通过系统地分析物联网中这类感知数据的特点及相应的事务处理特性，针对互联网场景下的物联网大数据而提出了一套三层的物联网大数据处理的技术体系。并在此基础上，就相关的技术开展进行了深入的探讨与分析。进一步，介绍了作者所在团队研发的相关产品，以及这些产品在智能交通、智能电厂、教育、安全监控等领域的应用案例。希望这些内容对于物联网应用的开发者及两化融合、工业4.0环境下的大数据处理分析提供重要的指导与参考价值。

全书分为3篇：缘起与发展趋势篇、技术解析篇、产品研发篇。缘起与发展趋势篇包括第1章物联网与产业发展以及第2章大数据处理技术的发展，主要针对物联网产业以及大数据处理相关技术进行简要介绍以及发展趋势的分析与探讨。技术解析篇包括第3章到第8章，其中第3章物联网大数据技术体系主要针对物联网大数据处理的挑战提出相应的技术体系；第4章感知数据特性与模型，并进一步提出物联网感知数据库系统，进一步在第5章针对感知数据库系统的设计、关键技术以及部署体系进行阐述；面对物联网感知数据处理的实时性需求，第6章就这类事务的实时调度、并发控制以及事务的执行模式与框架进行深入的探讨，从而为这类系统的开发实现提供有价值的参考；第7章主要针对物联网大数据在云端的存储管理进行分析，第8章主要探讨物联网大数据的计算与分析技术。产品研发篇包括第9章到第11章，分别介绍物联网大数据处理的三个层次中对应的产品以及这些产品的成功应用案例，为读者开展物联网大数据的应用工作提供参考。

本书主要由王桂玲、王强、赵卓峰、韩燕波编著，参与编著的还有刘晨、李寒、房俊。其中，王桂玲主要编写了第2章、第7章、第8章、第11章的内容，王强主要编写了第1章、第3章、第4章、第5章、第6章、第9章、第10章的内容，赵卓峰参与编写了第11章，韩燕波教授整体组织了本书的内容及结构，并对本书关键内容进行把关。刘晨、李寒分别参与编写了11.4节、11.5节内容，房俊参与编写了7.2.3节内容。实验室硕士研究生曹波、李冬、王路辉参与了本书部分实例的验证。

本书内容特别是本书所介绍的相关研发产品是北方工业大学计算机学院数据工程研究院、大规模流数据集成与分析技术北京市重点实验室及中科启信公司全体人员集体努力的结晶。本书得到了国家自然科学基金（No. 61672042）、北京市自然科学基金（No. 4172018）的资助。

在本书编写过程中，得到了戴国忠研究员的大力指导与帮助，还得到了其他许多师友的帮助和鼓励，在这里我们无法一一列举，谨向他们表示真挚的感谢。

电子工业出版社的董亚峰老师、米俊萍老师为书稿的面世给予了大力的帮助。在此，对二位老师表示衷心的感谢！

物联网大数据的应用尚处于初级阶段，由于作者水平所限，本书缺点以及不足之处在所难免，欢迎广大读者批评指正。

物联网大数据处理技术与实践 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价