DIFS: A Distributed Index for Features in Sensor Networks Seminar: Data Management in Wireless...

DIFS: A Distributed Index for Features in Sensor Networks

Seminar: Data Management in Wireless Sensor Networks

Sebastian Knebel

DIFS: A Distributed Index for Features in Sensor Networks 2

Gliederung

1. Einleitung

2. Events und Queries

3. Grundlagen und Voraussetzungen

3.1. GHT: A Geographic Hash Table

4. DIFS

4.1. Überblick

4.2. Design

4.3. Einfügen von Events

4.4. Queries für Events

4.5. Löschen von Events


Gliederung

5. Analyse und Bewertung

6. Verbesserungsansätze


1. Einleitung

1. Einleitung


1. Einleitung

Szenario: Beobachtung eines aktiven Vulkans


1. Einleitung

• Temperatur-

messung unter-

halb der

Oberfläche

• Sensorknoten

verteilt um den

Vulkan


1. Einleitung

• bekannt: Energieverbrauch wesentlich in Sensornetzwerken

• größter Verbrauch durch Übertragung und Empfang von Daten

• Zugriff auf große Mengen an gesammelten Daten:

– herkömmlich: Datenspeicherung in externem Punkt, außerhalb Sensorumgebung

Problem: viel Dynamik, bottleneck am Gateway

– besser: lokale Speicherung beim oder in der Nähe des Sensors


1. Einleitung

• Lösung: Daten lokal gespeichert, Queries über Knoten laufen lassen und Knoten antworten ggf.

• ein möglicher Ansatz zur Energieerhaltung mittels:

daten-centrischer Speicherung

• daten-zentrischer Speicherung (DCS):

– alle Events bekannt, an einem Punkt im Netzwerk basierend auf Namen gespeichert

– Queries werden zum dazugehörigen Knoten mit Daten bzw. Pointern geroutet


1. Einleitung

– unterstützt logische Zusammenführung Daten mit Queries, verhindert Überfluten

– Geographic Hash Table beschreibt spezielle Lösung zur Archivierung

– solange DCS recht generell, wird berichtet, wenn High-Level Event auftrat

– Problem: wenn Event aus mehreren Attributen besteht,

schwierig Werte abzugrenzen

Lösung: DCS erweitern, damit Queries bestimmt Reichweiten/Wertebereiche unterstützen


1. Einleitung

• DIFS:

– verteilter Index

– stellt für niedrige Such- und Speicherkommunikation Anforderungen bereit

– versucht Anforderungen über beteiligte Knoten zu balancieren



• High-Level Events:

– verschiedene Möglichkeiten der Kategorisierung,

hier vier mögliche vorgestellt:

Sensorwerte:

- grob

- umfasst High-Level Events, sowie zusammengesetzte Maßeinheiten (Durchschnitt, Median,...)

- Vulkanbsp.: Höchsttemperatur, Mengen austretender Gase, Stärke an Erschütterung,...



Timing-Parameter:- meist nicht ausreichend, wie Wert aussieht, sondern der zeitliche VerlaufBsp.: Temperaturverläufe in einem Bereich des Vulkans

räumliche Dimensionen:- gemeint physikalische Form und Standort des Events- Bsp.: Regionen unterschiedlicher TemperaturenWo sind die „heißen“ Bereiche am Vulkan?Wo ist das Risiko eines Ausbruchs am größten?



Beziehungen zwischen Events:– Beziehungen bestehen letztendlich zwischen Events– z.B. wird der Wertebereich in die Umgebung oder

Schnitt umgewandelt– Bsp.: Ein Gebiet mit Gas-Konzentration kann auch ein

Gebiet hoher Temperatur sein.

