KSPOT : a network-aware framework for energy-efficient data acquisition in wireless sensor networks

Abstract

Τα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ) αποτελούνται από μικροσκοπικές συσκευές με περιορισμένους πόρους και παρέχουν στους χρήστες την ευκαιρία να παρακολουθούν το περιβάλλον με πολύ ψηλή ευκρίνεια. Για τη συλλογή των δεδομένων που παράγονται από αυτές τις μικροσκοπικές συσκευές η κοινότητα της διαχείρισης δεδομένων έχει προτείνει τη χρήση δηλωτικών πλαισίων εφαρμογών που είναι επικεντρωμένα στην συλλογή δεδομένων παρόμοια με τα παραδοσιακά κατανεμημένα συστήματα επεξεργασίας επερωτήσεων. Παρόλο που τα συγκεκριμένα πλαίσια έχουν επιτύχει την ενεργειακά αποδοτική συλλογή δεδομένων δεν έχουν λάβει υπόψη σημαντικές παραμέτρους του δικτύου και επίσης δεν υποστηρίζουν προηγμένους τύπους επερωτήσεων. Σε αυτή τη διατριβή προτείνουμε το KSpot+, ένα νέο κατανεμημένο πλαίσιο για την συλλογή δεδομένων σε ΑΔΑ το οποίο λαμβάνει υπόψη τα χαρακτηριστικά του δικτύου και βελτιστοποιεί την απόδοσή του συνδυάζοντας τρία συστατικά: α) η μονάδα Ισοζυγισμού Δέντρου, η οποία δημιουργεί αποδοτικές τοπολογίες με την ομοιόμορφη κατανομή του φόρτου εργασίας κάθε αισθητήρα; β) η μονάδα Ισοζυγιστής Φόρτου, η οποία ελαχιστοποιεί το χρόνο που διατηρεί ενεργοποιημένο το μέσο επικοινωνίας του ο κάθε αισθητήρας; και γ) η μονάδα Επεξεργασίας Δεδομένων, η οποία χρησιμοποιεί ένα πρωτοποριακό μηχανισμό για την αποκάλυψη μόνο των Κ πιο σημαντικών δεδομένων του δικτύου, μειώνοντας έτσι σημαντικά την κατανάλωση ενέργειας. Για την επαλήθευση της αποδοτικότητας του πλαισίου KSpot+, έχουμε δημιουργήσει μία πρότυπη εφαρμογή στις γλώσσες προγραμματισμού nesC και JAVA. Μέσα από την πειραματική μας αξιολόγηση, όπου χρησιμοποιούμε πραγματικά δεδομένα από το Πανεπιστήμιο της Καλιφόρνιας-Μπέρκλεϋ, το Πανεπιστήμιο της Ουάσινγκτον και το Ερευνητικό Ινστιτούτο Intel στο Μπέρκλεϋ, επιδεικνύουμε ότι το KSpot+ μειώνει σημαντικά την κατανάλωση ενέργειας σε διάφορες περιπτώσεις. Συνεπώς, το KSpot+ αυξάνει τη διάρκεια ζωής του δικτύου περισσότερο από άλλα επικρατέστερα πλαίσια.

Wireless Sensor Networks (WSNs) are composed of resource-constrained tiny-scale devices that enable users to monitor the physical world at an extremely high fidelity. In order to collect the data generated by these tiny-scale devices, the data management community has proposed the utilization of declarative data-acquisition frameworks that provide similar functionality to traditional DQPs. While these frameworks have facilitated the energy-efficient retrieval of data from the physical environment, they were agnostic of the underlying network topology and also did not support advanced query processing semantics. In this dissertation we present KSpot+, a novel distributed network-aware framework for data acquisition in WSNs that optimizes network efficiency by combining three novel components: i) the Tree Balancing Module, which balances the workload incurred on each sensor node by constructing efficient network topologies; ii) the Workload Balancing Module, which minimizes data reception inefficiencies by synchronizing the network activity intervals of each sensor node; and iii) the Query Processing Module, which employs a novel ranking mechanism that yields only the k-highest ranked answers, thus further minimizing energy consumption. In order to validate the efficiency of KSpot+, we have created a prototype implementation of KSpot+ in nesC and JAVA. In our experimental evaluation, we thoroughly assess the performance of KSpot+ using the real prototype system and datasets from the University of California - Berkeley, the University of Washington and Intel Research Berkeley. We show that KSpot+ provides significant energy reductions under a variety of conditions, thus significantly prolonging the longevity of a WSN compared to predominant approaches.