随着物联网技术的发展,目前的物联网系统产生的数据量越来越多,这些数据持续不断的传输到数据中心,传统的物联网数据处理分析系统效率低下且无法处理数量如此庞大的数据流.另外,物联网智能设备存在资源受限的特性,在分析数据时这一特性...随着物联网技术的发展,目前的物联网系统产生的数据量越来越多,这些数据持续不断的传输到数据中心,传统的物联网数据处理分析系统效率低下且无法处理数量如此庞大的数据流.另外,物联网智能设备存在资源受限的特性,在分析数据时这一特性是不可忽略的.提出一种适用于物联网实时数据流处理的新架构ApproxECIoT(approximate edge computing Internet of Things),实现了一种自调整分层采样算法,用于处理物联网系统中产生的实时数据流.该算法在维持已给出的资源预算不变的情况下,根据每层方差的大小进行样本层内大小的调整,这对于资源有限的情况下提高计算结果准确度是非常有益的.最后使用模拟数据流和真实数据流进行实验分析,结果表明ApproxECIoT在边缘节点资源有限的情况下,仍能获得具有较高准确度的计算结果.展开更多
文摘随着物联网技术的发展,目前的物联网系统产生的数据量越来越多,这些数据持续不断的传输到数据中心,传统的物联网数据处理分析系统效率低下且无法处理数量如此庞大的数据流.另外,物联网智能设备存在资源受限的特性,在分析数据时这一特性是不可忽略的.提出一种适用于物联网实时数据流处理的新架构ApproxECIoT(approximate edge computing Internet of Things),实现了一种自调整分层采样算法,用于处理物联网系统中产生的实时数据流.该算法在维持已给出的资源预算不变的情况下,根据每层方差的大小进行样本层内大小的调整,这对于资源有限的情况下提高计算结果准确度是非常有益的.最后使用模拟数据流和真实数据流进行实验分析,结果表明ApproxECIoT在边缘节点资源有限的情况下,仍能获得具有较高准确度的计算结果.