Σχολή Θετικών Επιστημών και Τεχνολογίας Μεταπτυχιακό πρόγραμμα σπουδών
«Συστήματα Κινητού και Διάχυτου Υπολογισμού»
Διπλωματική Εργασία:
«Big Data Analytics over 5g Networks»
Ιωάννης Β. Γιακουμής
Επιβλέπων καθηγητής: Δρ. Κωνσταντίνος Ψάννης
Αθήνα, Ιούνιος 2021
Η παρούσα εργασία αποτελεί πνευματική ιδιοκτησία του φοιτητή Ιωάννη Γιακουμή που την εκπόνησε. Στο πλαίσιο της πολιτικής ανοικτής πρόσβασης ο συγγραφέας/δημιουργός εκχωρεί στο ΕΑΠ, μη αποκλειστική άδεια χρήσης του δικαιώματος αναπαραγωγής, προσαρμογής, δημόσιου δανεισμού, παρουσίασης στο κοινό και ψηφιακής διάχυσής τους διεθνώς, σε ηλεκτρονική μορφή και σε οποιοδήποτε μέσο, για διδακτικούς και ερευνητικούς σκοπούς, άνευ ανταλλάγματος και για όλο το χρόνο διάρκειας των δικαιωμάτων πνευματικής ιδιοκτησίας. Η ανοικτή πρόσβαση στο πλήρες κείμενο για μελέτη και ανάγνωση δεν σημαίνει καθ’
οιονδήποτε τρόπο παραχώρηση δικαιωμάτων διανοητικής ιδιοκτησίας του συγγραφέα/δημιουργού ούτε επιτρέπει την αναπαραγωγή, αναδημοσίευση, αντιγραφή, αποθήκευση, πώληση, εμπορική χρήση, μετάδοση, διανομή, έκδοση, εκτέλεση, «μεταφόρτωση» (downloading), «ανάρτηση» (uploading), μετάφραση, τροποποίηση με οποιονδήποτε τρόπο, τμηματικά ή περιληπτικά της εργασίας, χωρίς τη ρητή προηγούμενη έγγραφη συναίνεση του συγγραφέα/δημιουργού. Ο συγγραφέας/δημιουργός διατηρεί το σύνολο των ηθικών και περιουσιακών του δικαιωμάτων.
«Big Data Analytics over 5g Networks»
Ιωάννης Β. Γιακουμής
Επιτροπή Επίβλεψης Διπλωματικής Εργασίας Επιβλέπων Καθηγητής:
«Δρ. Κωνσταντίνος Ψάννης»
Πανεπιστήμιο Μακεδονίας
Συν-Επιβλέπων Καθηγητής:
«Δρ. Περικλής Χατζημίσιος»
Διεθνές Πανεπιστήμιο της Ελλάδος (ΔΙ.ΠΑ.Ε.)
Αθήνα, Ιούνιος 2021
Η διπλωματική εργασία μου είναι αφιερωμένη:
στην μνήμη του Γιώργου
στη Φωτεινή Παναγιωτοπούλου για την αμέριστη συμπαράσταση και κατανόηση στον Κωνσταντίνο Πιπερόπουλο για την πολύτιμη βοήθεια του
στον Κωνσταντίνο Καρδαμάκη για την επίσης πολύτιμη βοήθεια του στον Δρ. Ψαννη που ανέδειξε την έννοια της λέξης Διδάκτωρ
Περίληψη
Τα τελευταία χρόνια παρατηρείται μία άνθηση των ασύρματων τεχνολογιών σε πολλούς τομείς της καθημερινότητας. Στα πλαίσια των ασύρματων τεχνολογιών η τεχνολογία ασύρματων δικτύων 5G σε συνδυασμό με το Διαδίκτυο των Πραγμάτων (ΙοΤ) και τα μεγάλα δεδομένα (Big Data) που παράγονται από αυτό, αποτελούν πρόκληση και ενδιαφέρον θέμα για περαιτέρω έρευνα. Τα μεγάλα δεδομένα που προκύπτουν απαιτούν γρήγορη μετάδοση μέσω δικτύων στο Cloud, επεξεργασία και πιθανή μετάδοση προς τα πίσω των αποτελεσμάτων. Περαιτέρω τα δίκτυα απαιτούν εξοικονόμηση πόρων και χωρητικότητας. Ακόμη περισσότερο το Διαδίκτυο των Πραγματων απαιτεί άμεση απόκριση αποτελεσμάτων μαζί με εξοικονόμηση ισχύος.
Στο πεδίο της γρήγορης μετάδοσης συμβάλλουν σημαντικά τεχνολογίες που έχουν αναπτυχθεί για τα ασύρματα δίκτυα 5ης Γενιάς όπως η τεχνολογία Millimeter Wave (mmWave), Massive MIMO κ.α. καθώς και τα πρωτόκολλα δρομολόγησης που έχουν αναπτυχθεί για την μετάδοση δεδομένων στο Cloud.
Στο πεδίο της εξοικονόμησης πόρων και χωρητικότητας δικτύου σημαντικό ρόλο έχουν τεχνολογίες όπως Software Defined Network (SDN), Network Function Virtualization (NFV), C-RAN (Centralized Radio Access Network), Τεμαχισμού Δικτύου (Slicing Network), οι οποίες προσαρμόζουν τους πόρους των δικτύων στις εκάστοτε απαιτήσεις των χρηστών, προκειμένου να διασφαλιστούν τα παραπάνω.
Τέλος στο πεδίο άμεσης απόκρισης αποτελεσμάτων μαζί με την εξοικονόμηση ισχύος για το διαδίκτυο των πραγμάτων, τεχνολογίες όπως Edge Computing κ.λ.π. σε συνδυασμό με τα πρωτόκολλα δρομολόγησης επιφέρουν τα επιθυμητά αποτελέσματα.
Στην παρούσα εργασία γίνεται μία προσπάθεια ανάλυσης, ενοποίησης των τεχνολογιών που αναφέρθηκαν παραπάνω καθώς και μία συγκριτική ανάλυση ερευνών που έχουν γίνει.
