本書基于作者近幾年來的研究開發成果及應用實踐，對物聯網大數據技術體系進行了系統歸納，闡述了物聯網環境下感知數據的特性、數據模型、事務模型以及調度處理方法等核心概念及關鍵技術，并對物聯網大數據存儲、管理、計算與分析的基本概念和關鍵技術進行了剖析。本書還介紹了自行研發的面向物聯網的ChinDB實時感知數據庫系統以及針對云計算環境下物聯網大數據管理與應用的DeCloud云平臺，介紹了它們在智能交通、智能電廠、教育、安全監控等多個行業的應用。書中所有實例，均來自作者所在團隊的實際應用，大部分在物聯網項目中得到了實踐應用。本書對物聯網應用的開發以及兩化融合、工業4.0環境下的大數據處理分析具有重要參考價值。
王桂玲，女，1978年生。2007年7月于清華大學計算機科學與技術系獲計算機科學與技術工學博士學位。2007年7月至2012年1月先后在中國科學院計算技術研究所從事博士后、助理研究員工作。2012年1月起在北方工業大學信息工程學院云計算中心工作。目前研究領域為服務計算、云計算等。曾承擔或參與多項國家自然基金（含重點基金）、973課題、核高基、以及業界合作項目。目前在JCST、計算機學報、WWW、SCC等高水平國內外學術會議及刊物上發表論文30余篇，專著2本，獲得軟件登記4項，專利授權1項，受理專利3項。曾獲中科院計算所優秀研究人員稱號、中科院計算所網絡重點實驗室優秀員工稱號等獎勵。擔任SOCA'10、SOCA'09、SCDI'12等國際會議PC Member，擔任國內多家學術刊物論文評審。
第1篇 緣起與發展趨勢篇
第1章 物聯網與產業發展 3
1．1 物聯網產業的發展 3
1．1．1 傳感器與智能硬件 4
1．1．2 物聯網服務平臺 5
1．1．3 工業4．0與CPS 5
1．2 物聯網與大數據 7
1．3 物聯網產業的機遇與挑戰 9
1．3．1 物聯網產業面臨的挑戰 9
1．3．2 物聯網操作系統與數據庫 10
1．3．3 物聯網大數據處理與應用 11
第2章 大數據處理技術的發展 12
2．1 大數據存儲和管理技術 12
2．1．1 面向大數據的文件系統 13
2．1．2 面向大數據的數據庫系統 15
2．2 大數據計算技術 19
2．2．1 批處理計算模式 19
2．2．2 交互式查詢計算模式 20
2．2．3 流處理計算模式 21
2．2．4 大數據實時處理的架構：Lamda架構 23
2．3 大數據分析技術 24
2．3．1 傳統結構化數據分析 26
2．3．2 文本數據分析 26
2．3．3 多媒體數據分析 27
2．3．4 社交網絡數據分析 27
2．3．5 物聯網傳感數據分析 28
2．3．6 大數據分析技術的發展趨勢 28
第2篇 技術解析篇
第3章 物聯網大數據技術體系 31
3．1 物聯網中的大數據挑戰 31
3．1．1 互聯網大數據的特征 31
3．1．2 物聯網大數據的特征 34
3．2 技術體系 37
3．2．1 感知數據采集與傳輸 38
3．2．2 感知數據管理與實時計算 41
3．2．3 物聯網平臺與大數據中心 42
第4章 感知數據特性與模型 44
4．1 感知數據的特性分析 44
4．1．1 常用的感知數據類型 44
4．1．2 感知數據的主要特征 46
4．2 感知數據的表示與組織 49
4．2．1 物聯網數據模型 49
4．2．2 時態對象模型 51
4．3 感知數據庫的定位 52
4．3．1 感知數據庫的定位 52
4．3．2 感知數據庫的特征 53
4．4 感知數據庫與傳統數據庫 53
4．4．1 感知數據庫與關系數據庫 53
4．4．2 感知數據庫與實時數據庫系統 54
4．4．3 感知數據庫與工廠數據庫系統 55
4．4．4 感知數據庫與流數據處理系統 55
第5章 感知數據庫管理系統 57
5．1 感知數據庫的總體設計 57
5．1．1 總體設計的主要原則 57
5．1．2 感知數據庫的設計框架 58
5．2 感知數據庫的分布部署體系 62
5．2．1 系統的集群部署模式 62
5．2．2 多層級的系統部署體系 64
5．2．3 服務分布的部署體系 66
5．3 感知數據庫中的關鍵技術 67
