ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Developing Parallel Technique for the Internet of Things Devices by using local Map Reduce at the sink node

العنوان بلغة أخرى: تطوير تقنيات موازية لأجهزة انترنت الاشياء باستخدام متعقب الوظيفة المحلي في عقدة التجميع
المؤلف الرئيسي: Oweis, Muna George (Author)
مؤلفين آخرين: Al Hamouz, Sadeq (Advisor)
التاريخ الميلادي: 2016
موقع: عمان
الصفحات: 1 - 66
رقم MD: 788306
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الشرق الأوسط
الكلية: كلية تكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

342

حفظ في:
المستخلص: بناء على الطلب المتسارع والمتزايد على شبكة إنترنت الأشياء (Internet of Things) حيث تعتبر شبكة الاستشعار اللاسلكية (WSN) هي المصدر الرئيسي للبيانات العملاقة (Big Data) حيث إن الزيادة المفرطة في تجميع البيانات وإنتاجها قد تؤدي إلى مشاكل في أداء الشبكة وخسارة الطاقة والذاكرة مما يؤثر على أداء الشبكة، ولهذا الغرض عمل عدد من الباحثون لإيجاد حلول ملائمة وفعالة لحل العديد من تحديات البيانات العملاقة. يهدف هذا البحث إلى توفير تقنية موازية لأجهزة إنترنت الأشياء باستخدام متعقب الوظيفة (Map Reduce) المحلي في عقدة التجميع، مما يؤدي إلى استهلاك طاقة أقل وتخفيف الحركة المرورية على الشبكة واستخدام الذاكرة بشكل أكثر كفاءة على خلاف التقنيات المطبقة على أجهزة الاستشعار وأجهزة التخزين الرئيسية. ففي هذه الدراسة تم إنتاج مجموعة بيانات باستخدام لغة البرمجة جافا واستخدام أدوات لغة البرمجة MATLAB وقد تم استخدام الـ Map Reduce مرتين في الاستخدام الأول تم إنتاج أزواج من القيم المفتاحية والاستخدام الثاني لقراءة الأزواج لكل مستشعر لإنتاج القراءات المتميزة. حيث أظهرت نتائج هذه الدراسة مقارنة مع أحدث الدراسات التقليدية الحالية (Paik, Nam, Kim, &Won, 2014) والتي استطاعت تقليل كمية البيانات المرسلة تقريبا إلى 63% في حين أثبتت هذه الدراسة على تقليل كمية البيانات المرسلة تقريبا إلى 79%، وأيضا على توفير الطاقة لتصل تقريبا إلى 27% وتحسين الإنتاجية لتصل إلى 43% وذلك بدمج تقنيات متعقب الوظيفة مع تقنيات استخراج البيانات (Data Mining).

عناصر مشابهة