Λέξεις – Κλειδιά
5G, Μεγάλα Δεδομένα, Νέφος, Πρωτόκολλα,Διαδίκτυο των Πραγματων
«Big Data Analytics over 5g Networks»
«John Giakoumis»
Abstract
In the last few years, there has been an increase in the use of wireless technologies within many aspects of everyday living. In the field of wireless technologies, 5G technology in combination with the Internet of Things (IoT) and Big Data derived from it, constitute a challenging and interesting topic which merits further researsh. Big Data require fast transmission between networks in the Cloud, processing and possibly backwards transmission of the results of processing. Furthermore, such networks require efficient energy consumption and bandwidth. It is especially the IoT that requires immediate response of results (feedback) while simultaneously efficient energy consumption.
In the field of short latency delay transimission, the contribution of technologies like Millimeter Wave (mmWave) and Massive MIMO which were developed for the new generation of wireless 5G networks as well as routing protocols which aim for fast data transfer in the Cloud is significant.
In the field of efficient energy consumption and bandwidth, technologies such as Software Defined Network (SDN), Network Function Virtualization (NFV), C-RAN (Centralized Radio Access Network) and Slicing Network have an important role as they adapt the networks recources to the various user requirements, in order to ensure the aforementioned goals.
Lastly, in the field of immediate response of results (feedback), together with efficient energy consumption for the Internet of Things (IoT), technologies like Edge Computing etc, in combination with routing protocols, bring about the desirable results.
In this project, an effort to examine and unify the aforementioned technologies as well as to comparatively analyse relevant research is made.
Keywords
5G, Big Data, Cloud, Protocols, IoT
Περίληψη ... v
Abstract... vi
Κατάλογος Εικόνων / Σχημάτων ... x
Κατάλογος Πινάκων ... xi
Συντομογραφίες & Ακρωνύμια ... xii
1. Το Διαδίκτυο των Πραγμάτων (IoT) ...1
1.1 Εισαγωγή ...1
1.2 Αρχιτεκτονική ΙοΤ ...2
1.2.1 Αρχιτεκτονική Τριών & Πέντε Επιπέδων ...2
1.3 Μοντέλα Επικοινωνίας ΙοΤ ...4
1.4 Χαρακτηριστικά και απαιτήσεις ΙοΤ ...5
1.5 Εφαρμογές ΙοΤ ...8
1.6 IoT και Μεγάλα Δεδομένα (Big Data) ...11
2 Μεγάλα Δεδομένα (Big Data) ...13
2.1 Εισαγωγή ...13
2.2 Χαρακτηριστικά Big Data ...15
2.3 Τεχνολογία Cloud & μοντέλα Υπηρεσιών. ...17
2.4 Χαρακτηριστικά Cloud Computing. ...19
2.5 Mobile Cloud Computing. ...21
3 Δίκτυα ...23
3.1 Εισαγωγή ...23
3.2 Είδη Δικτύων ...23
3.2.1 Δίκτυα με βάση την γεωγραφική κατανομή ...23
3.2.2 Δίκτυα με βάση τα μέσα μετάδοσης...24
3.2.3 Δίκτυα με βάση τον φορέα εξυπηρέτησης...25
3.3 Τοπολογίες δικτύων ...26
4 Πρωτόκολλα Επικοινωνίας...31
4.1 Εισαγωγή ...31
4.2 Κατηγοριοποίηση Πρωτοκόλλων ...31
4.2.1 Πρωτόκολλα σε IP δίκτυα ...31
4.2.2 Χαρακτηριστικά και Μετρικές Πρωτοκόλλων ...34
4.2.3 Ανάλυση Πρωτοκόλλων ...36
4.2.3.1 Πρωτόκολλο RIP ...36
4.2.3.2 Πρωτόκολλο EIGRP ...36
4.2.3.3 Πρωτόκολλο OSPF ...37
4.2.4 Πρωτόκολλα επικοινωνίας στο IoT...37
4.2.4.1 Επίπεδο Σύνδεσης ...38
4.2.4.2 Επίπεδο Δικτύου...45
4.2.4.3 Επίπεδο Μεταφοράς ...53
4.2.4.4 Επίπεδο Εφαρμογής ...54
5 Ασύρματα Δίκτυα 5G ...59
5.1 Εισαγωγή ...59
5.2 Απαιτήσεις Ασύρματων δικτύων 5G ...59
5.3 Τεχνολογίες 5G ...61
5.3.1 Τεχνολογία Millimeter Wave (mmWave) ...61
5.3.2 Τεχνολογία Massive MIMO ...61
5.3.3 Τεχνολογία Software Defined Network (SDN) ...62
5.3.4 Τεχνολογία Network Function Virtualization (NFV) ...65
5.3.5 Τεχνολογία Edge computing ...67
5.3.6 Τεχνολογία C-RAN (Centralized Radio Access Network) ...69
5.3.7 Τεχνολογία Τεμαχισμού Δικτύου (Slicing Network)...71
6 Ανάλυση Πρωτοκόλλων ...74
6.1 Εισαγωγή ...74
6.2 Έρευνες και αποτελέσματα. ...74
6.2.1 Πρωτόκολλα RIP, OSFP & EIGRP ...75
6.2.2 Πρωτόκολλα IoT ...78
6.2.2.1 Πρωτόκολλα μικρής εμβέλειας (short range protocols) ...78
6.2.2.2 Πρωτόκολλα χαμηλής κατανάλωσης και ευρείας περιοχής δικτύου ...83
6.2.2.3 Πρωτόκολλα Επιπέδου Εφαρμογής ...88
7 Περιπτώσεις Χρήσης ...91
7.1 Ένοποίηση Τεχνολογιών ...91
7.2 Κατηγοριοποίηση Περιπτώσεων Χρήσης...93
7.3 Επιλογή Τεχνολογιών & Πρωτοκόλλων ανά Περίπτωση Χρήσης ...93
8 Συμπεράσματα -Προτάσεις...96
