دانلود رایگان مقاله ذخیره سازی داده ها و بازیابی با مسیریابی RPL

چکیده

           در حالاتی مانند نظارت بر مناطق جدا شده، زمانی که گره مرز یک شبکه، یک ارتباط دائمی با اینترنت نداشته باشد، شبکه ‌ های حسگر بی‌سیم (WSN ها) خواستار تکنیک ‌ های ذخیره‌سازی داده انعطاف ‌پذیر در شبکه ‌ها برای به‌حداقل رساندن خطر از دست دادن داده‌ها هستند. بهره‌وری این تکنیک‌ها می‌تواند تا حد زیادی بهره‌برداری از اطلاعات شبکه را بهبود دهد، مانند مسیر‌یابی که توسط پروتکل استفاده می‌شود. به ‌طورخاص، یکی از پروتکل‌ های مورد استفاده در اینترنت اشیا (IoT) پروتکل مسیریابی IPv6  برای مصرف برق کم و شبکه ‌ های پراتلاف است (RPL). در این مقاله، یک ذخیره ‌سازی توزیع شده‌ی داده ‌ها و مکانیسم بازیابی برای افزایش انعطاف‌پذیری و ظرفیت ذخیره ‌سازی از یک WSN بر اساس RPL در برابر کمبود حافظه محلی پیشنهاد می‌کنیم. این رویکرد در سیستم‌ عامل Contiki و از طریق تجزیه ‌و تحلیل گسترده با شبیه ‌ساز Cooja ارزیابی می‌شود. 

1. مقدمه

          در مقابل شبکه معمولی ذخیره ‌سازی داده‌ها، ذخیره ‌سازی داده‌ ها در شبکه‌ های حسگر بی‌سیم (WSN) یک چالش به‌ دلیل محدودیت قدرت، حافظه و ارتباطات پهنای باند شبکه گیرنده بی‌سیم را نشان می‌دهد. به‌تازگی، سنسورها به قابلیت‌ های بالاتری از نظر سرعت پردازش و ذخیره‌سازی محلی، نسبت به سال گذشته رسیده‌اند [1]، که آنها را برای ذخیره‌سازی در شبکه جذاب‌تر می‌کند.

          به‌ طور معمول WSN ها از مجموع های از گره‌ های بدون مراقبت برای پویش محیط زیست اطراف آن تشکیل شده است و گره sink مسئول جمع‌آوری داده‌ های اندازه‌گیری و بازپخش کردن به یک نهاد مدیریتی است. دلایل متعددی وجود دارد که ممکن است یک گره حسگر از انتقال داده‌ها به گره sink بعد از به‌دست آوردن آن جلوگیری کند. به‌عنوان مثال، ممکن است گره‌ های حسگر همیشه قادر به رسیدن گره با توجه به قطع شدن موقعیت لینک و یا عملیات چرخه‎ی وظیفه در گره نباشد. علاوه براین، وقتی برنامه‌ های کاربردی به مجموعه زمان واقعی نیاز ندارند، ذخیره‌سازی واحد داده‌ها و ارسال اطلاعات جمع‌آوری شده می‌تواند به‌کمک میزان انتقال رادیویی، که موجب افزایش طول عمر عملیات WSN می‌شود کاهش یابد. برنامه‌ های کاربردی شامل نظارت زیستگاه، مانند ردیابی مهاجرت حیوانات در مناطق دور افتاده [2]، مطالعه شرایط آب و هوایی در پارک‌ های ملی [3] و غیره هستند. چنین سناریو هایی نیاز به جمع‌آوری و ذخیره‌ی داده‌ها تا جایی که ممکن است بین دو بازیابی متوالی داده توسط یک عامل خارجی انجام می‌شود. با این‌حال، ذخیره‌سازی داده در گره حسگر منجر به سرریز حافظه محلی می‌شود در صورت که بازیابی داده‌ها به موقع توسط sink انجام نشده باشد. برای جلوگیری از حذف داده و یا دوباره نوشتن، گره‌ های حسگر می‌توانند با یکدیگر توسط داده‌ های به اشتراک گذاشته شده همکاری کنند.

           خرابی گره یک مسئله حیاتی در WSN است. عدم فعالیت تناوبی (به ‌عنوان مثال، صرفه‌جویی در تولید انرژی)، تخریب فیزیکی، و اشکالات (نرم‌افزار) به احتمال زیاد در شبکه‌ های حسگر بی‌سیم رخ می‌دهد، که منجر به از دست دادن داده‌ها می‌شود. بنابراین، افزونگی با استفاده از تکرار داده‌ها (مثلا، با ذخیره‌سازی نسخه مشابه از داده‌ها بر روی گره‌ های مختلف) به افزایش انعطاف‌پذیری WSN کمک می‌کند.

