15、物联网边缘数据流的数据丰富模型解析

物联网边缘数据流的数据丰富模型解析

1. 物联网数据处理背景与挑战

近年来，物联网（IoT）范式发展迅速。嵌入式计算、云计算、通信技术等多领域的发展，使得每天都有新类型的设备能在新环境中实现连接，同时也催生了众多新的应用和可能性。而高效处理物联网数据流，尤其是实时处理，成为了各类应用的关键需求，例如物联网分析、患者监测、电子健康、智能家居等。

在这些新的可能性中，物联网系统生成的数据丰富化是一个重要方向。数据丰富化是指添加元数据，即描述数据的信息，其目标之一是实现数据的自主推理。当原始数据进入系统时，机器难以理解其含义，因此通常需要人类进行数据推理。在网络环境中，资源描述框架（RDF）模型被用于促进推理和资源链接。

然而，数据丰富化也带来了两个重要问题。一是系统处理链中增加了新的处理步骤，如何应对这一额外处理成为挑战；二是数据丰富化会增加系统的数据量，在物联网处理场景下，本身就面临大数据和大数据流范式的挑战，数据丰富化进一步加剧了这一问题。

2. 相关工作

• RDF 流处理 ：将 RDF 模型应用于物联网环境作为数据丰富模型是较新的想法。在流环境中对 RDF 模型的适配已有相关工作，主要聚焦于添加时间戳以及使 RDF 流能够通过 URI 识别。目前已开发了多个用于持续查询 RDF 流数据的处理器，如 CQELS、C - SPARQL、ETALIS 等。同时，也认识到需要扩展可用查询以处理时间模式，并且在近期的工作中，这些引擎已得到扩展以支持这一功能。此外，还存在一些设计，如 cqels - cloud 和 strider，旨在利用云和集群基础设施的能力来解决这些引擎独立实现的问题。最后，