Βιβλιογραφία ...97
Κατάλογος Εικόνων / Σχημάτων
Εικόνα 1 Αρχιτεκτονική του IoT. ...3
Εικόνα 2: Τα χαρακτηριστικά επικοινωνίας σε περιβάλλον ΙοΤ.. ...5
Εικόνα 3:Εφαρμογές – Περιπτώσεις Χρήσης IoT...10
Εικόνα 4:Μοντέλο ανάπτυξης cloud ...17
Εικόνα 5:Τοπολογίες δικτύων ...26
Εικόνα 6:Τοπολογία Πλέγματος ...27
Εικόνα 7: ad hoc ...29
Εικόνα 8: Infrastructure Mode...30
Εικόνα 9: Τύποι Πρωτοκόλλων Δρομολόγησης ...32
Εικόνα 10: Παράδειγμα εύρεσης μικρότερης διαδρομής ...34
Εικόνα 11: Ένα WirelessHART δίκτυο . ...41
Εικόνα 12: Αρχιτεκτονική LTE-A . ...43
Εικόνα 13: ΑIP Network over 6LoWPAN. ...48
Εικόνα 14: Βασική Αρχιτεκτονική SigFox ...51
Εικόνα 15: Βασική Αρχιτεκτονική NBIoT ...52
Εικόνα 16: AMQP Αρχιτεκτονική. ...55
Εικόνα 17: Λειτουργία XMPP. ...56
Εικόνα 18: MQΤΤ Αρχιτεκτονική . ...57
Εικόνα 19: Σενάρια Χρήσης της ΙΜΤ για το 2020 και μετά . ...60
Εικόνα 20 : Κλασσική Αρχιτεκτονική & Αρχιτεκτονική SDN δικτύων. ...63
Εικόνα 21: SDN Αρχιτεκτονική ...64
Εικόνα 22: Αρχιτεκτονική τεχνολογίας VNF ...66
Εικόνα 23: Βασική Αρχιτεκτονική Edge Computing ...68
Εικόνα 24: Τυπική Αρχιτεκτονική Edge Computing. ...68
Εικόνα 25: Κλασσική Τεχνολογία RAN ...70
Εικόνα 26: Τεχνολογία C-RAN ...70
Εικόνα 27: Παράδειγμα τεμαχισμού δικτύου ...72
Εικόνα 28: Internet of what Things. ...74
Εικόνα 29: IoT Πρωτόκολλα . ...78
Εικόνα 30: Πλεονεκτήματα των Sigfox, LoRa και NB-IoTin στα πλαίσια του IoT.. ...83
Εικόνα 31: Σύγκριση στα πλαίσια του IoT.. ...87
Εικόνα 32: Σύγκριση Πρωτοκόλλων Επιπέδου Εφαρμογής...88
Εικόνα 33:Αρχιτεκτονική ΙοΤ & 5G. ...91
Κατάλογος Πινάκων
Πίνακας 1: ΙοΤ Γενικές Απαιτήσεις. ...7
Πίνακας 2: ΙοΤ Χαρακτηριστικά Επικοινωνίας. ...7
Πίνακας 3: Survey of existing definitions of Big Data. ...14
Πίνακας 4: Σύγκριση δικτύων 4G και 5G ...60
Πίνακας 5: Σύγκριση Ασύρματων Τεχνολογιών για Αυτοματισμούς Σπιτιών...80
Πίνακας 6: Διαφορετικά κόστη των Sigfox, LoRa, και NB-IoT. ...85
Πίνακας 7: Οι κύριες τεχνικές προδιαγραφές των τεχνολογιών LoRaWAN, Sigfox, NB- IoT και LTE-M . ...86
Συντομογραφίες & Ακρωνύμια
IoT Internet Of Things
RFID Radio Frequency Identification CoAP Cconstrained Application Protocol, D2A Device-to-Application
D2C Device-to-Cloud D2D Device-to-Device D2G Device-to-Gateway IP Internet Protocol
MQTT Message Queuing Telemetry Transport QoS Quality of Service
SaaS Software as-a-Service PaaS Platform as-a-service IaaS Infrastructure as-a-service LAN Local Area Networks
MAN Metropolitan Area Networks WAN Wide Area Networks
AP Access Point
RIP Routing Information Protocol
EIGRP Enhanced Interior Gateway Routing Protocol OSFP Open Shortest Path First
EGP Exterior Gateway Protocol BGP Border Gateway Protocol LSA Link State Advertisement LSP Link State PDU
LSDB Link-State-Database SPF Shortest Path First
DUAL Diffusing Update Algorithm
WiMAX Worldwide Interoperability for Microwave Access LoS Line-of-Sight
ΒLE Bluetooth Low Energy
LR-WPAN (Low-Rate Wireless Personal Area Networks
WSNs Wireless Sensor Networks TDMA Time Division Multiple Access NFC Near Field Communication RF Radio Frequency
CN Core Network
LTE-A Long-Term Evolution Advanced
OFDMA Orthogonal Frequency Division Multiple Access RAN Radio Access Network
RPL Routing Protocol for Low-Power and Lossy Networks) LLNs Low Power and Lossy Networks
DODAG Destination Oriented Directed Acyclic Graph DIO DODAG Information Object
DIS DODAG Information Solicitation ACK Acknowledgment signal
NUD Neighbor Unreachability Detection
6LoWPAN IPv6 over Low -Power Wireless Personal Area Networks IETF Internet Engineering Task Force
6TISCH IPv6 over theTSCH mode of IEEE802.15.4e TSCH timed-slotted channel hopping
D-BPSK Differential Binary Phase-Shift Keying UNB (Ultra-Narrow Band
SDR Software Defined Radio M2M Machine to Machine
TCP Transmission Control Protocol UDP User Datagram Protocol HTTP Hypertext Transfer Protocol
AMQP Advanced Message Queuing Protocol
TLS / SSL Transport Layer Security/ Secure Sockets Layer XMPP Extensible Messaging and Presence Protocol XML eXtensible Markup Language
IM Instant Messaging
MQTT Message Queue Telemetry Transport CoAP Constrained Application Protocol DDS Data Distribution Service
ITU-R International Telecommunication Union- Radiocommunication eMBB Enhanced Mobile Broadband
