Datenmanagement in Sensornetzen

PRESTO

- Feedback gesteuertes Datenmanagement -

SS 2007

Sören Wenzlaff

2

Übersicht PRE(dictive)STO(rage)

Teil 1: Aufbau von PRESTO

Teil 2: Umsetzung & Ergebnisse

Teil 3: Zusammenfassung

• Unterschiede zu bestehenden Ansätzen

• Skalierbarkeit

PRESTO – Sören Wenzlaff

3

Teil 1: Aufbau von PRESTO

• Anforderungen an ein Sensornetzwerk

• Idee von PRESTO

• Unterschiede zu bestehenden Ansätzen

• Komponenten & deren Aufgaben

PRESTO – Sören Wenzlaff

4

Anforderungen an Sensornetzwerke

• langlebig (effiziente Nutzung der Ressourcen)rechnen ~ speichern << kommunizieren

möglichst wenig Kommunikation der Sensorknoten

• schnelle Anfrage-Bearbeitunginteraktive Anwendungen: Antwortzeiten < 10 sek.

• fehlertolerantSensorknoten kaputt / nicht erreichbar / Batterie leer

• skalierbarje nach Anwendung 10 – 10.000 Knoten auf kleiner Fläche

PRESTO – Sören Wenzlaff

5

Ansatz 1: Sensor-zentriert

• Beispiel: Cougar

• Vorteile:

• Nachteile:

Proxy

Qu

ery

Dat

a

- hohe „Intelligenz“ der Sensorknoten

- Weiterleitung von Anfragen tief ins Sensornetz

+ effiziente Kommunikation nahe an Datenquelle

+ Antwort liefert genaue Daten

- sehr lange Antwortzeiten

- Sensorknoten senden häufig

PRESTO – Sören Wenzlaff

6

Ansatz 2: Proxy-zentriert

• Beispiel: BBQ

• Vorteile:

• Nachteile:

- Proxy beantwortet Anfragen direkt, solange das

- Sonst Anforderung der Daten aus Sensornetz

raum-zeitliche Modell ausreicht

+ im Schnitt schnelle Antwortzeiten

+ Komplexität im leistungsstarken Proxy

- kurze Abweichungen vom Modell können

- Energieeffizienz + Datengüte geht nicht

übersehen werden

Qu

ery

Dat

a

ModellProxy

PRESTO – Sören Wenzlaff

7

Ansatz 3: PRESTO

Idee:

Qu

ery

Dat

a

ModellProxy

Proxy beantwortet die meisten Anfragen direkt mit Modell (~BBQ)

Knoten senden nur bei besonderen Ereignissen

Genauigkeit der Daten ~ Cougar

einen Weg gespart zu „pull“ bei BBQ

PRESTO – Sören Wenzlaff

8

Was noch?

Speichern von Daten im Proxy & Sensorknoten für spätere Anfragen

Veränderungen der Umgebung führen zur:

- Anpassung des Modells im Proxy (viel Rechnen)

- Aktualisierung des Modells bei allen Sensorknoten

- kann für die Rekonstruktion von Ereignissen

(Einbruch, Ausbruch...) hilfreich sein

PRESTO – Sören Wenzlaff

9

Vorhersagemodell: SARIMA

Seasonal AutoRegressive Integrated Moving Average

• Einsatz in z.B. Wetter- und Börsenkursprognosen

• Vorhersage eines Wertes zum Zeitpunkt t

mit Wissen des aktuellen Trends (Tagestemp.)

zus. mit längerfristigen Tendenzen (Jahreszeit)

°C

Zeit

PRESTO – Sören Wenzlaff

10

Modell: Bestimmung & Test

• Bestimmung der Modellparameter aus Messreihen ist

• Aber: Einen Wert für Zeitpunkt t berechnen ist leicht - nur 3 Multiplikationen & 3 Additionen

aufwändig (früher aufwendig ;)

• Arbeitsteilung:

- Proxy bestimmt Modell und teilt es den Knoten mit

- Jeder Knoten kann leicht Prognosewerte berechnen

und mit gemessenem Wert vergleichen

• Also?

PRESTO – Sören Wenzlaff

11

Proxy: Aufgaben

Anfrage-Bearbeitung:

• statistisches Modell kann den Wert Xt aus

• ist Abweichung > geforderte Genauigkeit:

• Annahme: jede Anfrage fordert eine Genauigkeit

vergangenen Daten mit Konfidenz berechnen

Daten bei Sensorknoten anfordern

(Stichwort: model-driven pull bei BBQ)

PRESTO – Sören Wenzlaff

12

Proxy: Aufgaben II

Pflege Datenbasis & Modell:

• Jeder neue Wert

bewirkt die Interpolation aller zeitlich benachbarten Werte

berechnet für eine Anfrage

empfangen vom Knoten

• zyklische Adaption der Modell-Parameter und

Übermittlung an betroffene Sensorknoten

PRESTO – Sören Wenzlaff

13

Sensor: Aufgaben

Test und Speicherung der Messwerte:

• Für jeden gemessenen Wert Xt Modellwert Xt* berechnen

• wenn Xt - Xt* > Grenzwert

Messwert Xt an Proxy weiterleiten

• Speicherung aller Messwerte in lokalem Flash-Speicher

PRESTO – Sören Wenzlaff

14

Anfrage – Bearbeitung I

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

ProxyQuery Prozessor

Welche Knoten?Zeitpunkt d. Messung?