5．3．1 智能設備及傳感器接口技術 67
5．3．2 流數據實時在線處理技術 68
5．3．3 事件驅動的高效處理機制 69
5．3．4 感知數據的壓縮存儲技術 75
第6章 實時事務調度處理技術 79
6．1 常見事務特性分析 79
6．1．1 感知事務 80
6．1．2 觸發事務 80
6．1．3 用戶事務 81
6．2 事務調度與并發控制 81
6．2．1 事務的調度方法 81
6．2．2 并發控制策略 82
6．3 服務器與操作系統 83
6．3．1 服務器體系結構與發展 83
6．3．2 操作系統的多任務機制 87
6．4 事務的執行框架與模式 90
6．4．1 通用系統模型與調度方法 91
6．4．2 事務處理框架的設計模式 91
6．5 系統框架的分析與性能優化 94
第7章 物聯網大數據存儲與管理 97
7．1 云文件系統的關鍵技術 99
7．1．1 HDFS的目標和基本假設條件 99
7．1．2 HDFS體系架構 100
7．1．3 性能保障 102
7．2 NoSQL數據庫關鍵技術 106
7．2．1 NoSQL數據庫概述 106
7．2．2 基于NoSQL數據庫的物聯網大數據存儲與管理 118
第8章 物聯網大數據計算與分析 123
8．1 物聯網大數據批處理計算 123
8．1．1 MapReduce的設計思想 124
8．1．2 MapReduce的工作機制 126
8．1．3 MapReduce在物聯網大數據中的應用 128
8．2 物聯網大數據交互式查詢 130
8．2．1 原生SQL on HBase 131
8．2．2 SQL on Hadoop 132
8．2．3 基于HBase的交互式查詢 133
8．3 物聯網大數據流式計算 134
8．3．1 流式計算的需求特點 134
8．3．2 流數據基本概念 135
8．3．3 流數據查詢操作 140
8．3．4 流數據定制化服務 142
8．3．5 評測基準 145
8．3．6 Spark Streaming及其在物聯網大數據中的應用 146
8．4 物聯網大數據分析 150
8．4．1 物聯網大數據OLAP多維分析 151
8．4．2 物聯網大數據深層次分析 157
第3篇 產品研發篇
第9章 物聯網網關CubeOne 175
9．1 工業物聯網網關 175
9．1．1 CubeOne產品概述 175
9．1．2 CubeOne功能特點 176
9．1．3 CubeOne的應用領域 178
9．2 無線傳感器網絡網關 178
9．2．1 無線傳感器網絡概述 178
9．2．2 ZigBee-WiFi網關 180
9．2．3 ZigBee網絡應用案例 182
第10章 ChinDB感知數據庫系統 185
10．1 ChinDB系統概述 185
10．2 ChinDB組成與功能特點 186
10．3 ChinDB數據組織管理 188
10．3．1 標簽點及其屬性 188
10．3．2 標簽點的組織方式 189
10．3．3 關系數據管理 190
10．3．4 歷史數據管理 190
10．4 ECA規則與實時計算 191
10．5 ChinDB的HA方案 192
10．5．1 HA概述及模式分類 192
10．5．2 ChinDB HA的部署模式 193
10．6 物聯網應用平臺 195
10．6．1 物聯網平臺概述 195
10．6．2 平臺主要特點 196
10．6．3 應用領域與應用案例 198
第11章 DeCloud物聯大數據云平臺 202
11．1 DeCloud組成 202
11．1．1 軟件概述 202
11．1．2 通信服務 204
11．1．3 計算服務 206
11．1．4 存儲服務 207
11．1．5 數據發布/訂閱服務 208
11．2 DeCloud在智能交通領域的應用 209
11．3 DeCloud在教育物聯網云服務平臺中的應用 215
11．4 DeCloud在電廠設備故障預警的應用 218
11．5 DeCloud在電梯安全監控中的應用 222
11．6 DeCloud在高精度位置服務中的應用 225
總結與展望
新書資訊