uRLLC ultra-Reliable and Low Latency Communications mMTC massive Machine Type Communications–
mmWave Millimeter Wave
MU-MIMO Multi User- Multiple-Input Multiple-Output MIMO Multiple-Input Multiple-Output
QoE Quality of Experience SDN Software Defined Network
IDS / IPS Intrusion Detection Systems/ Intrusion Prevention systems NFV Network Function Virtualization
APIs Application Programming Interfaces
NFVI Network Function Virtualization Infrastructure VNFs Virtual Network Functions
VNF/EMS Virtual Network Functions/Element Management Systems MEC Mobile Edge Computing
C-RAN Centralized Radio Access Network RRHs Remote Radio Heads
BBU BaseBand Units
MSC Mobile Switching Center CPU Central Processing Unit
CSMA / CA Carrier-Sense Multiple Access with Collision Avoidance LTE-M Long Term Evolution Machine Type
MCC Mobile Cloud Computing
1. Το Διαδίκτυο των Πραγμάτων (IoT)
1.1 Εισαγωγή
O όρος Διαδίκτυο των πραγμάτων (Internet Of Things) χρησιμοποιήθηκε για πρώτη φορά από τον Kevin Ashton περιγράφοντας ένα σύστημα στο οποίο τα αντικείμενα του φυσικού κόσμου θα μπορούσαν να συνδεθούν με το Internet μέσω αισθητήρων χρησιμοποιώντας ταυτοποίηση με τεχνολογία ραδιοσυχνοτήτων RFID (Radio Frequency Identification).
Μέχρι σήμερα δεν υπάρχει διαθέσιμος μοναδικός ορισμός για το Internet of Things που να είναι αποδεκτός από την παγκόσμια κοινότητα των χρηστών. Αυτό που έχουν κοινό όλοι οι ορισμοί είναι η ιδέα ότι η πρώτη έκδοση του Διαδικτύου αφορούσε τα δεδομένα που δημιουργήθηκαν από ανθρώπους, ενώ η επόμενη έκδοση αφορά τα δεδομένα που δημιουργήθηκαν από πράγματα. Ο καλύτερος ορισμός για το Διαδίκτυο των πραγμάτων θα ήταν:
"Ένα ανοιχτό και ολοκληρωμένο δίκτυο ευφυών αντικειμένων που έχουν την ικανότητα να οργανώνουν αυτόματα, να μοιράζονται πληροφορίες, δεδομένα και πόρους, να αντιδρούν και να ενεργούν όταν αντιμετωπίζουν καταστάσεις και αλλαγές στο περιβάλλον" [1].
Το Διαδίκτυο των Πραγμάτων ήταν μια εξέλιξη του τρέχοντος Διαδικτύου σε ένα δίκτυο διασυνδεδεμένων αντικειμένων που όχι μόνο συλλέγει πληροφορίες από το περιβάλλον (ανίχνευση) και αλληλεπιδρά με τον φυσικό κόσμο (ενεργοποίηση / εντολή / έλεγχος), αλλά χρησιμοποιεί επίσης τα υπάρχοντα πρότυπα Διαδικτύου για την παροχή υπηρεσιών μεταφοράς πληροφοριών, αναλυτικών στοιχείων, εφαρμογών, και επικοινωνίες.
Τροφοδοτείται από τον ψηφιοποίηση συσκευών που ενεργοποιούνται από ανοιχτή ασύρματη τεχνολογία όπως Bluetooth, αναγνώριση ραδιοσυχνοτήτων (RFID), WiFi και υπηρεσίες τηλεφωνικών δεδομένων, καθώς και ενσωματωμένους αισθητήρες και κόμβους ενεργοποιητή, το IoT δεν βρίσκεται πλέον στα όρια της φαντασίας και βρίσκεται στο χείλος μετασχηματισμού του τρέχοντος στατικού Διαδικτύου σε ένα πλήρως ενσωματωμένο μελλοντικό Διαδίκτυο [2].
1.2 Αρχιτεκτονική ΙοΤ
Tο Διαδίκτυο των πραγμάτων παρέχει συναρπαστικές λύσεις στα περισσότερα προβλήματα που αντιμετωπίζουν οι άνθρωποι στην καθημερινότητα. Η προσέγγιση της επίτευξης μιας λύσης βασίζεται στον τρόπο με τον οποίο τα στοιχεία της τεχνολογίας πληροφοριών ενσωματώθηκαν με συσκευές επικοινωνίας με την καλύτερη σύγκλιση υλικού και λογισμικού. Εδώ στο IoT, τα στοιχεία του λογισμικού και του υλικού λειτουργούν και λειτουργούν αμοιβαία με τις γνώσεις που βασίζονται στα αποτελέσματα ή τις προτεραιότητες που δίνονται από τον ιδιοκτήτη που αναζητά τη λύση. Εν συντομία, το καθορισμένο από το λογισμικό σύστημα υλικού βοηθά στην επεξεργασία των ανεπεξέργαστων πληροφοριών σε επεξεργασμένα δεδομένα, από όπου γίνεται η αποθήκευση, η ανάκτηση και η ανάλυση δεδομένων χρησιμοποιώντας προηγμένα υπολογιστικά εργαλεία που είναι ενσωματωμένα στο σύστημα IoT. Τα συστήματα επικοινωνίας βοηθούν στην παροχή των καναλιών επικοινωνίας και επιτρέπουν πρωτόκολλα μεταξύ των αντικειμένων ή των πραγμάτων ή κάθε συστατικού του IoT. Η καλύτερη, γρήγορη, αξιόπιστη και ασφαλής σύγκλιση της τεχνολογίας πληροφοριών και επικοινωνιών θα συμβεί μόνο όταν δημιουργηθεί ένα αποτελεσματικό επίπεδο αρχιτεκτονικής IoT. Αυτά τα επίπεδα αρχιτεκτονικής θα ποικίλουν ανάλογα με τις απαιτήσεις και τις εργασίες που πρέπει να χειριστείτε. Ωστόσο, διαφορετικοί ερευνητές έχουν προτείνει διαφορετικές αρχιτεκτονικές που έχουν ως εξής. Αυτή η ενότητα παρέχει την επισκόπηση των ευρέως συμφωνημένων και αποδεκτή αρχιτεκτονική του IoT.
