大數據助力物聯網災害預警
信息技術教學與研究
作者：胡家磊
摘 要： 隨著經濟的快速發展，數據也在快速增長，傳統的數據管理方法已經無法適應當今的數據量，應當采用現在專門為海量數據所提供的大數據方法進行管理，本文在物聯網的基礎上，加入大數據分析引擎，建立大數據物聯網災害預警係統。
關鍵詞： 物聯網 大數據 預警
1.引言
在經濟高速發展與計算機應用的普及大潮下，人們接觸到互聯網，隨著傳感技術的不斷進步，各式各樣能夠檢測出不同類型數據的傳感器逐漸走進人們的生活。當傳感器和互聯網都深深植根於大家的生活中時，一種新的技術也逐漸成形，物聯網技術應運而生。物聯網技術的應用，極大拓展了數據的獲取途徑，實現多途徑獲取數據。
物聯網的發展以迅雷之勢影響不同行業，使得反饋信息實現跨領域整合，達到信息共享的目的。對於信息係統尤其是以預測為主的係統來說，提供的數據量不能充分滿足，那這些預測係統的可靠性就會受到極大影響，發揮不出應有價值。所以為了能夠發揮出預測係統的作用，利用物聯網收集到各種各樣真實有效的數據極為關鍵。但是目前看來，有部分正在使用的係統，還是以文本的形式存儲和管理分析數據，對數據的提取極不方便，這些數據以層次結構為主，使得數據查詢和操作麻煩。這種形式嚴重影響了係統的預測效率和精度。隨著時代的發展，以更高效安全為特點的大數據處理模式誕生。
2.大數據助力數據分析處理
2.1設計目標
針對於預警物聯網設計的規則，對象是物聯網中大數據信息的分類處理和預警。目標是實現通過規則快速分析物聯網反饋回來的數據，從而為最後的業務決策提供可靠的數據支持和管理，此設計的目標主要體現在數據對象與預警業務的分離。同時可以提高預警的準確性。通過對數據節點上數據的保存和共享能夠加強數據與規則的匹配，極大提高工作效率。業務規則在管理時可以單獨管理，將規則放置在數據庫中，形成一個獨立的預警信息數據庫，在需要進行判斷預警時，從數據庫中提取，快速進行邏輯判定，在工作過程中，如果發現需要修改其中某項規則時，則可以單獨修改，不會出現牽一發動全身的現象。同時如果規則出現bug，則可以逐漸向內添加，增強規則的可閱讀性。在建立規則時可以盡量選擇自然語言或者是接近自然語言，這樣不僅會降低規則建立的難度，而且可以方便開發人員之間的交流。
2.2設計架構
係統的構成可以分為五個部分，知識庫、數據寄存庫、規則建立模塊、推理判斷模塊和數據庫模塊。
知識庫又稱為規則庫，簡單點理解就是存儲物聯網大數據用來進行預警的數據和用來判斷信息是否需要預警的規則。數據寄存庫是對物聯網大數據信息對象的存儲，以及對已經使用過的預警數據進行保存。規則建立模塊可以根據係統使用過程中產生的bug，隨時由使用者將規則插入知識庫中。推理判斷模塊是整個預警係統的核心，它將知識庫中的判定規則及預警數據和數據寄存庫中的大數據信息進行匹配運算等，得出是否需要進行預警。數據庫用來將最終得到的結果存儲下來。