           در این مطالعه، کار ارائه شده در [4] را گسترش می‌دهیم، که در آن تنها ذخیره‌سازی توزیع شده (و بدون بازیابی داده‌ها) در نظر گرفته شده است. توزیع ذخیره‌سازی و بازیابی اطلاعات مکانیسم برای افزایش انعطاف‌پذیری و ظرفیت ذخیره‌سازی یک WSN بر اساس RPLدر برابر کمبود حافظه محلی را پیشنهاد می‌کنیم. RPL، یک استاندارد IETF برای مسیریابی در شبکه‌ های حسگر بی‌سیم از IPv6، یک پروتکل مسیریابی بردار فاصله است که یک گراف مقصد بدون دور (DODAG) را که ریشه در یک sink قرار دارد ایجاد می‌کند. ما رویکرد را در سیستم عامل Contiki و با استفاده از شبیه‌ساز Cooja.ارزیابی می‌کنیم ]6[. به‌طورخاص، ما نشان می‌دهیم که چگونه RPL می‌تواند برای ذخیره‌سازی داده‌ها و بازیابی توزیع شده با صرفه‌جویی در انرژی استفاده شود.

           ساختار مقاله به شرح زیر است. بخش دوم به کار های گذشته اختصاص یافته است. یک نمای کلی از RPL در بخش سوم ارائه شده است. بخش چهارم به طراحی توزیع داده‌ها و مکانیزم بازیابی اختصاص داده شده است. بخش پنجم نتایج عملکرد را ارائه می‌دهد. در ن هایت، بخش ششم نتیجه‌گیری مقاله است.

 2. کار های گذشته

         طرح‌ های مختلف به‌شکلی موثر در ذخیره و پردازش داده‌ های حسگر در WSN در سال گذشته ارائه شده است [7]. در رویکرد ذخیره‌سازی توزیع شده‌ی داده‌ها، تمام گره‌ها در سنجش و ذخیره‌سازی به‌ همان شیوه شرکت می‌کنند. تمام گره‌ها، برای اولین‌بار، قرائت سنسور خود به صورت محلی نگهداری می‌کنند و یک بار که حافظه‌ی محلی آنها پر شد، آنها ذخیره‌سازی را به گره‌ های در‌دسترس دیگر واگذار می‌کنند. برای اولین‌بار سهم قابل توجهی در این جهت با مزارع داده بدست آمده است [8]. نویسندگان یک مکانیزم ذخیره‌سازی داده‌ی توزیع شده با بازیابی دور های داده‌ها پیشنهاد می‌کنند. آنها یک مدل هزینه برای اندازه‌گیری مصرف انرژی ایجاد کرده‌اند که نشان می‌دهد که چگونه یک انتخاب دقیق از گره ذخیره‌سازی، به نام اهداکننده گره‌ها، ظرفیت سیستم را در هزینه‌ های انتقال بالا بهینه می‌کند. آنها فرض می‌کنند که شبکه دارای یک درخت توپولوژی است و هر گره حسگر مسیر بازگشت به گره را جهت بازیابی دور های اطلاعات می‌داند.

       تکرار داده‌ها شامل افزونگی به سیستم با کپی کردن داده‌ها در چندین گره دهنده (در WSN) برای کاهش خطر ابتلا به نارسایی گره است. یک تابع برای انتخاب مناسب گره تکرارکننده در [9] ارائه شده است. تابع توسط پارامتر های مهمی مانند تعداد کپی مورد نظر، انرژی باقی‌مانده از دو گره تکرارکننده و انرژی از همسایه دو گره تکرارکننده است. نویسنده در [10] PROFLEX، را برای پروتکل ذخیره‌سازی داده‌ های توزیع شده برای تکرار اندازه‌گیری داده‌ها از گره محدود به گره‌ های قوی‌تر پیشنهاد می‌کند.