Ωστόσο δεν υπάρχει μια καθολική και ενιαία αρχιτεκτονική για το IoT, αλλά έχουν προταθεί διάφορες μορφές αρχιτεκτονικών καλύπτοντας διαφορετικά επίπεδα.
1.2.1 Αρχιτεκτονική Τριών & Πέντε Επιπέδων
Η πιο βασική αρχιτεκτονική είναι η αρχιτεκτονική τριών επιπέδων. Απαρτίζεται από τα επίπεδα της αντίληψης, του δικτύου και της εφαρμογής (Εικόνα 1).
• Επίπεδο Αντίληψης (Perception Layer).
Ουσιαστικά πρόκειται για το φυσικό στρώμα, και περιλαμβάνει τους αισθητήρες που ανιχνεύουν & συγκεντρώνουν την απαραίτητη πληροφορία. Ανιχνεύουν φυσικές παραμέτρους ή αναγνωρίζουν άλλα έξυπνα αντικείμενα στο περιβάλλον.
• Επίπεδο Δικτύου (Network Layer).
Είναι υπεύθυνο για την επικοινωνία με άλλα έξυπνα αντικείμενα, δικτυακές συσκευές και εξυπηρετητές. Τα χαρακτηριστικά του χρησιμοπούνται επίσης για την μετάδοση και επεξεργασία των δεδομένων από αισθητήρες.
• Επίπεδο Εφαρμογής (Application Layer).
Αυτό το επίπεδο, είναι επιφορτισμένο με την παράδοση υπηρεσιών στον χρήστη.
Μπορεί να καθορίσει αρκετές εφαρμογές στις οποίες μπορεί να αναπτυχθεί το IoT, όπως τα έξυπνα σπίτια, έξυπνες πόλεις, εξυπνη υγεία κ.λ.π.
Εικόνα 1: Αρχιτεκτονική του IoT (A:Τρία Επίπεδα) (Πέντε Επίπεδα) (Sethi, P., & Sarangi, S. R. (2017)).
Η αρχιτεκτονική τριών επιπέδων καθορίζει την κύρια ιδέα του IoT, αλλά δεν αρκεί για έρευνα σχετικά με το IoT, επειδή η έρευνα επικεντρώνεται συχνά σε καλύτερες πτυχές του Διαδικτύου των πραγμάτων.Για το λόγο αυτό προτείνονται αρχιτεκτονικές περισσοτέρων επιπέδων όπως των πέντε επιπέδων όπως φαίνεται στην Εικόνα 1, περιλαμβάνοντας επιπλέον:
Επίπεδο Μεταφοράς (Transportation Layer).
Μεταφέρει τα δεδομένα από τους αισθητήρες από το επίπεδο αντίληψης στο επίπεδο επεξεργασίας και αντίστροφα, μέσω ασύρματων δικτύων όπως 3G, LAN, Bluetooth, RFID και NFC.
• Επίπεδο Επεξεργασίας (Processing Layer).
Γνωστό και ως ενδιάμεσο λογισμικό (middleware), αποθηκεύει, αναλύει και επεξεργάζεται μεγάλες ποσότητες δεδομένων, που έρχονται από το επίπεδο μεταφοράς.
Μπορεί να διαχειρισθεί, ένα σύνολο ποικίλων υπηρεσιών προς τα χαμηλότερα στρώματα.
Χρησιμοποιεί πολλές τεχνολογίες όπως βάσεις δεδομένων, υπολογιστικό νέφος και μεγάλες μονάδες επεξεργασίας δεδομένων.
• Επίπεδο Επιχείρησης (Business Layer).
Διαχειρίζεται ολόκληρο το IoT σύστημα, συμπεριλαμβανομένου τις εφαρμογές και της ιδιωτικότητας του χρήστη [3].
1.3 Μοντέλα Επικοινωνίας ΙοΤ
Το IoT βασίζεται στη διασύνδεση διάφορων μικρών συσκευών ή οχημάτων με ενσωματωμένους αισθητήρες και εξοπλισμό διασύνδεσης τόσο μεταξύ τους όσο και με το κατασκευαστή, για να λαμβάνουν και να μεταδίδουν σχετικά δεδομένα με στόχο να προσφέρουν περισσότερες υπηρεσίες.
Το IoT απεικονίζεται ως μια σειρά από νέα ανεξάρτητα ενσωματωμένα συστήματα διαστάσεων μικροτσίπ, smart συσκευές, real time systems, συστήματα συγκέντρωσης όλων των πληροφοριών σε μεγάλες βάσεις δεδομένων, που λειτουργούν με δικές τους υποδομές και χρησιμοποιούν το διαδίκτυο για τη σύνδεσή τους.
Τα τρία κύρια μέρη ενός IoT είναι:
1. Οι συσκευές που συλλέγουν και μεταδίδουν πληροφορίες οπουδήποτε και οποιαδήποτε στιγμή χρησιμοποιώντας ασύρματη ή ενσύρματη τεχνολογία, αισθητήρες και κώδικα.
2. Τα δίκτυα επικοινωνιών που συνδέουν τις συσκευές αυτές.
3. Τα υπολογιστικά συστήματα και οι εφαρμογές που επεξεργάζονται όσα δεδομένα ρέουν από και προς τις συσκευές αυτές.
Yπάρχουν τέσσερις τύποι κλασικής επικοινωνίας για περιβάλλον IoT που μπορούν να συνδεθούν με οτιδήποτε ανά πάσα στιγμή με οποιαδήποτε τοπολογία δικτύου και οποιαδήποτε υπηρεσία, όπως φαίνεται στην Εικόνα 2 [4].
