发布时间：2023-10-08 17:40:24
绪论：一篇引人入胜的物联网处理技术，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
1 前言
物联网（The Internet of things）是 “物物相连的互联网”，即通过射频技术、红外感应器、全球定位系统等信息传感设备，按约定的协议，把任何物体与因特网连接起来，实现对物体的智能化识别、定位、跟踪、监控和管理的一种智能网络。物联网技术已成为当前各国科技和产业竞争的热点，是继计算机、互联网与移动通信网之后的又一次信息产业浪潮。2010 年“物联网”首次写入政府工作报告，是我国推动经济转型升级和产业结构调整，推动“两化融合”的重要举措。
随着经济的发展，我国的污水排放量已越来越大，已造成地表水的严重污染，环境质量呈现不断恶化趋势。目前全国各地对污染源和排污河渠的水质监测仍停留在手工监测阶段，时间覆盖率低，样品缺乏科学性和代表性，难以反映企业及城市污水排放连续变化的情况。因此在污水的处理方面，提供一个有效、实用、先进的污水监控处理系统和解决方法，极为迫切，势在必行。
2 系统总体设计
本系统基于物联网相关理念和架构进行设计，总体按照物联网架构理论上分为三个层次，从下到上，依次是感知层、网络层和应用层。
感知层：包括所有监测点所需要的专业监测设备，数字电表、数字水表、流量计、重金属离子传感器以及各种气体所用到的专业传感器。感知层要求传感器及其接口设备具有高速、数字化、高精度作为其主要特征。
网络层：包括所有可用于数据传输的网络，3G网络、GPRS网络、WiFi网络及工业以太网将用于将感知层的数据接入后端的应用层。传输层上实现物理链路的互通性，交互协议的稳定性，数据传输的实时性、安全性将成为该层的主要特征。
应用层：主要完成对采集到的各类传感器数据进行快速处理、系统化分析、直观化展示以及海量存储等功能，从而能够实现动态监测和预警，从而预防各类事故的发生，提高应急事件处理效率，及时发现问题、处理问题和解决问题。
3 感知层设计方案
3.1 分析
生活污水处理厂项目主要消耗能源包括电力消耗、水消耗，其生产过程主要是通过生物反应改善水质，生产过程中只消耗电力用于电机等机械设备，并不排放其他有毒废弃物或有毒、有害气体，故监测需求有几种。
A 污水处理用电消耗监测，包括处理污水使用的总电压、总电流、总用电量。
B 溶解氧含量监测，包括污水进水、及排放出水口。
C PH值监测，包括污水进水、及排放出水口。
3.2 传感器及数据变送器
针对上述监测需求，传感器及变送器设计方案有几种。
A 串行连接现有数字化水表及电表设备。
在原有电力总线与水管总线以串行连接方式加装数字式计量装置，装置要求如表1。
B 溶解氧传感器。
溶解氧传感器要求如表2。
C 数据变送器。
数据变送器用于前端传感器的模拟量信号（电流或电压）转换成为标称的数字量信息，以用于数据传输和存储，并向传感器提供必要的电源输出和补偿电压（或电流）。
4 网络层设计方案
本项目工程中传输层主要用于将各类传感器的变送器采集获取的数据传输至后台服务应用平台，为了实现传输层的稳定性、可扩展性以及数据协议的一致性，所有传输层设备均使用统一的接入方式和单一的数据交互协议。
4.1 功能
数据传输节点是传感器节点与后台服务应用之间的桥梁，其主要功能包括通过MODBUS协议将传感器数据采集至节点上进行数据处理及封装；通过数据传输节点进行数据采集频率的控制；对数据进行校验及加密；对数据进行缓存；提供统一的Internet物理链路，方便系统扩展与维护。
4.2 网络选择
针对目前项目中的三种场景，采用GSM/GPRS网络作为首选数据传输网络，该网络具有一定的数据带宽及较高的覆盖范围，无需铺设网络线路，同时对于较为复杂的电磁环境能够进行稳定传输，包括建筑物阻隔等无线传输障碍问题都能很好的应对，从最大程度上保证了物理链路的稳定性与可靠性。
（1） 硬件需求
根据项目需求及网络特性，数据传输节点硬件需求如表3。
5 应用层设计方案
应用层所需硬件系统主要用于处理、存储、展示感知层所采集的物理数据，按照功能可分为Web服务器、数据存储服务器、数据响应处理服务器，硬件系统组织及功能如图1所示。
目前服务器硬件平台技术已非常成熟，商业级服务器即可满足项目需求。
6 结束语
采用物联网技术实现无线传感网络中信息的传输，通过传感器采集的信息来监测污水情况，并采用行之有效的方法进行污水处理，实现实时、精确的污水处理监测。基于物联网技术应用在污水处理上是行之有效的方案，将进一步促进物联网在环境保护领域的应用，推动环境保护整体水平的提高。
参考文献
[1] 赵静，王岩等.物联网在农业病虫灾害中的应用[J].通信技术，2010，11（43）.