PRESTO – Sören Wenzlaff

15

Anfrage – Bearbeitung I

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Cache3

Modell3

Xt = f(t) = ... = 3 °C Abweichung < 5

PRESTO – Sören Wenzlaff

16

Anfrage – Bearbeitung I

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Modell3

Cache3

Speichern von Xtt = 3 = 3

im Cacheim Cache

PRESTO – Sören Wenzlaff

17

Anfrage – Bearbeitung I

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Antwort: Xtt = 3 = 3

PRESTO – Sören Wenzlaff

18

Anfrage – Bearbeitung II

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

ProxyQuery Prozessor

Welche Knoten?Zeitpunkt d. Messung?

PRESTO – Sören Wenzlaff

19

Anfrage – Bearbeitung II

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Cache3

Modell3

Xt = f(t) = ... = 10 °C Abweichung > 5

PRESTO – Sören Wenzlaff

20

Anfrage – Bearbeitung II

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Anforderung des exakten Werts Xt

*

Antwort: Xt* = 4 °C

PRESTO – Sören Wenzlaff

21

Anfrage – Bearbeitung II

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Qu

ery SELECT temp FROM Nodes

WHERE location = ``Lager`` AND time = NOWAND error < 5

Proxy

Antwort: Xtt = 4 = 4

PRESTO – Sören Wenzlaff

22

Anfrage – Bearbeitung II

Modell1

Cache1

Query Prozessor

Modell NAND

Sensor1

Modell NAND

Sensor2

Modell NAND

Sensor3

Modell3

Cache3

Modell2

Cache2

Proxy

Speichern von Xtt** = 4 = 4

im Cache und im Cache und Korrektur der Nachbar-Korrektur der Nachbar-werte von werte von Xtt

**

PRESTO – Sören Wenzlaff

23

Push & Interpolation

M1

C1

Query Prozessor

Modell NAND

Sensor3

Modell3

Cache3

Proxy

0

5

10

15

20

25

30

t = 1 t = 2 t = 3 t = 4

Messung

Modell

...

Push

: X4 =

18

0

5

10

15

20

25

30

Messung

Modell

Modell'

Interpolation

PRESTO – Sören Wenzlaff

24

Teil 2: Umsetzung & Ergebnisse

• PRESTO am Beispiel Temperatursensoren

• gemessene und simulierte Ergebnisse

PRESTO – Sören Wenzlaff

25

Hardware

• Proxy: Crossbow Stargate

- 400 MHz Intel Xscale® (auch in PDAs)

- Linux Kernel 2.4

- 64 MB RAM

- Preis: ca. 800 $

• Sensor: Crossbow TelosB Mote

- 8 MHz microcontroller mit 10 kB RAM

- TinyOS 1.1.14

- 1 MB Flash für Messwerte

- IEEE 802.15.4 (ZigBee)

- Preis: ca. 150 $

PRESTO – Sören Wenzlaff

26

Versuchsaufbau

Emulator

20 TelosB Motes

1 Stargate• Trainingsphase:

- Datenreihe Reservat

• Testphase:

- # Nachrichten

- Anfrage – Wartezeit

- Fehlerrate

PRESTO – Sören Wenzlaff

27

Vergleich PRESTO - BBQ

10

100

1000

10000

20 50 70 100

Anzahl der Nachrichten

Grenzwert

PRESTO

BBQ

Faktor 2-20 Energie-effizienter

wegen ger. Kommunikation

PRESTO – Sören Wenzlaff

28

Skalierbarkeit I

10

100

1000

0.5

Anfrage- Wartezeit

Anfragen/s

Durchschnitt

Maximal

0.25

1

1 2 4 8 16 32 64

schnell bis 4 Anfragen/s

Danach Pufferung im Proxy bis Überlauf

PRESTO – Sören Wenzlaff

29

Skalierbarkeit II

10

20

30

Anfrage- Wartezeit

# Sensorknoten40 80 100 120

Sende-/Empfangseinheit bricht zusammen

60

Anfragen werden zurückgewiesen

PRESTO – Sören Wenzlaff

30

Teil 3: Zusammenfassung

• model-driven push & adaptive feedback

• asynchrone Verteilung der Rechenlast

• schnelle Antwortzeiten & hohe Datengüte

PRESTO – Sören Wenzlaff

31

Noch da?

Danke für die Aufmerksamkeit!

PRESTO – Sören Wenzlaff