Εικόνα 2: Τα χαρακτηριστικά επικοινωνίας σε περιβάλλον ΙοΤ. (Souri, A., Hussien, A., Hoseyninezhad, M.,
& Norouzi, M. (2019).).
CoAP: constrained application protocol,
D2A: device-to-application, D2C: device-to-cloud, D2D: device-to-device,
D2G: device-to-gateway, IoT: Internet of Things, IP: Internet protocol,
MQTT: message queuing telemetry transport, RFID: radio- Frequency Identification
1.4 Χαρακτηριστικά και απαιτήσεις ΙοΤ
Όπως γίνεται εύκολα αντιληπτό, το IoT μπορεί να ανοίξει νέες ευκαιρίες για τη δημιουργία καινοτόμων εφαρμογών. Ορισμένες εφαρμογές ανήκουν αυστηρά σε έναν συγκεκριμένο τομέα και εμφανίζουν χαρακτηριστικά με τις ιδιομορφίες αυτού του τομέα.
Αντίθετα, άλλες εφαρμογές παρουσιάζουν χαρακτηριστικά κοινά που υπάρχουν σε πολλούς τομείς.Σε αυτή την ενότητα εξετάζουμε τα χαρακτηριστικά αυτά και τις απαιτήσεις (requirements).
Τα κύρια χαρακτηριστικά του IoT, μπορούν να συνοψισθούν ως εξής:
1. Ανομοιογένεια (Heterogeneity)
Η απαίτηση (requirement) για το χαρακτηριστικό αυτό είναι η σωστή διαχείριση της ποικιλίας συσκευών/τεχνολογιών/υπηρεσιών/περιβάλλοντος.
2. Επεκτασιμότητα (Scalability)
Η απαίτηση (requirement) για το χαρακτηριστικό αυτό είναι το ΙοΤ πρέπει να μπορεί να υποστηρίξει αρκετά απαιτητικά σενάρια τηλεπικοινωνιακής κίνησης, σε συνάρτηση με τον αυξανόμενο αριθμό συσκευών.
3. Μείωση του κόστους
Η απαίτηση (requirement) για το χαρακτηριστικό αυτό είναι η βελτιστοποίηση του κόστους ανάπτυξης / συντήρησης και κατανάλωσης ενέργειας.
4. Αυτό-*
Οι απαιτήσεις (requirements) για το χαρακτηριστικό αυτό αφορούν την αυτο- διαμόρφωση, αυτο-οργάνωση, αυτο-προσαρμογή, αυτο-αντίδραση σε γεγονότα και ερεθίσματα, αυτο- ανακάλυψη οντοτήτων και υπηρεσιών, αυτο-επεξεργασία Big Data.
5. Ελαστικότητα (Flexibility)
Η απαίτηση (requirement) για το χαρακτηριστικό αυτό είναι η δυναμική διαχείριση / επαναπρογραμματισμός συσκευών ή ομάδων συσκευών.
6. Ποιότητα της Υπηρεσίας (Quality of Service - QoS)
Η απαίτηση (requirement) για το χαρακτηριστικό αυτό είναι η τήρηση των εγγυήσεων QoS (π.χ. εύρος ζώνης, καθυστέρηση) σε υπηρεσίες / εφαρμογές ακόμη και αν πρόκειται για real time εφαρμογές.
7. Ασφαλές περιβάλλον
Οι απαιτήσεις (requirements) για το χαρακτηριστικό αυτό αφορούν την ανθεκτικότητα σε επιθέσεις επικοινωνίας, έλεγχος ταυτότητας, εμπιστευτικότητα μεταφοράς δεδομένων, ακεραιότητα δεδομένων / συσκευών, απόρρητο, αξιόπιστο ασφαλές περιβάλλον.
Εκτός από τις γενικές απαιτήσεις που συζητήθηκαν παραπάνω, υπάρχει ένας αριθμός συγκεκριμένων απαιτήσεων που σχετίζονται με την κυκλοφορία που δημιουργείται και μεταδίδεται από συσκευές IoT, δηλαδή απαιτήσεις επικοινωνίας.
Ωστόσο, δεν πρέπει να υποστηρίζονται όλες οι απαιτήσεις επικοινωνίας από κάθε συσκευή IoT.
Συγκεκριμένα, μπορούμε να εντοπίσουμε ορισμένες γενικές απαιτήσεις επικοινωνίας που πρέπει να πληρούνται από κάθε συσκευή IoT, ενώ άλλες είναι ιδιαίτερες για συγκεκριμένες υπηρεσίες, και ως εκ τούτου θα πρέπει να παρέχονται μόνο από τις συσκευές που προσφέρουν αυτήν την υπηρεσία.
Τα προαναφερόμενα συνοψίζονται στους Πίνακες 1 και 2 παρακάτω [5].
Πίνακας 1: ΙοΤ Γενικές Απαιτήσεις (Borgia, E. (2014)).
Πίνακας 2: ΙοΤ Χαρακτηριστικά Επικοινωνίας (Borgia, E. (2014)).
1.5 Εφαρμογές ΙοΤ
Η αναπτυξη εφαρμογών ΙοΤ σε ετερογενή περιβάλλοντα βελτιώνει σημαντικά την καθημερινή ζωή των ανθρώπων. Όμως λόγω της ετερογένειας δεν υπάρχει μια ειδική κατηγορία εφαρμογών που να λύνει όλα τα προβλήματα, αλλά κάθε εφαρμογή έχει τα δικά της χαρακτηριστικά και υπηρεσίες. Έτσι, οι διάφορες εφαρμογές κατηγοριοποιούνται ανάλογα με το πεδίο εφαρμογής τους όπως περιγράφονται παρακάτω και απεικονίζονται στην Εικόνα 3:
Έξυπνο Σπίτι (Smart Home)
Η ιδέα του έξυπνου σπιτιού είναι συσκευές με δυνατότητα σύνδεσης στο διαδίκτυο όπου μπορούν αυτόνομα να σκεφθούν και να λάβουν αποφάσεις με βάση αισθητήρες που είναι εγκατεστημένοι στο σπίτι, γεγονός που οδηγεί στη βελτίωση της καθημερινότητας των χρηστών. Υπάρχει η δυνατότητα για παρακολούθηση από απόσταση, ο έλεγχος των οικιακών συσκευών, καθώς και η απομακρυσμένη επικοινωνία. Τα έξυπνα σπίτια αναμένεται να επικοινωνούν με το εσωτερικό τους αλλά και με το εξωτερικό περιβάλλον.