• oftmals auch Kombination• Queries durch einfache Komparatoren bewertet oder

durch komplexe Berechnungsfunktion nach Gewichtung generiert



• liefert schlüssel-/wertbasierten, verteilten Index

• Events mit Schlüsseln benannt, Speicherung und Suche nutzen diese

• Schlüssel werden zu einer geographischen Position gehashed

• Geographisches Routing zur Bestimmung des Knotens in der Nähe der Position

• Knoten dienen dann als Rendevous-Punkt



• Events mit gleichen Schlüsseln Vermeidung eines Schwerpunktes auf dem Rendevous-Punkt durch structured replication

• structured replication:– benutzt hierarchische Zerlegung des geographischen

Raumes– Event-Name wird zu einem geographischen Ort gehasht– Events werden nun in assoziierten Ort gespeichert in

der Nähe des Lokalisierungsortes


4. DIFS


4.1. Überblick

• DIFS erweitert GHT um effiziente Bereichs-Queries

• balancierte Last über Knoten bleibt erhalten

• Grund: Nutzung eines vielfach hierarchischen Index

• DIFS enthält hierarchische Strukturen wie structured replication und Histogramme

• dabei: Nichtwurzelknoten können verschiedene Eltern haben

• Knoten speichern Events für eine Reihe von Werten, die in bestimmten geographischen Region erfasst wurden

• Schlüsselidee: Einbeziehung Schlüsselwert, Name des Events, Standort des Erfassungsknotens


4.2. Design

• DIFS für folgende Ziele entwickelt:

– balancierte Suchlösungen auch bei gestiegenem Gesamtverkehr bei Nachrichten und Speicherung

– Suche von Daten mittels Name, Wertebereich, Standort sollen kommunikationseffizient und schnell sein

– effiziente Antworten-Queries für verteilte Daten

– sichere Transaktionen


4.2. Design

• geographischen Hash innerhalb eines hierarchisch zerlegten Schlüsselraumes

• konstruiert Suchhierarchie• jeder Kinderknoten hat num Eltern, wobei num = 2i, i >= 1

Je weiter die räumliche Ausdehnung ist, über die der Index-Knoten bescheid weiß, um so mehr hängt der Wertebereich von Abdeckung ab.

• Neu: Attribut Flussdichte, repräsentiert, wie oft ein Phänomen in einem bestimmten Zeitraum an einem bestimmten Ort auftritt


4.2. Design

• um Hierarchie aufzubauen, speichert Knoten Event-Vorinformationen in lokalen Index mit knappster räumlicher Überdeckung, aber größtem Wertebereich

• DIFS begrenzt Output der Hashfunktion auf ein Gebiet, das einen Knoten der Hierarchie abdeckt


4.2. Design

• Bounding Box:– geographisch begrenzte Hashfunktion mit

• Input: Standort, Schlüssel, Bounding Box• Output: Standort (innerhalb der Bounding Box)

– Partitionierung des Netzes:• Netzwerk rechteckig, in 4 gleichgroße Quadranten

unterteilt, dies wiederum jeweils in 4 Subquadranten usw.

• Zuerst Hash-Standort (xh, yh) generiert• Nutzung 2 separater Hashfunktionen um Output-x-

und y-Koordinaten zu generieren


4.2. Design

Länge l

Breite w



• Berechnung des gehash-ten Standortes auf die verketteten Attribute und den Wertebereich

• Dimension der ersten Bounding Box ist die Minimumüberdeckungsregion des Indexknotens

Bsp: Netzwerk Länge l, Breite w, DIFS-Level h

Minimum-Bounding Box mit

Breite und Höhe h 1

l

2 h 1

w

2



• Blatt leitet periodisch Informationen als Histogramm zu num Eltern

• jeder für 1 / num der Werte verantwortlich• Eltern haben jeweils vier Kinder• alle Knoten vier Kinder (außer Blätter), num Eltern (außer

Wurzel)• Beispiel - ein wiederholt starker Temperaturanstieg:

– Event bei Koordinaten (14, 37) und Flussdichte sei 57– erwartete Aufteilung der Flussdichte [0,255]– minimale Bounding Box-Breite 8 Einheiten– num = 2



Level-0-Knoten (14,37)

Level-1-Knoten

Zählerwerte [0,127]

(0,32) – (16,47)

Level-2-Knoten

Zählerwerte [0,63]

(0,32) – (32,63)

usw.

