Формирование адаптивных подписок брокера данных Интернета вещей
Ключевые слова:
Интернет вещей, протокол обмена сообщениями, Message Queuing Telemetry Transport (MQTT), дискретное преобразование Фурье, теорема КотельниковаАннотация
Введение: возможности взаимодействия с физическим миром через сетевые инфраструктуры пространственно-распределённых узлов Интернета вещей несмотря на неоспоримые преимущества технологии, вызывают существенные нагрузки на потребителей информации. В этой связи актуальным является создание методов, обеспечивающих сокращение передаваемых объёмов данных за счёт адаптивной синхронизации систем мониторинга со временем протекания реальных процессов. Одним из эффективных путей решения этой проблемы является применение дискретного преобразования Фурье для определения периода дискретизации наблюдений. Цель исследования: разработать подход к формированию адаптивных подписок брокера данных на основе исследования цикличности наблюдений устройств Интернета вещей. Методы: применён метод дискретного преобразования Фурье и на основе рассчитанных параметров гармонического ряда сделан вывод о частотных характеристиках данных. Выбраны основные пики, описывающие периодичность данных, определены точки колебаний и по теореме Котельникова выбрана частота дискретизации, обеспечивающая достаточную интенсивность наблюдений. Результаты: в рамках корпоративной сети Красноярского научного центра развёрнута инфраструктура устройств и приложений Интернета вещей для мониторинга показателей температуры, влажности и PM2.5 в специализированных технологических помещениях с телекоммуникационным оборудованием. Анализ показал, что для различных помещений данные имеют периодический характер, но их гармонические профили не совпадают. Выбор значений гармоник, амплитуда колебания которых определяет динамику изменений в наблюдаемых данных следует проводить периодически для каждого наблюдаемого устройства. Этот подход реализован в программном обеспечении брокера, который выдаёт данные по подпискам от каждого из устройств в соответствии с частотой их изменений. Практическая значимость: анализ частотных характеристик данных определяет настройки брокера, которые сокращают потоки выдаваемой информации, что является одним из аспектов обеспечения надёжности инфраструктуры Интернета вещей. Кроме того, наблюдение за изменениями характера данных позволят выявлять неполадки в работе охлаждающих систем, которые могут приводить к выходу из строя сложного дорогостоящего оборудования, обладающего повышенной теплоотдачей.
