Periodic Query Optimization Leveraging Popularity-Based Caching in Wireless Sensor Networks for Industrial IoT Applications
Periodic Query Optimization Leveraging Popularity-Based Caching in Wireless Sensor Networks for Industrial IoT Applications
复制标题
在工业物联网应用的无线传感器网络中利用基于流行度的缓存进行定期查询优化
DOI：
10.1007/s11036-014-0545-4
复制
发表时间：
2014-11
影响因子：
3.8
通讯作者：
Huilin Sun
中科院分区：
文献类型：
--
作者：
周长兵;赵登;Xiaoling Xu;杜楚;Huilin Sun
随着物联网（IoT）的快速发展，数十亿智能设备应该可以用于感知环境变量并定期报告某些区域可能发生的事件，以支持工业应用。通常，对兴趣点的连续查询可能会有一些区域重叠。在此设置中，当最近查询检索到的传感数据足够新鲜时，这些数据可能有利于回答即将到来的查询。为了应对这一挑战，我们提出了一种基于流行度的缓存策略来优化定期查询处理。具体地，使用基于单元的方式划分网络区域，其中每个网格单元被抽象为用于缓存目的的基本单元。新的传感数据缓存在汇聚节点的内存中。网格单元的流行度是利用最近时段进行的查询来计算的，这反映了网格单元可能被即将到来的查询覆盖的可能性。当在高速缓存中丢失时，可以对具有较高流行程度的网格单元执行预取。这些缓存的传感数据用于方便之后的查询回答。仿真结果表明，我们的方法可以显着降低通信成本并提高网络能力。
With the rapid development of theInternetofThings (IoT), billions of smart devices should be available for sensing environment variables and reporting events periodically that may happen in certain regions, for supporting industrial applications. It is usual that contiguous queries on point-of-interests may have some region overlapping. In this setting, sensory data retrieved by recent queries may be beneficial for answering the queries forthcoming, when these data are fresh enough. To address this challenge, we propose a popularity-based caching strategy for optimizing periodic query processing. Specifically, the network region is divided using a cell-based manner, where each grid cell is abstracted as an elementary unit for the caching purpose. Fresh sensory data are cached in the memory of the sink node. The popularity of grid cells are calculated leveraging the queries conducted in recent time slots, which reflects the possibility that grid cells may be covered by the queries forthcoming. Prefetching may be performed for grid cells with a higher degree of popularity when missed in the cache. These cached sensory data are used for facilitating the query answering afterwards. The simulation results show that our approach can reduce the communication cost significantly and increase the network capability.
登录
查看更多内容
DOI：
10.1007/978-3-642-12098-5_39
发表时间：
2010-04
期刊：
--
影响因子：
--
作者：
Raymes Khoury;Tim Dawborn;Bulat Gafurov;Glen Pink;Edmund Tse;Q. Tse;Khaled Almiani;M. Gaber;
通讯作者：
Raymes Khoury;Tim Dawborn;Bulat Gafurov;Glen Pink;Edmund Tse;Q. Tse;Khaled Almiani;M. Gaber;
DOI：
10.1007/978-1-4614-6309-2_3
发表时间：
2013
期刊：
--
影响因子：
--
作者：
Lixing Wang;Lei Chen;Dimitris Papadias
通讯作者：
Lixing Wang;Lei Chen;Dimitris Papadias
影响因子：
4.4
作者：
Abdelmajid Khelil
通讯作者：
Abdelmajid Khelil
影响因子：
8.9
作者：
Rajeev Gupta;K. Ramamritham
通讯作者：
Rajeev Gupta;K. Ramamritham
DOI：
10.1186/1687-1499-2013-139
发表时间：
2013-05
影响因子：
2.6
作者：
A. Grilo;M. Heidrich
通讯作者：
A. Grilo;M. Heidrich