Abstract

          In scenarios like the surveillance of isolated areas, when the border node of a network does not have a permanent connection with the Internet, Wireless Sensor Networks (WSNs) are calling for resilient in-network data storage techniques which minimize the risk of data loss. The efficiency of these techniques can be largely improved exploiting information on the status of the network, such as that used by routing protocols. In particular, one of the most used protocol in Internet of Things (IoT) scenarios is the IPv6 Routing Protocol for Low power and lossy networks (RPL). In this paper, we propose a redundant distributed data storage and retrieval mechanism to increase the resilience and storage capacity of a RPL-based WSN against local memory shortage. We evaluate our approach in the Contiki operating system through extensive analysis with the Cooja simulator.

I. INTRODUCTION

          In contrast to conventional network data storage, storing data in Wireless Sensor Networks (WSNs) represents a challenge because of the limited power, memory, and communication bandwidth of WSNs. Recently, sensors have reached higher capabilities, in terms of processing speed and local storage, than in the past years [1], making them more attractive for in-network storage deployments.

         Typically WSNs are composed of a set of unattended nodes, deployed to sense the surrounding environment, and a sink node in charge of collecting data measurements and relaying them to a management entity. There are several reasons which may prevent a sensor node from transmitting data to the sink right after acquisition. For instance, sensor nodes may not always be able to reach the sink node due to intermitting link conditions or duty-cycle operations at the nodes. In addition, when applications do not require real-time collection, storing data units and sending aggregate data bursts can contribute to reduce the amount of radio transmissions, thereby increasing the lifetime operation of the WSN. Illustrative applications include habitat monitoring, such as tracking animal migrations in remote areas [2], studying weather conditions in national parks [3], etc. Such scenarios require to collect and store as much data as possible between two consecutive data retrievals performed by an external agent. However, storing data on the sensor node leads to local memory overflow if data retrieval is not timely performed by the sink. To avoid data dropping or overwriting, sensor nodes can cooperate with each other by sharing acquired data.

         Node failure is also a critical issue in WSNs. Periodic inactivity (e.g., for energy saving purposes), physical destruction, and (software) bugs are likely to appear in WSNs, leading to data loss. Thus, redundancy by means of data replication (i.e., by storing copies of the same data onto various nodes) contributes to increasing the resilience of the WSN.

          In this study, we extend the work presented in [4], where only distributed storage (and no data retrieval) is considered. We propose a redundant distributed data storage and retrieval mechanism to increase the resilience and storage capacity of a RPL-based WSN against local memory shortage. RPL, an IETF standard for IPv6 routing in low-power WSNs, is a Distance Vector routing protocol that builds a Destination Oriented Directed Acyclic Graph (DODAG) rooted at one sink (DAG root) [5]. We evaluate our approach in the Contiki operating system using the Cooja [6] simulator. In particular, we show how RPL can be used for robust and energy-efficient distributed data storage and retrieval.

          The paper is organized as follows. Section II is dedicated to related works. An overview of RPL is presented in Section III. Section IV is devoted to the design of the data distribution and retrieval mechanisms. Section V presents the performance results. Finally, Section VI concludes the paper.

II. RELATED WORK

          Various schemes to efficiently store and process sensed data in WSNs have been proposed in the past years [7]. In a fully distributed data storage approach, all nodes participate in sensing and storing in the same way. All nodes, first, store their sensor readings locally and, once their local memories have filled up, they delegate storage to other available nodes. A first significant contribution in this direction is given by Data Farms [8]. The authors propose a fully distributed data storage mechanism with periodical data retrieval. They derive a cost model to measure energy consumption and show how a careful selection of nodes offering storage, called donor nodes, optimizes the system capacity at the price of slightly higher transmission costs. They assume the network has a tree topology and each sensor node knows the return path to the sink node, which periodically retrieves data.

         Data replication consists in adding redundancy to the system by copying data at several donor nodes (within the WSN) to mitigate the risk of node failure. A scoring function for suitably choosing a replicator node is proposed in [9]. The function is influenced by critical parameters such as the number of desired replicas, the remaining energy of a replicator node and the energy of the neighbors of the replicator node. Authors in [10] propose ProFlex, a distributed data storage protocol for replicating data measurements from constrained nodes to more powerful nodes.

چکیده

1. مقدمه

2.  کارهای گذشته

3. نمای کلی RPL

4.  ذخیره‌سازی داده‌های تکراری و بازیابی

5. نتایج عملکرد ارائه شده

6. نتیجه‌گیری

منابع

Abstract

1 INTRODUCTION

2. RELATED WORK

3. RPL OVERVIEW

4. REDUNDANT DATA STORAGE AND RETRIEVAL

5. PERFORMANCE RESULTS

6. CONCLUSIONS

REFERENCES