[2] 沈苏彬，范曲立，宗平等.物联网的体系结构与相关技术研究[J].南京邮电大学学报，2006，29（6）.
[3] 任丰原，黄海宁，林闯.无线传感器网络[J].软件学报，2003，14（7）.
[4] 王向明，黄文.上海市环境监测质量管理规划探讨[J].环境监测管理与技术.
[5] 周明，黄作维.基于GPRS技术的生态环境监测系统设计[J].计算机测量与控制，2010，18（5）.
着计算机和网络技术的快速发展，电脑等移动终端在生活中的应用更加广泛，随之产生的原始数据也日益增加。在处理这些海量数据时，传统数据处理技术已经无法满足数据处理的需求，迫切需要对数据处理技术进行更新，特别是数据库技术。随着市场竞争的激烈化发展，要想实现自身竞争力的增强，则需要对数据处理系统进行改良，对数据处理技术，特别是数据库技术进行及时更新，以便提高物联网动态数据收集、检索和处理的效率，从而确保对物联网海量数据的处理能够更加及时、准确。
1 物联网概念
随着信息化发展速度的不断加快，物联网技术的发展也日渐成熟，在各个I域中都得到了广泛的应用。物联网通过在物品内部嵌入传感器，利用传感器获取物品信息，将物品信息利用无线网络传输至后台信息处理系统，并在不同信息系统之间建立联系，使其形成统一的网络，从而实现对物品的跟踪和对环境的智能化监管。物联网的应用主要是依靠通信技术，在人员、机器及控制器之间建立联系，从而实现对物品的智能化管理。为了满足物联网的数据处理需求，数据处理技术随之产生。该技术的应用，不仅提高了物联网的数据处理效率，也实现了对我国产业结构的优化。
2 物联网海量数据处理技术
2.1 多源数据融合技术
在物联网中，数据信息的类型主要是受数据获取节点的影响，不同节点所获取的数据信息类型也有一定的区别。在处理多源异构海量数据时，依据多源数据融合技术而产生的多源数据信息融合格式的应用，可以让不同节点获取的不同结构数据和本体标准之间形成统一，从而提高对多源数据进行处理的效率。同时，在多源异构数据处理中，将多源数据融合技术和度量技术、数据聚类技术等数据处理技术进行融合，可以让多源数据处理更加统一，从而达到提高数据处理效率的目的。
2.2 数据检索处理技术
随着物联网的应用越来越广泛，数据信息的生成速度和数量也会随之增加，不同维度、节点所产生的数据在结构上有一定的区别，而这也对物联网数据检索处理技术提出了更高的要求。从数据存储的角度来看，要想实现对物联网海量数据的及时存储，应当依据就近存储原则，利用数据存储技术，建立统一的数据获取节点，以便提高数据存储效率。同时，在存储数据信息时，为了提高数据存储的准确性，实现数据的同步更新，则对数据存储空间和容量的设计必须要科学、适宜，并且要及时更新数据库。从数据检索角度来看，数据处理形式主要分为两种，一种是空间流，另一种是时态流。在检索引擎设计中，依据索引算法，按照数据种类对海量数据进行分类整合，可以让数据检索更加快捷。从数据查询角度来看，在物联网海量数据处理中，只要保证数据信息能够得到及时的存储，数据检索能够更加快捷，则数据查询效率就能够得到有效的提升。由此可知，在设计物联网海量数据检索处理技术时，应当在认清物联网特征的基础上，充分考虑数据的数量和类型。并对多源数据进行整合，以便实现对数据的及时处理，提高数据处理的准确性。
3 物联网海量数据处理下的数据库技术应用
3.1 分布式数据库技术
在网络服务中，云技术是一种使用较为广泛的技术，而该技术的功能就是整合网络资源，并实现对数据的线上存储和计算。在物联网的建设和应用中，云技术作为一种极为重要的网络技术，也承担着极为重要的职责。在物联网建设中，通过云技术和海量数据处理技术的结合而产生的分布式数据库技术，可以使物联网系统中的中心服务器与数据服务器之间的联系更加紧密，并建立大量实时数据库 ，从而让数据信息的处理能够更加及时、高效。从数据库规模上来看，依靠分布式数据库技术建立的实时数据库，可以依据物联网数据信息的数量对自身的规模进行调节，这极大地提高了物联网数据信息处理的灵活性，也方便对数据信息进行管理。从系统管理上来看，在物联网系统中，实时数据库的建立可以使物联网系统管理变得更加容易，可以有效减少系统管理中所出现问题的数量。在物联网建设中，分布式数据库技术的应用，为物联网建立了虚拟平台，而该虚拟平台的建立不仅能够使物联网数据信息的处理、存储、等变得更加高效，也能够对系呈菪畔⒋嬖诘某逋唤屑笆薄⒆既返拇？这可以使物联网海量数据处理变得更加快捷。
