Dystopol - políticas para armazenamento dinâmico de dados em redes de sensores sem fios

Abstract

Resumo: As Redes de Sensores Sem Fio (RSSF) são redes compostas por dezenas, centenas ou mesmo milhares de sensores e por uma ou mais estações base. Os sensores são dispersos por uma área a ser monitorada e comunicam-se via rádio. Na maioria dos cenários não é possível a ligação desses sensores a uma fonte de energia ou a substituição das baterias. Assim a limitação de energia dos sensores in_ui decisivamente na longevidade da rede e é a característica mais marcante das Redes de Sensores Sem Fio (RSSFs). Além disso por serem dispositivos compactos, os sensores apresentam limitações em termos de capacidade de processamento e memória disponível. Como consequência dessas limitações, em uma RSSF é fundamental a gestão otimizada dos recursos disponíveis. O foco desta dissertação é na gestão do armazenamento dos dados sensoriados. Os dados coletados pelos sensores podem ser armazenados nos próprios sensores produtores, na estação base ou em sensores da rede, chamados de repositórios. A escolha da localização dos dados tem impacto no desempenho do sistema para o processamento de consultas sobre os dados sensoriados. Por exemplo, o armazenamento dos dados em uma estação base requer a transmissão dos valores de cada sensor para a estação. Dessa forma, o custo de atualização do dado é alto, mas o processamento de consultas na estação é baixo. Por outro lado, o armazenamento dos dados nos próprios sensores tem um custo de atualização baixo, mas o processamento de consultas alto, já que é necessário contactar todos os sensores para a obtenção dos valores coletados. Existem diversas propostas na literatura que adotam diferentes modelos de armazenamento. Porém, a maioria adota uma solução estática, na qual o modelo de armazenamento não se adapta aos diferentes contextos da aplicação. Neste trabalho é proposto o DYSTOPOL, um modelo dinâmico e adaptável que permite aplicar a melhor solução disponível para cada momento do sistema utilizando um índice distribuído e políticas para implementar tais características. As políticas permitem um re_namento do sistema segundo con_gurações pré-de_nidas pelo usuário que conferem ao sistema a adaptabilidade resultante da interpretação dos cenários que o sistema por si só não é capaz de estabelecer de forma analítica. Experimentos mostram que a solução proposta pode reduzir até 52% o número de transmissões em relação a outras soluções implementadas.

Abstract: Wireless Sensor Networks (WSN) are networks composed of tens, hundreds or even thousands of sensors and one or more base stations. Sensor devices are scattered over an area to be monitored and communicate via radio. In most scenarios it is not possible to connect these sensors to a power source or replace the battery. Thus, power limitation has a decisive in_uence on the longevity of the network and is the most striking feature of WSNs. Since sensors are compact devices, they have limited processing power and storage. As a result, for WSN's management of available resources is crucial. The focus of this work is the management of sensed data storage. The data collected by the sensors can be stored in the sensors themselves (producers) in the base station or in designated sensors in the network, called repositories. The choice of the data location has an impact on the system performance for query processing. For example, data storage in a base station requires the transmission of values from every sensor in the _eld to the station. Thus, the cost of updating the data is high, but the cost of query processing is low since it is executed locally at the base station. On the other hand, the storage of data in the sensors themselves have a low update cost, but the cost of query processing is high since it is necessary to contact all sensors for obtaining the values collected. There are several proposals in the literature that adopt di_erent storage models. However, most of them adopt a static solution, in which the storage model does not adapt to di_erent application contexts. In this work we propose DYSTOPOL, a dynamic model that provides an adaptive solution which adopts the best storage model for a given application context using a distributed index and policies to implement such features. Policies allow the system to be re_ned under pre-de_ned settings given by the user. They allow the system to change storage models based on the interpretation of the scenarios that the system itself is not able to establish analytically. Experiments show that the proposed solution can reduce up to 52 % the number of transmissions compared to other solutions.