Event(Temperaturanstieg) Koordinaten (14,37) und Wert 57

[0,255]



• Queries über Wertebereich oder Verteilung beschrieben1) durch Wert:

– Vulkanologe interessiert an Flussdichtenbereich [47,68]– Querie zerlegt und übermittelt an die Knoten– Knoten behandeln diese wie folgt:

• wie bisher durch num Indexwertebereich reduziert• Beispiel:

– num = 4, quadratisches Netzwerk der Breite 128,minimale Indexüberdeckung der Breite 8,



Wertebereich [0,255]

• Level-0-Knoten überdeckt 256 Werten über einer Breite von 8

• jeder Level-1-Knoten 64 Werte mit Breite 16



• jeder Level-4-Knoten 1 Wert mit Breite 128



daraus ergibt sich minimaler Satz von Indexknoten, die exakt den Wertebereich überdecken

– Zerlegung wählt dann diese kleinste Anzahl

– durch Verwendung derselben Hashfunktion, wie bei Speichung, wird die Query bei diesen Indexknoten starten und sich zu jedem Event ausbreiten



2) durch Verteilung:

– Queries auf der Verteilung der Daten aufwandsfrei ausführbar

– Bedingung: Jedes Histogramm beinhaltet totale Anzahl an Werten über und unter dem Histogrammbereich und Zähler für jeden



• Temperaturänderung ist unwichtig, Daten werden zu alt

• Blätterknoten kontrollieren das Einfügen, d.h. kommunizieren als einzige mit Speicherelementen

• Kontrollieren auch speicherinitierte Löschung von Indizes

• 2 Mechnismen vom Index aus:

– explicit deletion

– timeout

• explicit deletion erfordert einfach Entfernen der Pointer zum Speicherort der Events



• timeout deletion erfordert einen time stamp zu jedem Pointer

• Periodische Überprüfung des Zeitstempels und Löschung, wenn größer als system-definiertes Alter

• weitere Möglichkeit search-initiated

• Knoten leitet Löschnachricht für einen Wertebereich weiter

• Pointer für Wertebereich werden gelöscht und ein flag, damit der Bereich nicht wieder indiziert wird



• bedeutet höhere Speicherkommunikationskosten als bei nicht-indizierte Techniken

• nach der Registierung entstehen weitere Kosten

• gleichförmige Verteilung führt zu hohen Suchkosten, da Suche zu allen Blättern

• Queries mit beschränkten Suchkriterien führen zu Beschneidung der Äste in Suchbäumen => niedrigere Suchkosten

• bottleneck Auslastung größtenteils reduziert



• bei kompletten Datenbereich keine bessere Leistung

• verbessert großbemessene Netzwerke durch Verwendung eines vielfach-gerooteten Baumes und der Balancierung des Kommunikations-Overhead über viele Knoten



• Toleranz bis zu einem bestimmten Grad an Datenverlust

• Indizierung mehrerer Attribute:

– verschiedene Indizes für jedes Attribut

– mehrere Attribute auf einen Index

– n-dimensionale Histogramme für n Attribute über einen Index verbreitet

– Verwendung einer Auswertung-/Schätzfunktion statt separater Attributbehandlung

produziert Ranking, das indiziert wird



• Wie beeinflusst Indizierung von Teilen der Wertebereiche die Systemleistung?

• Suchkostenminimierung durch:

– Hierarchische Ausbreitung durch Unicasts zu steuern

– Routing zu den Knoten im höchsten Baum-Level, die Query Bereich vollständig abdecken, als Bereich zu zerlegen

DIFS: A Distributed Index for Features in Sensor Networks Seminar: Data Management in Wireless...

Documents

Transcript of DIFS: A Distributed Index for Features in Sensor Networks Seminar: Data Management in Wireless...