Diploma Thesis DIP-2818

BibliographyVölz, Marco: Realzeitverarbeitung von Datenströmen in globalen Sensornetzen.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Diploma Thesis No. 2818 (2008).
103 pages, german.
CR-SchemaC.2.4 (Distributed Systems)
C.4 (Performance of Systems)
G.2.2 (Discrete Mathematics Graph Theory)
G.3 (Probability and Statistics)
I.4.4 (Image Processing and Computer Vision Restoration)
KeywordsStream processing; R-Tree; Predictor
Abstract

Im Bereich der Sensornetze zeichnet sich der Trend ab, immer größere Verbunde einzelner Netze, sogenannte globale Sensornetze, zu bilden. Gleichzeitig wächst auch die Menge der potentiellen Konsumenten der Datenströme, die von Sensornetzen bereitgestellt werden.

Durch den neuen globalen Kontext ergeben sich für die zur Verarbeitung der Sensordatenströme eingesetzten Systeme neue Herausforderungen. Gerade in den Anforderungen bezüglich Skalierbarkeit und Echtzeitverarbeitung der Datenströme weisen verfügbare Systeme erhebliche Defizite auf.

Das in dieser Arbeit konzipierte System zur Realzeitverarbeitung von Datenströmen in globalen Sensornetzen adressiert genau diese Defizite. Ein verteilter R-Baum wird verwendet, um proaktiv Datenströme gleichen Inhalts zu vermeiden und so die Produzenten zu entlasten. Zusätzlich wird mit dem Prädiktor ein Framework zur modellgestützten Vorhersage von Datenströmen integriert, so dass aktuelle Werte auch über Verbindungen mit hoher Latenz in Echtzeit verfügbar sind.

The ongoing trend in the field of sensor networks is to interconnect single networks to so called global sensor networks. At the same time, the amount of potential consumers of the data provided by sensor networks is growing steadily.

In this global setting new challenges and requirements arise for the systems used to process the streams of sensordata. The new requirements, especially those concerning scalability and real-time processing, are difficult to meet for the available systems.

The system for real-time processing of data streams in global sensor networks presented in this thesis adresses the main drawbacks of available solutions. It employs a distributed R-Tree to proactively avoid transmitting data streams with identical content and alleviate the producers’ workload. Furthermore, predictors, a framework for the model-driven forecast of data streams, are integrated into the system. This predictors can be used to guarantee the availability of real-time data for the consumer even over high-latency connections.

Full text and
other links
PDF (2007158 Bytes)
Access to students' publications restricted to the faculty due to current privacy regulations
Department(s)University of Stuttgart, Institute of Parallel and Distributed Systems, Distributed Systems
Superviser(s)Koldehofe, Boris; Benzing, Andreas
Project(s)SimTech
Entry dateJanuary 15, 2009
   Publ. Computer Science