Керування даними часових рядів у системах розумного дому: баланс між аналітикою в реальному часі та зберіганням даних
DOI:
https://doi.org/10.31649/1681-7893-2025-50-2-54-61Ключові слова:
дані часових рядів, системи розумного дому, Інтернет речей, аналітика в режимі реального часу, зберігання історичних даних, гібридна архітектура бази даних, оптимізація даних, NoSQL, реляційні бази даних, управління великими данимиАнотація
Стаття представляє новий підхід до управління даними часових рядів у системах розумного будинку, зосереджуючись на балансі між аналітикою в реальному часі та ефективним зберіганням історичних даних. Гібридна архітектура, яка поєднує Azure CosmosDB для обробки даних у реальному часі та Azure Synapse для аналітики історичних даних, демонструє значні переваги в продуктивності. Система досягає прискорення до 165 разів у виконанні аналітичних запитів (від 3,3 секунди до 20 мілісекунд для запитів агрегації часових рядів) при одночасному зменшенні кількості операцій читання в 17 разів. Впровадження оптимізаційних стратегій, таких як запис на основі зміни стану та інтервальне зберігання, значно зменшує обсяг даних при збереженні темпоральної цілісності даних. Система демонструє лінійну масштабованість, здатність обробляти до 1 мільйона операцій запису на секунду та досягає коефіцієнтів стиснення до 5:1 у CosmosDB та 10:1 у Synapse.
Посилання
Yu, T., & Wang, X. (2020). Real-Time Data Analytics in Internet of Things Systems. In H. X. Lin, A. Shoshani, & J. M. Wing (Eds.), Handbook of Real-Time Computing (pp. 1–28). Singapore: Springer. https://doi.org/10.1007/978-981-4585-87-3_25-1
Hu, C., Sun, Z., Li, C., Zhang, Y., & Xing, C. (2023). Survey of Time Series Data Generation in IoT. Sensors, 23(15), 6976. https://doi.org/10.3390/s23156976
Stojmenovic, I., & Wen, S. (2014). The Fog Computing Paradigm: Scenarios and Security Issues. In Proceedings of the 2014 Federated Conference on Computer Science and Information Systems (FedCSIS) (Vol. 2, pp. 1–8). Warsaw, Poland: IEEE. https://doi.org/10.15439/2014F500
Al-Ali, A. R., Zualkernan, I. A., Rashid, M., Gupta, R., & AliKarar, M. (2017). A Smart Home Energy Management System Using IoT and Big Data Analytics Approach. IEEE Transactions on Consumer Electronics, 63(4), 426–434. https://doi.org/10.1109/TCE.2017.015014
Cattell, R. (2011). Scalable SQL and NoSQL Data Stores. ACM SIGMOD Record, 39(4), 12–27. https://doi.org/10.1145/1978915.1978919
Han, J., Haihong, E., Le, G., & Du, J. (2011). Survey on NoSQL Database. In Proceedings of the 6th International Conference on Pervasive Computing and Applications (ICPCA) (pp. 363–366). Port Elizabeth, South Africa: IEEE. https://doi.org/10.1109/ICPCA.2011.6106531
Chaudhuri, S., & Dayal, U. (1997). An Overview of Data Warehousing and OLAP Technology. ACM SIGMOD Record, 26(1), 65–74. https://doi.org/10.1145/248603.248616
Cai, L., & Zhu, Y. (2015). The Challenges of Data Quality and Data Quality Assessment in the Big Data Era. Data Science Journal, 14, 2. https://doi.org/10.5334/dsj-2015-002
Kang, Y. S., Park, I.-H., Rhee, J., & Lee, Y.-H. (2016). MongoDB-Based Repository Design for IoT-Generated RFID/Sensor Big Data. IEEE Sensors Journal, 16(2), 485–497. https://doi.org/10.1109/JSEN.2015.2483499
Rinaldi, S., Pasetti, M., Sisinni, E., Gentili, M., & Flammini, A. (2019). Impact of Data Model on Performance of Time Series Database for Internet of Things Applications. In 2019 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) (pp. 1–6). Auckland, New Zealand: IEEE. https://doi.org/10.1109/I2MTC.2019.8826829
Wang, C., Jiang, T., Liu, Y., Fu, B., & Liu, Y. (2023). Apache IoTDB: A Time Series Database for IoT Applications. Proceedings of the VLDB Endowment, 16(12), 3960–3963. https://doi.org/10.14778/3617837.3617870
Ramakrishnan, R., Sridharan, B., Rosenblum, D. S., Liang, Y., Liang, X., & Raghavan, A. (2017). Azure Data Lake Store: A Hyperscale Distributed File Service for Big Data Analytics. In Proceedings of the 2017 ACM International Conference on Management of Data (SIGMOD ’17) (pp. 51–63). Chicago, IL, USA: ACM. https://doi.org/10.1145/3035918.3056101
##submission.downloads##
-
PDF (English)
Завантажень: 0
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