Ως εσωτερικό περιβάλλον, θεωρείται το περιβάλλον που ενσωματώνει όλες τις συσκευές εντός οικίας που συνδέονται στο διαδίκτυο. Ενώ, το εξωτερικό περιβάλλον αναφέρεται σε οντότητες που δεν ελέγχονται από το έξυπνο σπίτι όπως το έξυπνο ενεργειακό πλέγμα.
Χαρακτηριστική είναι η έρευνα των Plageras, A. P. et al [84] στην οποία μελετήθηκαν τρόποι συλλογής και επεξεργασίας δεδομένων από αισθητήρες για την βέλτιστη ενεργειακή απόδοση ενός έξυπνου κτιρίου.
• Έξυπνη Πόλη (Smart City)
Υπάρχει μεγάλος αριθμός συσκευών που σκοπεύει να βελτιώσει την ποιότητα και τον τρόπο ζωής για τους κατοίκους της πόλης συλλέγοντας πληροφορίες σχετικές με τις ανάγκες τους. Σαν τα έξυπνα σπίτια, οι συσκευές επικοινωνίας σε αυτές τις εφαρμογές απευθύνονται για λειτουργίες χαμηλής ισχύος, αλλά μπορούν επίσης να εξαπλωθούν σε πολύ μεγάλη περιοχή, απαιτώντας και μεγαλύτερα εύρη επικοινωνίας έναντι των συσκευών στο έξυπνο σπίτι.
• Έξυπνο Σύστημα Μεταφοράς (Smart Transportation System)
Το έξυπνο σύστημα μεταφοράς συνήθως διασφαλίζει ότι το δίκτυο μεταφοράς παρακολουθείται και ελέγχεται αποτελεσματικά. Αποτελείται από δικτυακό εξοπλισμό όπως το GPS, τον αναγνώστη RFID καθώς και πληθώρα υποσυστημάτων που ενισχύουν την ασφάλεια του.
• Έξυπνη Υγεία (Smart Healthcare)
Το IoT αναμένεται να επηρεάσει δυνατά τα συστήματα υγείας και τις υπηρεσίες που παρέχονται από αυτά. Πρόσφατες έρευνες έχουν δείξει το δρόμο για νέες ευκαιρίες για τη συνδεδεμένη υγεία, όπου εξειδικευμένοι αισθητήρες ενσωματώνονται στους ασθενείς για να συλλέξουν ιατρικά δεδομένα όπως καρδιακοί ρυθμοί, θερμοκρασία σώματος και να εκτελέσουν έγκαιρη διάγνωση χωρίς καθυστερήσεις Αυτή η διαδικασία, απλοποιεί την συλλογή ιατρικών δεδομένων από τους ασθενείς, παρέχοντας ποσότητα δεδομένων για επιστημονικές μελέτες στη θεραπεία σπάνιων ασθενειών.
• Έξυπνη Βιομηχανία (Smart Industrial)
Σε αυτή τη περίπτωση, η αξιοπιστία των δεδομένων στο industrial IoT πρέπει να είναι υψηλή. Για τις ασύρματες επικοινωνίες σε βιομηχανικά περιβάλλοντα, τα δεδομένα είναι συνήθως ντετερμινιστικά καθώς περιέχουν αυστηρές προδιαγραφές στο χρόνο, και χαρακτηρίζονται από χαμηλή καθυστέρηση για εφαρμογές όπως έλεγχος κίνησης. Όμως, σε αντίθεση με τις άλλες εφαρμογές, ο τομέας της βιομηχανίας είναι γνωστός για ιδιωτικές λύσεις όπου περιορίζουν τη διαλειτουργικότητα.
• Έξυπνο Περιβάλλον (Smart Environment)
Το έξυπνο περιβάλλον αξιοποιεί τη τεχνολογία IoT, με στόχο την παρακολούθηση του χώρου, την ανίχνευση των αντικειμένων η φυσικών μεγεθών που υπάρχουν στο χώρο αυτό, και με βάση αυτές τις πληροφορίες έγκαιρη διάγνωση της κατάστασης του περιβάλλοντος. Μια περιοχή εφαρμογής στο έξυπνο περιβάλλον είναι η πρόβλεψη πυρκαγιάς στο δάσος. Οι IoT αισθητήρες, θα ανιχνεύσουν τη φωτιά, με την ακριβή τοποθεσία, και θα στείλουν τα δεδομένα στο σταθμό πυροσβεστικής, ώστε να γίνουν οι απαραίτητες ενέργειες.
• Έξυπνη Ενέργεια (Smart Energy)
Η έξυπνη ενέργεια, αναφέρεται στη διαχείριση της ηλεκτρικής ενέργειας, τόσο σε οικιακό επίπεδο, όσο και σε επίπεδο περιβάλλοντος. Στο οικιακό επίπεδο, υποδομή IoT εγκαθίστανται στη πλευρά του σπιτιού, με κύρια λειτουργία τη μέτρηση, καταγραφή της ενέργειας και αποστολή της στο προμηθευτή ενέργειας.
• Έξυπνη Γεωργία (Smart Agriculture)
Η αυτοματοποίηση στο τομέα της γεωργίας, έχει μειώσει την ανθρώπινη παρέμβαση, αλλά και έχει αυξήσει την απόδοση. Είναι φανερό, ότι ένα μεγάλο μέρος ομάδων του πληθυσμού κάθε χώρας εξαρτάται από την γεωργία, και συνεπώς διαδικασίες που αυτοματοποιούν κρίσιμους παραμέτρους στο τομέα αυτό, μεγιστοποιούν το κέρδος [6].