3.2 内存数据库技术
内存数据库技术是物联网建设所使用的重要网络技术之一，而该技术是结合网络技术与物联网技术的优点而产生的。在物联网建设中，内存数据库技术的应用，可以让数据信息处理更加独立，也能够提高数据信息处理的透明度。内存数据库技术在物联网中的应用主要具备下述几个特点：第一，在物联网数据存储中，内存数据库与其他网络节点不同，内存数据库是以水平切分、读写分离等方式对数据信息进行存储，并实现了对物联网数据库的集群化管理。第二，在各个数据库之间建立联系，可以将物联网海量数据进行整合，对数据信息进行集中管理，从而为其他终端的使用提供便利。第三，内存数据库技术所具备的持久性特点，可以增加数据存储的时间。利用磁盘对数据信息进行复制，可以让数据信息的管理和存储变得更加科学、安全。物联网海量数据的处理过程极为复杂，稍有疏忽，就可能会造成数据信息的丢失、泄露。而在海量数据处理中，利用内存数据库技术，对网络局部功能与空间进行结合，可以使物联网数据的更新更加及时、准确，从而做到对物联网数据信息的同步更新。
3.3 数据的收集与存储
在物联网海量数据处理中，充分利用分布式数据库技术与内存数据库技术，可以让海量数据之间的联系更加紧密，并实现对物联网数据收集和存储流程的简化，促使对海量数据的检索与应用更加快捷，从而保证物联网海量数据处理的科学性、合理性。在物联网海量数据的检索和应用中，合理利用相应的数据服务器或收集器以及相关的网络节点，可以让数据信息检索和应用变得更加快捷、高效。在物联网海量数据处理中，及时、准确地对数据信息进行收集和存储，并保证数据传输的安全性，可以让数据检索和应用变得更加高效。
4 结语
综上所述，在物联网海量数据处理中，依据数据处理技术对数据库技术及其应用进行研究，可以更好地提高物联网数据处理效率，及时解决数据处理存在的问题，促使物联网更好地发展。
参考文献
中图分类号： TP393 文献标识码：A 文章编号：1007-9416（2016）04-0000-00
计算机、电脑等移动终端逐渐普及，再加上互联网技术的发展，每天都会产生大量原始数据，传统数据处理技术已经不能很好地满足人们需要，如果想要在日益竞争激烈的市场中获取竞争力，必须不断更新数据处理系统，借助物联网海量数据处理下的数据库技术，实时动态收集、搜索和分析数据变化，为科学化决策提供保障。
1物联网概念和发展过程分析
物联网（Internet of things）是信息化时代产物，属于信息技术组成部分[1]。从字面含义来说，它是指以“物”为基础而连接的互联网，是对互联网的延伸和拓展，直接实现了物品与物品之间的通信、信息交换。物联网主要以通信技术为基础，如局部网络等，能有效将人员、控制器和机器等联系在一起，实现真正意义上的远程管理和自动化，其属于新兴产业，具有很宽广的市场前景[2]。
随着物联网技术的飞速发展，其涵盖的领域越来越广泛，如交通、环保等，它最初产生于1999年，其真正概念直到2005年才被确定。我国物联网数据处理技术引进时间不长，但它推动了我国产业结构优化，对我国经济水平的增长做出了一定贡献，特别是在通信领域。
2物联网海量数据处理技术分析
物联网海量数据处理技术中包含的设备种类、网络类型较为复杂，因此，在数据处理过程中，必须能够融合数据源、不同网络和各类设备，并且需要快速筛选有效信息，对处理技术的要求较高，目前，应用得较广泛的主要有以下两种：
2.1多源数据融合处理技术
不同区域物联网中存在的数据类型、数量、特点都会有所不同，加大了数据融合的需求，基于此，多源数据融合处理技术诞生，它规定了统一的数据本体标准，较好地实现了多层次数据结构[3]，能将多种来源、不同结构的信息收集在一起，并以通信技术为基础，对数据进行有效整合，转化为其他技术能够融合的模式，将时空转换、聚类技术等有机结合，提高了海量数据的利用效率和质量。
多源数据融合处理技术为不同类型的数据结合提供了沟通平台，能较好地实现物与物之间的交流，对建立数据处理标准具有一定的参考价值，从数据库技术的层面分析，增加了海量数据的数量和来源，促进了数据一体化进程。
2.2数据查询处理技术
