Data Management in Sensor Networks
　　Dewen Ji1,Xiaodong Wang1
　　(1. Collage of Computer Science, National University of Defense Technology, Changsha City 410073.)

　　Abstract: Wireless sensor networks are the integration of sensor techniques, wireless communication techniques, nested computation techniques, distributed computation techniques and database techniques, and have become popular in industry and academe. In a data-centric sensor networks, data management is the critical technique to the network application. This paper introduced the concepts and characters of data management, analyzed the problems existing in the data management, and mainly summarized the research progress.
　　Keywords: Wireless sensor networks, data management, data operation.

　　1  引言

　　作为新兴的多学科交叉研究领域，无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术，可以使人们在任何时间、地点和任何环境条件下获取大量详实而可靠的信息。传感器网络以数据为中心的特点，使得感知数据的管理和处理成为传感器网络的核心技术。本文就传感器网络中数据管理相关内容的研究与进展进行了介绍。

　　2  传感器网络中的数据管理

　　2.1 以数据为中心的传感器网络

　　传感器网络中，各个分布的节点通过监测周围环境不断产生大量的感知数据。而传感器节点一般比较简单，存在通信能力低、计算存储能力低、能量受限等特点，无法像传统的分布式数据库那样管理数据。如何存储、传输和访问这些数据，成为制约传感网应用的关键。

　　对于用户来说,传感器网络的核心是感知数据,而不是网络硬件。用户感兴趣的是传感器产生的数据,而不是传感器本身。用户经常会提出如下的查询：“网络覆盖区域中哪些地区出现毒气” ,“某个区域的温度是多少”,而不是：“如何建立从A节点到B节点的连接”，“第27号传感器的温度是多少”。

　　综上所述，传感器网络是一种以数据为中心的网络，不同于以传输数据为目的的通信网络。对数据的管理和操作，成为传感器网络的核心技术。

　　2.2 数据管理的概念

　　以数据为中心的传感器网络，其基本思想是把传感器视为感知数据流或感知数据源,把传感器网络视为感知数据空间或感知数据库,把数据管理和处理作为网络的应用目标。

　　数据管理主要包括对感知数据的获取、存储、查询、挖掘和操作，目的就是把传感器网络上数据的逻辑视图和网络的物理实现分离开来，使用户和应用程序只需关心查询的逻辑结构，而无需关心传感器网络的实现细节。

　　对数据的管理贯穿于传感器网络设计的各个层面，从传感器节点设计到网络层路由协议实现以及应用层数据处理，必须把数据管理技术和传感器网络技术结合起来，才能实现一个高效率的传感网，它不同于传统网络采用分而治之的策略。

　　3  数据管理研究的内容

　　在传感器网络中进行数据管理，有以下几个方面问题：
　　(1)感知数据如何真实反映物理世界；
　　(2)节点产生的大量感知数据如何存放；
　　(3)查询请求如何通过路由到达目标节点；
　　(4)查询结果存在大量冗余数据，如何进行数据融合；
　　(5)如何表示查询，并进行优化。
　　因而，传感器网络中的数据管理研究内容主要包括数据获取技术、存储技术、查询处理技术、分析挖掘技术以及数据管理系统的研究[1]。
　　数据获取技术主要涉及传感器网络和感知数据模型、元数据管理技术、传感器数据处理策略、面向应用的感知数据管理技术。
　　数据存储技术主要涉及数据存储策略、存取方法和索引技术。
　　数据查询技术主要包括查询语言、数据融合方法、查询优化技术和数据查询分布式处理技术。
　　数据分析挖掘技术主要包括OLAP分析处理技术、统计分析技术、相关规则等传统类型知识挖掘、与感知数据相关的新知识模型及其挖掘技术、数据分布式挖掘技术。
　　数据管理系统主要包括数据管理系统的体系结构和数据管理系统的实现技术。
　　从2002年开始，国际上关于传感器网络中数据管理的研究，就有研究结果发表，主要集中在把数据库技术，尤其是分布式数据库技术和传感器网络技术相结合，实现数据管理。

　　4  基于感知数据模型的数据获取技术

　　4.1 问题描述

　　在传感器网络中对数据进行建模，主要用于解决以下四个问题：

　　第一，感知数据具有不确定性。节点产生的测量值由于存在误差并不能真实反映物理世界，而是分布在真值附近的某个范围内，这种分布可用连续概率分布函数来描述。传统文献中讨论的数据模型技术大多采用离散概率分布函数，并不能很好地适用于传感器网络。

　　第二，利用感知数据的空间相关性进行数据融合，减少冗余数据的发送，从而延长网络生命周期。同时，当节点损坏或数据丢失时，可以利用周围邻居节点的数据相关性特点，在一定概率范围内正确发送查询结果。

　　第三，节点能量受限，必须提高能量利用效率。根据建立的数据模型，可以调节传感器节点工作模式，降低节点采样频率和通信量，达到延长网络生命周期的目的。
　　第四，方便查询和数据分布管理。

　　4.2 研究进展

　　早期对数据模型的研究主要是对传统关系模型、对象关系模型或时间序列模型的扩展。美国加州大学伯克利分校开发的TinyDB系统[2,3,4]对传统关系数据模型进行了简单扩展，把传感器网络定义为一个单一的无限长的虚拟关系表，节点的每个数据对应关系表中的一行。美国康乃尔大学Cougar系统[5]的数据模型中，传感器网络元数据(节点ID等)用传统的关系来表示，而感知数据用时间序列来表示，数据模型包括关系代数操作和时间序列操作，操作尽可能在网内分布式处理以减少通信资源的消耗。