当前的无线传感器网络被用于许多领域。些网络在运行过程中将产生大量数据，因此如何有效管理数据以提高网络性能已成为关键问题。
种方法是使用集中式存储数据仓库方法，每个传感器节点将其采样数据发送到数据仓库进行处理。一种方法使用网络内聚合技术，并将数据处理过程移至网络。文通过示例应用程序比较了这两种方法的有效性，并重点介绍了网络内聚合方法的优点。今，传感器网络越来越多地用于环境监测和目标跟踪领域。们通常由大量低能耗传感器节点，低功耗，有限的计算机存储容量和有限的带宽组成，这使得传统的数据库管理技术无法直接应用于网络。
感器[1]。果，高性能，节能数据管理技术的设计已成为传感器网络应用中的关键问题。计传感器网络数据库时，应考虑以下问题：如何存储数据，如何创建请求以及如何配置网络通信。网络结构方面，主要有两种方法：集中式数据仓库方法和分布式网络内聚合方法。第一种方法中，恒温阀芯所有传感器都通过多跳技术将其数据传输到根节点（数据仓库），并且在根节点执行数据的存储和请求。第二种方法中，数据被分布并存储在网络中，并执行某些压缩处理。查询命令涉及本地数据存储时，节点将发送数据。减少了网络内的通信成本。后，通过一个特定应用程序的示例来比较这两种方法的有效性。实验以以下场景为例，比较了集中式和分布式架构[2]在处理来自传感器网络的请求中的工作效率。设在建筑物中使用监视设备来监视和控制整个建筑物中的温度，以平衡每个房间中的温度并使人们更舒适。建筑有几层，其中一层为例。图1所示，建筑物中有15个房间，包括右侧的一间大会议室和中间的一间大厅。个房间都有五个温度传感器节点，这些节点分别位于房间的四个角和中心。此，整个层中部署的传感器总数为70，并且它们通过多跳网络的树结构连接在一起。每个房间中，四个角的节点将数据发送到房间中心的节点。个中央节点将接收到的数据及其自身的数据发送到其父节点，依此类推，直到最终数据到达服务器为止。图1中，彩色线表示树状结构级别之间的连接。
务器被视为根节点。树分为五层，由上至下分别用黑色，绿色，蓝色，黄色和红色线条表示。然，也可以将其他结构用于节点之间的连接，但是结构的细微变化不会影响这两种处理请求方法的总体结果。这种方法中，数据仓库在服务器端进行了更新，以便所有传感器以恒定的速率生成和传输数据样本。需将采样率设置得很高，因为建筑物内部的温度不会经常变化。设数据仓库每60秒更新一次。下来，计算每个时间间隔内通过网络传输的数据包的数量。第五层，有16个角节点，分布在右侧的四个房间中，并用红线表示与它们各自的父节点的连接。个节点距服务器5跳。此，第5级节点发送到服务器的数据包总数为80。4级节点有36个，它们与各自父节点的连接用黄线表示，与服务器的距离数据包传输过程为4跳，共生成144个数据。当注意，在这种情况下，仅应用一种类型的传感器。际上，传感器节点通常配备有不止一种或两种类型的传感器。如，在建筑物中，通常需要安装光线和声音传感器，以帮助监视设备控制房间中的灯光打开或关闭，或者确定房间是否有人居住。果这些不同类型的传感器使用不同的采样和传输频率，则每个周期（例如1分钟）内传输的数据包总数可能比上述结果大2到3倍。然，这会造成严重的资源浪费，因为监控器仅需要获取超出正常范围的测试结果，例如温度值超过用户定义的阈值或非常低的光强度信号。此，所有其他传感器数据都是冗余的，因此无需准确传输。络内聚合方法可以显着降低无线传感器网络的通信成本。这里，我们使用Cougar系统[2]中的内部网络聚合方法和查询语法来讨论此示例。询语言在[2]中专门介绍。面列出了三个查询指令。求3：从每个传感器中选择具有AVG（温度）> T1或AVG（温度）的传感器的AVG（温度）第一条指令执行“每60秒获取每个房间的平均温度”操作。每个房间中，每个角节点将数据包发送到中央节点。
共有15个房间，因此总共生成了60个包裹。
下一步中，中央节点计算四个子节点及其自身节点的平均数据值，并生成结果数据包以继续向上传输。以下路径中，每个节点仅将数据包传输到上层。过程与上面讨论的中央处理方法一致。四层有4节，第三层有8节，第二层有2节，第一层有1节。二个请求添加了阈值要求。有当温度值小于c1或大于c2时，才返回查询结果包。
其他情况下，采样数据将被忽略。操作不仅满足了用户的需求，即根据温度极限值调节中央空调，而且减少了不必要数据的传输。于在不同情况下难以准确预测超过阈值的数据的频率，因此假设二十个采样数据中有一个超过阈值。这种情况下，传输的数据包的平均数量减少到大约14（287/20）。三个请求是第一个请求的扩展，其中添加了条件。执行操作“每60秒返回平均温度大于T1或小于T2的房间的平均温度”。此也很难预测丢包的百分比，因此进行了粗略的计算。个房间中至少有一个传感器将计算整个中央传感器的平均温度，并且每个中央传感器会将包含结果的数据包传输到服务器。此，中心节点将传输数据的概率为5％，而中心节点将传输数据的概率为25％。过比较这两种方法的计算结果，可以看出两种情况下的数据传输量有很大不同。第一个请求中，通过计算环境温度的平均值，数据包的数量减少了63％。果通过添加一系列条件（例如上述第二个和第三个请求）进一步扩展该请求，则可以跳过95％的数据样本，并且仅应发送一小部分数据包。两个查询之间没有太大区别，只是计算方法不同。此可以清楚地看到，如果使用适当的网络内聚合方法来执行请求，则通信成本将大大降低。于节点本地计算所消耗的能量远低于通信所消耗的能量，因此网络中的数据聚合技术在无线传感器网络中具有明显的优势[4]。前的研究主要集中在分布式体系结构上，因为它比集中式体系结构更灵活并且消耗的资源更少。而，尽管集中式方法具有许多缺点，但是它仍然适合于具有某些特征的无线传感器网络，例如相对较小的规模，非常低的采样频率，但是频繁的请求操作。
这种类型的网络中，分布式处理方法将导致更高的通信成本，因为查询命令的频繁传播和数据的收集将比直接向数据仓库传输数据产生更多的通信数据。行离线查询和分析。外，数据仓库方法非常适合于响应来自预定义查询的历史数据。体而言，网络内聚合技术是无线传感器网络中最重要的优化技术，也是一种节能的有效方法。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com