物联网设备应用较为广泛，数据产生速度、数量比传统互联网技术多，其数据具有不同来源、不同维度等方面的特征[4]，且数据规模较大，因此对物联网储存、搜索和查找等技术的要求特别高。从物联网储存技术的角度分析，需要遵循就近存储，为数据建立统一摘要节点，降低过度存储的机率，为有效查询提供条件，同时，在储存过程中，要合理设计储存空间和容量，不断更新数据库信息，以最新数据代替原始数据，提高数据的实时性；从物联网搜索技术的角度分析，数据处理主要包括空间流和时态流两种形式，设计搜索引擎时，可以根据“索引算法”，合理对数据种类进行科学归档；从物联网查询技术的角度分析，如果能够确保储存技术和搜索技术，就能很好地为查询技术提供基础，因此，不能将三种技术分开设计，而应该结合物联网具体特征，综合考虑数据数量、类型等方面的因素，统筹规范处理技术，提升数据处理的可靠性和准确性。
3物联网海量数据处理下的数据库技术研究
物联网数据具有实时性、多维性、不同结构性和海量性等基本特征，对数据库储存空间、搜索技术等要求较高，研究物联网海量数据处理下的数据库技术的具体数据处理方式和技术类型，对数据处理具有很大意义，本文主要从以下三部分进行阐述。
3.1通过云技术，实现分布式数据库技术
云技术在目前网络服务中已经被广泛运用，如网络邮件等，它能将网络中资源有效统一，对数据的存储、计算具有一定帮助，在物联网的领域中，云技术也发挥着相应的效果，它与海量数据处理技术重新融合，组成新的“分布式数据库”技术，将中心服务器和数据服务器联合在一起，建立多个不同地方的实时数据库[5]，对于数据库规模来说，增加了规模的灵活性，可以根据数量的大小，伸缩或扩大规模；对于管理系统来说，实时数据库能够降低管理过程中出现问题的概率，如果出现问题，也能及时维护。分布式数据库技术给物联网提供了虚拟平台，为数据储存、信息等创造了更快捷的途径。此外，其还具备调动事物、处理冲突等基本功能。
3.2融合网络技术，实现内存数据库技术
传统网络技术中仍然存在很多值得学习的数据处理方法，内存数据库技术以网络技术和物联网技术为基础，结合两者优点，将数据处理过程变得更加透明化、数据独立化，主要有以下三个特征：一是内存数据库独立于网络节点，通过水平切分、读写分离等存储方式，实现数据库集群化[6]；二是数据库之间相互融合，能将海量数据集合在一起，满足其他终端需求；三是内存数据库技术的持久性，它以磁盘为基础，将数据内容变化复制，实现更科学的保管数据。海量数据的复杂性，需要借助内存数据库技术，将网络局部功能和空间联系在一起，为同步更新信息提供基础。
3.3联合数据收集、存储方式，实现检索服务
综合分布式实时数据库技术和内存数据库技术，将海量数据通过统一平台连接，实现数据收集、存储过程，从而实现对海量数据的高效检索和应用，保障整个过程的合理性和科学性。通过使用数据服务器或收集器，对相关查询数据服务进行申请，并借助网络节点，更好地进行准确搜索。海量数据的收集过程是否完善、高效直接影响着检索的准确性，因此必须保障数据接收过程的安全性。
4结语
综上所述，研究物联网海量数据处理下的数据库技术，其工程量复杂而艰巨，在这个过程中，只有进一步挖掘海量处理数据技术，才能更好地分析数据库技术的应用范围和优势。从分布式实时数据库技术和分布式内存数据库技术角度分析，它们以云技术为基础，能较好地解决数据收集、储存方式，并不断拓展数据系统规模，为形成统一数据服务创造了更好的条件。但目前数据库技术处理过程中仍然存在很多需要注意的问题，相关人员必须引起重视，并结合物联网海量处理的特点和优势，创新物联网数据库技术，提高数据处理过程中的准确性和可靠性。
参考文献
[1]石爱军，马娟，齐安文，薛跃明，黄矗张斌.物联网技术在突发地质灾害应急响应中的应用研究[J].水文地质工程地质，2014，05：148-152.
[2]刘持标，李贤灿，孙丽丽，吴美瑜，邱锦明.基于SOS技术的物联网实时数据管理系统开发[J].物联网技术，2014，09：58-65.
[3]谢伍瑛.2000-2014年中国物联网研究综述――基于“珞珈学术搜索”数据库的文献分析[J].新闻传播，2015，15：4-9.
[4]王莹.基于WebService的物联网信息数据库系统设计与分析[J].电脑编程技巧与维护，2015，16：59-60+69.
[5]马文娟，金伟祖，许文俊，刘坚.基于物联网的地震监测台网应急调度平台设计与应用[J].地震工程与工程振动，2013，01：204-211.
[6]陈宇，蒋文涛，熊艳，李小龙，晏菲.基于NoSQL技术的心电数据库存储研究[J].生物医学工程研究，2015，04：235-237+251.
收稿日期：2016-03-07
