معماری آنالیزی کلان داده ها برای اینترنت اشیای کوچک
چکیده
شرکت SK Telecom کره جنوبی اخیرا مفهوم IoST را برای مدل تجارت خود معرفی کرد. این شرکت از IoST، که به طور مدام داده ها را از طریق پلت فرم بی سیم LoRa تولید می کند استفاده کرد. افزایش در نرخ داده های تولید شده توسط IoST به شکل نمایی افزایش می یابد. پس از تلاش برای آنالیز و ذخیره حجم زیادی از داده های IoST با استفاده از ابزار و فن آوری های موجود، شرکت SK Telecom کره جنوبی کمبود ها را سریعا شناسایی کرد. مقاله کنونی در مورد برخی از مسائل بحث میکند و یک معماری آنالیز داده های بزرگ را برای IoST خود ارائه می دهد. یک سیستم توسعه یافته با استفاده از معماری پیشنهادی قادر خواهد بود به طور موثری به آنالیز و ذخیره اطلاعات IoST را انجام دهد و همزمان تصمیم گیری بهتر را ممکن کند. معماری پیشنهادی از چهار لایه تشکیل شده است، یعنی لایه اشیا کوچک، لایه زیربنایی، لایه پلتفرم و لایه کاربردی. در نهایت، یک آنالیز دقیق از یک اجرای داده های بزرگ IoST استفاده شده ی برای پیگیری رطوبت و دما از طریق Hadoop، به عنوان اثبات مفهوم ارائه شده است.
مقدمه
داده های بزرگ به تدریج در حال افزایش هستند که به دلیل توانایی آنها برای انجام وظایف مختلف از جمله طراحی طرح های شهری، توسعه و استفاده مجدد از نرم افزار و محصولات و ارتباط با اینترنت اشیا (IoT) است. در حقیقت، پیش بینی کننده های صنعت علاقه بیشتری به مفهوم اینترنت اشیا کوچک (IoST) نسبت به موضوع آکادمیک دارند؛ این احتمالا به دلیل مزایای فراهم شده توسط آنالیز داده باشد که می تواند برای بسیاری از اهداف مجددا استفاده شود. عبارت داده های بزرگ مربوط به نوع خاصی از داده ها است که سه ویژگی عمده دارند: داده ها حجم زیادی دارند و از فرمت های متفاوت ساخته شده اند و به پردازش سریع نیاز دارند. در حال حاضر چندین محقق در حال کار بر روی طراحی روش های و تکنیک های خاص پردازش داده ها در زمان واقعی هستند. بسیاری از چالش ها مانع پردازش داده های بزرگ در زمان واقعی می شوند، زیرا بسیاری از تکنیک های پردازش باید جنبه های بسیاری از داده ها را در نظر بگیرند. عموما داده های بزرگ توسط بسیاری از منابع آنلاین و آفلاین از جمله ایمیل، چت صوتی و تصویری، تعداد کلیک ها، ترافیک شبکه، مسیرهای پرواز و غیره توسط [1] تولید می شوند. داده های تولید شده توسط این منابع در یک پایگاه داده جمع می شوند که سپس با نرم افزارهای پیشرفته ای مانند Hadoop، GraphX و Spark پردازش می شوند[1].
Abstract
The SK Telecom Company of South Korea recently introduced the concept of IoST to its business model. The company deployed IoST, which constantly generates data via the LoRa wireless platform. The increase in data rates generated by IoST is escalating exponentially. After attempting to analyze and store the massive volume of IoST data using existing tools and technologies, the South Korean company realized the shortcomings immediately. The current article addresses some of the issues and presents a big data analytics architecture for its IoST. A system developed using the proposed architecture will be able to analyze and store IoST data efficiently while enabling better decisions. The proposed architecture is composed of four layers, namely the small things layer, infrastructure layer, platform layer, and application layer. Finally, a detailed analysis of a big data implementation of the IoST used to track humidity and temperature via Hadoop is presented as a proof of concept.
Introduction
Big data is progressively growing due to its ability to accomplish a variety of tasks such as designing urban plans, developing and reusing software and products, and interacting with the Internet of Things (IoT). In fact, industry visionaries are taking a greater interest in the Internet of Small Things (IoST) concept than academia; this is likely due to the advantages brought on by data analysis, which can be reused for many purposes. The term big data is related to a specific type of data with three major properties: data is huge in volume and generated from heterogeneous formats, and requires high-speed processing. Several researchers are currently working on designing specific methods and techniques to process the data in real time. Many challenges prevent large data processing in real time since many processing techniques must consider and analyze many aspects of the data. Big data is normally produced by many online and offline sources including email, video and audio chatting, the number of clicks, network traffic, flight routes, and so on [1]. The data generated by these sources is accumulated in a database, which is further processed with high-end software such as Hadoop, GraphX, and Spark [1].
چکیده
مقدمه
فناوری جدید
معماری پیشنهاد شده از آنالیز داده های بزرگ برای اینترنت اشیا کوچک
لایه اشیا کوچک
لایه زیرساخت
لایه پلت فرم
لایه کاربرد
انالیز داده ها و ارزیابی سیستم
نکات نتیجه گرفته شده
Abstract
Introduction
State of the Art
Proposed Architecture of Big Data Analytics for the Internet of Small Things
Small Things Layer
Infrastructure Layer
Platform Layer
Application Layer
Data Analysis and System Evaluation
Concluding Remarks
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه