文摘

目前的趋势向设想出未来网络小说的概念服务具有上下文感知和自主能力提高最终用户的生活质量。物联网模式预计将有助于实现这个雄心勃勃的愿景提出了模型和机制使创建大规模的“智能”网络。人们普遍认识到,发现可用资源的有效机制和功能需要实现这样的愿景。这项工作的贡献在于小说探索物联网服务。建议的解决方案采用一个对等的方法保证可扩展性、健壮性和易于维护的整体系统。虽然大多数现有的点对点的发现服务提出了物联网支持仅仅在单个属性(即精确匹配查询。对象标识符),我们的解决方案可以处理多属性范围查询。我们定义了一个分层的方法区分三个主要方面:多属性索引、查询支持范围,点对点的路由。我们选择采取over-DHT索引方案,保证易于设计和实现原则。我们报告的实现概念证明在危险货物监控场景中,最后,我们讨论结构属性和查询性能的测试结果评估。

1。介绍

研究路线图,设想出未来网络小说服务具有上下文感知和自主能力来支持最终用户在日常生活活动(例如,工作、闲暇时间、旅游)。在这样一个角度来看,技术景观将居住着各种各样的功能提供异构类型的设备(电脑、手机、家用电器、智能纺织品,等等)。几个研究领域将有助于实现这个雄心勃勃的愿景,包括物联网、互联网的服务,云计算。

“物联网”模式旨在提供模型和机制使创建大规模的“智能”网络通过射频识别、无线传感器和致动器网络,嵌入式设备分布在物理环境(1]。这种模式将可能创造新的增值服务通过动态组装不同类型的功能(传感、通信、信息处理、驱动物理资源,只是提到几个例子)。尽管如此,也是著名的可持续、高效实现物联网解决方案需要的概念和发展动态适应和自主能力。因此,发现机制可用资源的可用性和功能是最重要的在上述愿景的实现。

在物联网数据真实世界的对象和事件将在全球范围内大量。这些数据将被存储在广泛分布的、异构的信息系统,并在高需求也将由业务和终端用户应用程序”。(2]。发现机制因此需要使客户机应用程序能够获得所需要的位置和寻址信息存储库访问这些信息。

这项工作的贡献在于发现一个分布式服务物联网场景。建议的解决方案采用点对点的方式保障可伸缩性、整个系统的健壮性和可维护性。虽然大多数对等发现服务最近提出了物联网支持在单个属性(即精确匹配查询。对象标识符)(2),我们的解决方案也可以处理多属性范围查询。的确,虽然一个属性精确匹配查询工作当一个客户端应用程序已经知道目标对象的标识符(例如,通过读者检测对象带有RFID),处理多属性范围查询的能力允许客户机应用程序发现信息和功能尚未检测到的对象,不一定是物理距离。建议的解决方案是基于分层的架构设计,区分三个主要方面:多属性索引、查询支持范围,点对点的路由。

本文的组织结构如下:在部分2我们将讨论物联网中发现服务的功能需求。部分3调查相关工作。节4我们描述了提出了基于P2P的分布式服务发现叠加。节5我们提出一个概念证明实现参考应用场景和显示测试结果通过计算模拟。节6我们得出的结论,讨论实现结果和未来的研究方向。

2。在物联网的场景中发现服务

物联网(神往)范例意味着对象和设备具有计算的角度来看,传感和通信能力和能产生和传播大量的事件。物联网应用程序应该适应他们的行为极其动态变化环境:用户进入和退出“智能环境”(例如,智能家居3- - - - - -5)、智能医院(6- - - - - -8)、智能办公室(9,10)、旅游地点(11,12]),对象改变他们的位置根据特定应用程序的目的(例如,移动的人(13,14],多式联运的货物(15),和海上监视16])。发现机制因此需要为了获得最新的信息设备分布式环境中提供的功能或信息存储库存储一个给定对象的信息。

所认为的Atzori et al。17”,物联网将射频识别系统的关键部件。“无线射频识别技术(RFID)通常是由两种类型的硬件组件:射频识别标签和读者(18]。标签存储一个惟一的标识符,可选的附加信息。它们可以应用于对象、动物或人(如货物装上托盘或集装箱,聪明的手镯戴的病人在医院19)收集信息关于他们的地位或周边环境(例如,测量来自传感器监控货物的状态或生物医学参数的目标病人)和推断知识背景(如报警和关键事件)20.]。射频识别和遥感技术可以被利用在上下文感知应用程序的开发范围广泛的应用领域:物流,e-health,安全,智能城市17]。

设想在由欧盟委员会(European Commission)的一项研究[21),它是可预见的,任何“东西”将至少有一个独特的识别方式(通过“惟一标识符”或间接地通过一些“虚拟标识符”技术)。具有处理和通信功能,这些东西可以相互连接,交换信息。信息和服务对象将支离破碎和处理跨多个实体(从创造者/所有者对象的实体,与它在某个阶段生命周期)。信息可以提供的单一对象实例(例如,一个商品项目)或一组或类的对象(例如,项目危险货物运输的土地,空气,海洋,或这些方法的组合)。

尽管一些低级的需求可能出现的多种物联网的应用领域,我们引出以下高级功能需求在物联网的场景中发现服务(2]。

2.1。灵活的识别方案

发现机制应该透明对采用识别方案。例如,在RFID射频识别技术在物流的应用,电子产品代码(EPC) [22)是一个广泛采用的识别方案。其他可用识别方案包括uri, IPv6地址,通用产品代码,只是几个例子。

2.2。多属性查询

发现机制应该能够处理一个查询的精确匹配一个给定的标识符以及查询可能包含其他符合条件的属性(例如,位置和类别)。

2.3。范围查询

除了精确匹配查询,系统应该支持查询指定上限与下限在一个或多个属性。

2.4。多个出版商

这取决于应用程序的目的,一些实体可以称为生产和发布一个给定对象的信息,除了对象的所有者。

2.5。管理api

授权实体应该能够添加、更新和删除信息与一个给定的对象。

3所示。相关工作

射频识别系统是物联网的关键组件(17]。重大标准化工作已由EPCglobal财团建立原则和指导方针支持RFID在交易和企业环境的使用。更具体地说,新兴标准规格的EPCglobal网络是一组为全球RFID数据共享基础设施建立在电子产品代码(EPC),一个明确的编号方案指定的实体产品(22]。它旨在促进处理、存储和检索EPC-identified项目相关的信息。

EPC是一种通用标识符用于物理对象。它可以统一资源标识符(URI)的形式,从而使信息系统是指物理对象。EPC代码通常存储在一个RFID附加到对象。EPC全球体系结构的主要组件包括射频识别标签,读者,EPC中间件、EPC信息服务(epcis),对象命名服务(ONS),和发现服务。规范定义的读者如何审问一个RFID标签。中间件过滤器和过程数据收集的阅读器组件。数据被存储在EPCIS存储库和向外部客户提供通过EPCIS查询界面。英国国家统计局提供的名称解析服务将一个EPC代码转换为url指向EPCIS存储库存储数据EPC。更具体地说,物理对象的静态和动态数据是存储在数据库中,可以由不同的演员(如制造商、物流供应商,零售商,或第三方),可以通过EPCIS标准访问接口(23]。

EPC对象名称服务(ONS)为客户提供的服务对于一个给定的EPC EPCIS URL。国家统计局是基于互联网域名系统,它的特点是一个分层架构(24]。国家统计局指出制造商的EPCIS资源。此外,发现服务使发现第三方的EPCIS存储库。EPCIS发现服务查找服务为客户提供的uri EPCIS存储库存储给定EPC信息。EPCIS规范发现尚未发表的时候写(25]。几个研究贡献因此试图填补这一空缺,提出最初的发现服务解决方案。

桥项目,由欧洲委员会资助,调查有关的几个问题的目标的实现和采用射频识别在欧洲。在框架桥的项目中,一个原型发现服务实现是基于LDAP目录规范(26]。的作者(27]提出的实现一个EPC发现服务基于IETF规范的可扩展的供应链服务发现ESDS [28]。

最近,一些作品研究的使用点对点(P2P)系统实现可伸缩的和健壮的分布式服务发现。Schoenemann et al。29日]所提架构提出了使供应链的参与者之间的信息交换。类似地,Shrestha et al。30.)提出了一种点对点网络中,每个参与者的供应链网络的一个节点运行。这些节点形成一个结构化P2P覆盖网络的每个节点都有一个其他节点的局部视图。Manzanares-Lopez et al。31日)提出了一个分布式服务发现EPCglobal网络基于P2P架构,提供项目级跟踪和追踪能力沿着整个供应链,也当物品不是直接可见的,因为他们在不同的存储系统(即加载。、包箱、容器、等等)。这些点对点的方法通常采用分布式哈希表(DHT)技术。分布式哈希表数据结构分布信息对象在哪里放置确定性,在同行的标识符对应的信息对象的唯一键根据给定的距离度量32]。

二氢睾酮,每个节点通过一个键标识(node-key),通常节点的MAC或IP地址。类似地,内容项由一个关键发现的网络(键)的内容。这两种类型的键映射到给定比特长度的一个标识符通过应用一个哈希函数(例如,sha - 1或MD5)。DHT覆盖网络实现不同节点和内容相关联,如何路由节点负责给定定义标识符。著名的路由算法是和弦(33],糕点[34],Tapestry [35],Kademlia [36]。

这项研究由Evdokimov et al。2]讨论了上述的一些作品23,24,26,29日)通过比较的优点和缺点,这些作品,突出P2P方式如何更好地实现容错和可伸缩性需求沟通。讨论,研究,DHT对等网络展览的性质可伸缩性、效率、鲁棒性和负载平衡由于采用一致的哈希。通常,DHT的节点查找操作需要O (log啤酒花。这些网络显示属性的自组织和自愈,因为他们有能力处理参与成员的加入和离开的事件。出于这个原因,他们还保证弹性节点故障和网络故障。负载平衡是通过统一的散列。

突出的艺术分析由Evdokimov et al。2),上述工作支持提供一个查询对象标识符(通常是EPC代码)作为输入,但他们不支持更灵活的查询计划基于对象属性,虽然这些类型的信息在未来可能成为非常重要的物联网查询。

4所示。发现服务物联网基于对等网络

本节描述我们的发现基于p2p覆盖网络的服务架构。特别是,我们的方法旨在应对以下功能需求:灵活的识别方案,多属性查询,范围查询,多个出版商、管理api。如在相关工作部分所讨论的,大多数现有的工作不支持多属性范围查询。这些贡献是能够解决一个精确匹配查询,因此他们认为客户端知道目标对象的标识符。这种假设可以很容易地满足如果客户机应用程序的标识符从RFID阅读器可以获得接近带RFID标记的对象。然而,这样一个物理距离约束将不可避免地限制了物联网应用的范围。举例来说,一个好的监视应用程序可能包括以下所需的特性:(a)在地图上显示当前和过去的商品项的位置与标识符在多式联运路线,(b)在地图上显示的当前和过去的职位从物品的位置位置。在这个例子中,特性(b)可能很容易意识到,依靠服务能够处理复杂的查询,发现除了精确匹配查询。

我们的工作旨在解决这些限制的相关工作提出了一个分布式发现服务能够处理多属性范围查询。以后,我们描述的设计基于发现服务和我们的选择采用分层的功能体系结构促进模块化,易于设计和实现,系统的可维护性。

4.1。现有DHT实现来处理复杂的查询

最广泛采用DHT实现,如和弦(33]和Kademlia [36),支持一个属性精确匹配查询。提出了一些解决方案,以处理范围查询。中提出的方法(21)是基于前缀的采用哈希树(PHT),分布式数据结构可以基于DHT的实现。PHT覆盖基于trie-based结构。单词查找树是一种特殊的树中,每个节点代表一个目标数据域的前缀。有趣的是,PHT仅仅依赖DHT查找()操作,并因此无法确定底层DHT算法和实现。的PHT[中提出的解决方案37)仅支持单个属性范围查询。

汞(38)支持多属性范围查询处理多个简单的覆盖,每个属性,一个映射到一组物理节点上。萨尼亚(39)扩展的共鸣位置保存散列和一个递归的多维查询解决机制。MAAN依赖于保哈希函数为每个属性,需要构建使用属性的值分布(提前知道)。

鱿鱼(40]是一种点对点的信息发现系统实现一个基于结构化的关键词搜索。每个数据元素与序列相关的关键字,关键字形成一个多维空间关键字数据元素在哪里点和关键字的空间坐标。在乌贼,空间填充曲线用于多维关键字空间映射到一维空间索引。空间填充曲线可以被定义为从一个连续映射维空间一维空间,也就是说,。香港证监会的例子有莫顿曲线(曲线)、格雷码曲线和希尔伯特曲线。根据采用映射规则,证监会显示不同保属性。证监会本地保存,点关闭在一维空间中映射从近点的维空间。在[41]SFC-based技术是应用于索引方案之上构建一个通用的DHT实现来解决多属性范围查询。

4.2。分层体系结构

我们选择使用前缀哈希树(PHT)分布式数据结构。自从PHT数据结构上可以构建一个通用的DHT实现,这种方法的主要优势是促进分层设计,因此,模块化、易于设计、实现和维护。

我们的设计方法区分以下层:(a)一个证监会多维域映射到一个一维的线性化技术,(b) PHT搜索结构利用通用DHT get / put接口,(c)基于DHT实现Kademlia算法(20.]。利用所提供的分布式数据管理功能这p2p覆盖网络,搜索特定于应用程序的api可以构建和管理服务的信息。

图1显示高级体系结构的系统:每个同行公开一组发现api,可以通过客户端应用程序调用搜索一些对象。发现服务返回的uri库处理了这些对象的信息和服务。

下面我们描述我们的选择设计的三层(a)、(b)和(c),同时发现api参考应用程序场景中描述的部分5。

4.2.1。准备多属性域的线性化

我们假设对象的特征属性,包括对象标识符(例如,EPC, URI识别方案)。因此,我们的目标数据域是一个维空间。我们基于空间填充曲线的线性化技术应用于地图维数据域到一维数据域。派生的维数据域可以很容易在PHT索引结构,如下所述。

香港证监会的现有类型中,我们选择采用莫顿曲线,也被称为曲线,因为它比其他已知的证监会计算简单的生成。一个-order-derived关键是由周期性采取从每个点的坐标维空间,将它附加到这些之前(“交错”)42]。例如,二维点 映射到派生的关键吗。

递归构造空间填充曲线,可以以两个参数:多重空间的顺序和近似的顺序。第一个近似(一阶曲线)是通过分区维数据集进subcubes和连接subcubes形成一条连续的曲线。的近似是通过连接subcubes。图2显示了一个示例证监会建在一个二维空间的二进制域:图2(一个)给出了一阶近似和图2 (b)给出了二阶近似。

4.2.2。PHT数据结构

我们假设被索引的数据集是一些数字的位二进制密钥。PHT数据结构是一个二进制单词查找树中每个节点单词查找树的标签前缀。递归定义的前缀是:一个节点与标签零或两个孩子,和左、右子节点标签和,分别。一个关键存储在叶子节点的标签是一个前缀。每个叶子节点可以存储最多钥匙。因此,PHT的形状取决于密钥的分配:单词查找树深度更大地区人口稠密的域在人烟稀少的领域和更低的地区。图3显示了一个示例的一个二维的数据集索引trie-based结构:第一,二维数据对象映射到一维二进制密钥通过阶曲线线性化技术;然后,数据对象存储在PHT叶节点的标签是一个前缀的一维二元键。

PHT结构索引数据结构基于DHT的顶部覆盖网络。如[21),逻辑PHT DHT结构分布在节点上。PHT前缀是散列并分配给适当的DHT节点,也就是说,一个PHT顶点与标签分配给该节点的标识符是接近哈希(l)。PHT可以由依靠双氢睾酮两种基本操作:把(键,值)和(关键)原语。它不需要知识的DHT路由算法和实现细节。因此,它可以基于DHT的实现。

PHT查找操作
给定一个关键的位,PHT查找操作应当返还独特的叶节点的标签是一个前缀。根据提出的算法(37),我们采用一个二叉搜索方法。第一步是确定的前缀开始搜索,我们首先考虑的位的关键。然后,调用get()操作的DHT叠加关键前缀作为输入参数提供。返回的结果DHT的三种类型:null,内部节点,或叶节点。如果节点是一个叶子节点检索,搜索算法返回所有的钥匙,连同所需的关键,存储在节点;如果该节点不存在(null),前缀长度减少。如果前缀关联到一个内部节点,搜索算法试了前缀,递归地重复这个步骤,直到找到一个叶子节点。这种搜索一直倾向于线性的方法,因为它允许大幅减少对根的工作负载,它需要日志双氢睾酮,从而使查找操作效率(37]。

PHT插入/删除操作
一个关键的插入或删除在PHT依赖查找操作找到适当的叶节点。在插入的情况下,如果限制最大允许孩子是违反的数量,必须分成两个节点,该节点和密钥存储在原始节点分布在两个新颖的叶节点。

PHT范围查询
在一维数据域,一系列查询可以表达如下:给定两个键和,在哪里,一系列查询将返回所有的钥匙满足的条件。
PHT搜索算法首先定义了最小的前缀,覆盖整个指定范围。如果这个前缀是一个内部节点的标签,然后递归地查询转发到子节点的前缀落在指定范围内,直到到达叶节点(37]。
一个类似的方法是采用一个范围查询维空间域。每个坐标的最小和最大值线性化得到最小和最大派生密钥。然后,最常见的前缀可以获得这些派生密钥。最大的共同前缀因此允许定位节点的搜索开始。搜索转发递归子节点,选择那些前缀的节点属于monodimensional区间分隔的最小和最大派生密钥,直到叶节点。
上述搜索算法可以返回叶节点包含delinearized的钥匙维值不属于原来的范围查询。这一事实取决于保财产采用证监会曲线。点接近线性化monodimensional空间可以遥远的原始维空间。如图4范围查询,二维域(,)可以映射到一个范围查询在一维二进制域()通过应用阶曲线线性化技术,但一些一维查询的结果超出原来的二维查询。

左和右子树的搜索可以并行执行,算法的复杂性是线性正比于单词查找树的深度区域进行了分析。

如果查询范围增加,最大共同前缀的长度从减少搜索开始的地方。因此,搜索成本的增加因为单词查找树区域分析增加。一个典型的例子是当一个范围查询被指定为属性的一个子集(例如,属性),而剩下的属性值是允许的,或者执行一个通配符查询。为了减少搜索成本,我们引入了一个机制,允许启动搜索单词查找树在更深层次的并行分支,利用一个简单的模式匹配技术。首先,我们定义了一个“放松的常见的前缀”。考虑到最小和最大派生密钥, 和 分别轻松最大常见的前缀 建立根据伪代码1。

例如,在一个二维的数据域,查询范围,产生最小和最大派生密钥001100年和110000年,分别。而最大共同前缀是零,“放松常见前缀”是“. .”,象征”。”表示一个通配符(即。,它匹配任何价值)。搜索可以并行执行,从前缀匹配放松常见的前缀。

4.2.3。二氢睾酮

如前所述,PHT索引方案独立于底层DHT实现,因为PHT依赖于基本把()和得到任何DHT()提供的原语。的DHT用于这项工作已经从头设计和开发基于Kademlia规范(20.]。此外,我们的DHT实现支持数据复制和版本控制。每个数据条目的副本中维护DHT网络的节点,在那里可以配置。复制需要提高可用性和容错,虽然介绍威胁存储数据的一致性。我们的系统实现了最终一致性的方法处理给定数据项的多个版本。冲突带来的存在多个版本的系统中的一个数据项在同一时间处理和解决使用向量时钟(43]。一个向量时钟是一个元组列表(节点地址计数器),并且每个版本的对象有一个向量时钟分配。向量时钟可以分析推断两个事件之间的因果关系(即。,different versions of the same object) and thus to decide if two versions of the same object are on parallel versioning branches (i.e., they are conflicting resources). When a versioning conflict is detected, the two resources are reconciled. In the current implementation, a basic reconciliation mechanism is implemented by merging the conflicting versions.

5。实验

我们执行一组实验的活动在一个参考场景在多式联运货物追踪和跟踪链。

在这个参考场景中,几种类型的演员,如图5:多式联运操作符、道路运输经营者、航运公司、联运码头运营商和客户(发件人和收件人)。这些演员通常与追踪和跟踪服务查询或插入新信息的地位和位置监控好物品。此外,还机构演员(如港口当局,海关系统,等等)和第三方(如银行、保险公司)可以查询货物运输信息(44]。

在这个场景中,我们定义一组属性,除了商品项标识符(即。,the EPC number), that can usefully characterize the information acquired and stored during the steps of the transport route and that can be used to ease information retrieval tasks for different application purposes.(我)离开纬度;(2)离开经度;(3)到达纬度;(iv)经度到来;(v)货物类型(例如,危险货物分类代码)。

我们的解决方案不授权任何特定对象标识符模式。这个实验活动,我们选择了EPC - 64编号方案(一个EPC代码编码为64位的序列)。纬度和经度坐标可以编码成一个序列的每个(40位45]。商品属性的类型,我们采用联合国危险货物分类模式,4位数字组成,在16位编码。随着线性化技术应用到序列的长度相等,零位的短序列填充在左边,这样他们有相同的长度越长序列(即。,64位EPC代码)。结果PHT关键因此384位长。

每个键的信息记录存储是一个元组列表(URL,时间戳),网址是指信息存储库存储目标对象的信息,和时间戳标记时记录被插入到系统中。事实上,在一个对象生命周期,一些信息存储库由不同的演员可以关联对象的标识符。

API暴露在客户端应用程序可以支持以下操作。(我)插入一个新对象:客户端提供所选六个属性的值。这些值由系统生成相应的处理PHT关键。系统插入PHT trie-based的关键结构和相关的信息(URL和时间戳)在底层DHT节点。(2)添加/删除对象相关联的信息记录:系统使用PHT键与对象相关定位记录存储在DHT和更新他们的信息添加/删除给定的记录。(3)检索记录的信息对于一个给定的对象:与提供相关系统使用PHT键查询输入参数来定位DHT节点和检索存储的信息记录。(iv)检索的信息记录为一组对象满足一系列查询(一组)属性:系统利用trie-based结构检索PHT键查询范围内和收集相关的信息对象检索对象。

我们执行一组测试活动为了分析PHT的结构特性和性能。我们的测试活动的对象是PHT覆盖,而不是底层的DHT实现,因此我们采用的测试方法提出41]。我们使用DHT网络20节点上运行的两个物理主机连接在局域网环境。因为性能测量的DHT操作,我们可以从网络抽象特征。

分析的结构属性PHT索引方案,我们通过计算模拟进行了一系列实验。我们采用两个指标:平均单词查找树的叶子深度和块利用率、平均数量的比值来计算元素存储在叶子节点块的价值,也就是钥匙的最大数量,可以存储在一个节点(41]。我们测量这些属性的数据集大小逐渐增加(20000键)填充随机生成密钥。

图6表明叶节点的平均深度随块大小。节点的平均深度减少对数增加的块大小。这是由于这样的事实,增加的值(块大小)包含更多的钥匙,从而导致叶子那么有深度trie结构。叶节点平均深度的增加和数据集的大小。图6显示了数据集的平均深度测量大小为90 kB、400 kB、600 kB、1 MB。这种行为类似于观察到的其他over-DHT索引方法(41,46]。

如图7展品,块利用率波动行为随着块大小的增加。桶利用显示完整的叶子节点对的最大允许块大小。特别是对于小数据集(90 kB和600 kB),块利用价值波动随着块大小的增加。随着数据集的大小增加,块与块大小利用率往往会增加。这些结果可以在文献中几乎没有与其他方法相比,由于这个结构属性的行为可能随数据集分布的类型(46]。

我们测量在PHT插入和查找操作的性能通过分析访问底层DHT的数量用于调用get()和put()操作。我们与200000年PHT派生密钥填充,我们测量的数量DHT的操作进行每一层的PHT单词查找树插入一组1000均匀分布的钥匙。如图8,结果表明,高水平的单词查找树很少访问,由于采用二叉搜索方法。然后,我们执行一组范围查询操作在一个200000人口的密钥存储在PHT。对于每次迭代,我们不同查询的范围跨度(从更广泛的范围内常见的前缀零长度的精确匹配查询)。再一次,结果表明,该工作负载的访问到DHT很少影响单词查找树的根(图9)。

根据这些测试结果,我们的系统行为类似地其他over-DHT索引方法(41,46]。Overlay-dependent索引方案可以实现更有效的机制来处理复杂的查询,因为他们也可以修改底层的路由机制,如汞(38]。然而,他们通常要求更高的复杂性的设计、开发和维护(46]。

6。结论

在本文中,我们提出了一个基于p2p覆盖网络的分布式服务发现物联网场景。对现有方法实现一个基于物联网和发现服务,特别是对于基于rfid场景,我们最初的贡献在于支持更复杂的查询,也就是说,多属性范围查询。

我们的设计方法是基于采用一个over-DHT索引方案,从而缓解分层的功能体系结构的设计。更具体地说,我们发现系统设计由以下层:(a)一个证监会多维域映射到一个一维的线性化技术,(b) PHT搜索结构利用通用DHT get / put接口,(c)基于Kademlia DHT的实现算法。尽管overlay-dependent索引方案可以更高效的处理复杂的查询,他们通常要求更高的复杂性的设计、开发和维护(46]。相反,我们的分层解决方案易于设计和实现的特权。

我们实现了一个概念验证参考应用程序场景中危险货物监控。我们因此报道结果通过实验活动关于结构属性和查询性能在一个在实验室测试配置。更广泛的测试活动计划在不久的将来。为了这个目的,我们正在评估的可能性,利用所提供的功能,我想,这是一个大规模的分布式测试平台(47]。

未来的研究活动也将致力于开展案例研究危险货物监督在一个研究项目(SITMAR研究项目),由意大利经济发展部。为了这个目的,我们还将深入研究安全问题,从安全通信交互双方之间的信任。

承认

作者感谢卢卡先生Capannesi佛罗伦萨大学的技术支持。