Έτσι, αγροτικά συστήματα που βασίζονται στο IoT, αποτελούν βασικά συστήματα για κάθε χώρα που στηρίζεται στον αγροτικό τομέα. Στο γενικό πλαίσιο, η περίπτωση IoT agriculture χρησιμοποιεί αισθητήρες για να συλλέξει δεδομένα στο περιβάλλον.
Εικόνα 3:Εφαρμογές – Περιπτώσεις Χρήσης IoT.( https://medium.com/@rinu.gour123/top-10-uses-of- the-internet-of-things-e93e021e0cad)]
1.6 IoT και Μεγάλα Δεδομένα (Big Data)
Το όραμα του Διαδικτύου των πραγμάτων (IoT) είναι να μετατρέψει τα παραδοσιακά αντικείμενα σε έξυπνα αξιοποιώντας ένα ευρύ φάσμα προηγμένων τεχνολογιών, από ενσωματωμένες συσκευές και τεχνολογίες επικοινωνίας έως πρωτόκολλα Διαδικτύου, αναλυτικά δεδομένα και ούτω καθεξής [7].
Τα δεδομένα IoT μπορούν να μεταδίδονται συνεχώς ή να συσσωρεύονται ως πηγή μεγάλων δεδομένων. Η ροή δεδομένων αναφέρεται στα δεδομένα που δημιουργούνται ή καταγράφονται εντός μικρών χρονικών διαστημάτων και πρέπει να αναλυθούν αμέσως για να εξαχθούν άμεσες πληροφορίες και / ή να ληφθούν γρήγορες αποφάσεις. Τα μεγάλα δεδομένα αναφέρονται σε τεράστια σύνολα δεδομένων τα οποία οι πλατφόρμες υλικού και λογισμικού που χρησιμοποιούνται συνήθως δεν είναι σε θέση να αποθηκεύουν, να διαχειρίζονται, να επεξεργάζονται και να αναλύουν. Αυτές οι δύο προσεγγίσεις πρέπει να αντιμετωπίζονται διαφορετικά, καθώς οι απαιτήσεις τους για αναλυτική απόκριση δεν είναι οι ίδιες. Οι πληροφορίες από τα μεγάλα αναλυτικά δεδομένα μπορούν να παραδοθούν μετά από αρκετές ημέρες δημιουργίας δεδομένων, αλλά οι πληροφορίες από τη ροή των αναλυτικών δεδομένων δεδομένων θα πρέπει να είναι έτοιμες σε εύρος από μερικές εκατοντάδες χιλιοστά του δευτερολέπτου έως λίγα δευτερόλεπτα. Η συγχώνευση και η κοινή χρήση δεδομένων διαδραματίζουν κρίσιμο ρόλο στην ανάπτυξη πανταχού παρόντα περιβάλλοντα με βάση το IoT δεδομένα. Αυτός ο ρόλος είναι πιο κρίσιμος για εφαρμογές ευαίσθητες στο χρόνο IoT όπου απαιτείται έγκαιρη συγχώνευση δεδομένων για τη συγκέντρωση όλων των στοιχείων για ανάλυση και κατά συνέπεια παροχή αξιόπιστων και ακριβών πληροφοριών.
Όπως αντιλαμβανόμαστε, το IoT είναι μια σημαντική πηγή μεγάλων δεδομένων. Μεταξύ έξυπνων πόλεων που κατασκευάζονται με βάση το IoT, μεγάλα δεδομένα μπορεί να προέρχονται από τη βιομηχανία, τη γεωργία, την κυκλοφορία, τη μεταφορά, την ιατρική περίθαλψη, τα δημόσια τμήματα και τις οικογένειες κ.λπ. Σύμφωνα με τις διαδικασίες απόκτησης και μετάδοσης δεδομένων στο IoT, η αρχιτεκτονική του δικτύου μπορεί να χωριστεί στα τρία επίπεδα που προαναφέρθηκαν: το επίπεδο ανίχνευσης, το επίπεδο δικτύου και το επίπεδο εφαρμογής. Το επίπεδο ανίχνευσης είναι υπεύθυνο για την απόκτηση δεδομένων και αποτελείται κυρίως από δίκτυα αισθητήρων. Το επίπεδο δικτύου είναι υπεύθυνο για μετάδοση και επεξεργασία πληροφοριών, όπου η στενή μετάδοση μπορεί να βασίζεται σε δίκτυα αισθητήρα και η απομακρυσμένη μετάδοση εξαρτάται από
το Διαδίκτυο. Τέλος, το επίπεδο εφαρμογής υποστηρίζει συγκεκριμένες εφαρμογές του IoT.
Σύμφωνα με τα χαρακτηριστικά του Internet of Things που προαναφέρθηκαν, τα δεδομένα που παράγονται από το IoT έχουν τα ακόλουθα χαρακτηριστικά:
- Δεδομένα μεγάλης κλίμακας: στο IoT, διανέμονται κατανεμημένες μάζες εξοπλισμού απόκτησης δεδομένων, οι οποίοι μπορούν να αποκτήσουν απλά αριθμητικά δεδομένα, π.χ.
τοποθεσία. ή πολύπλοκα δεδομένα πολυμέσων, π.χ. βίντεο παρακολούθησης.
Προκειμένου να ικανοποιηθούν οι απαιτήσεις ανάλυσης και επεξεργασίας, πρέπει να αποθηκεύονται όχι μόνο τα δεδομένα που έχουν αποκτηθεί επί του παρόντος, αλλά και τα ιστορικά δεδομένα εντός ενός συγκεκριμένου χρονικού πλαισίου. Επομένως, τα δεδομένα που δημιουργούνται από το IoT χαρακτηρίζονται από μεγάλες κλίμακες.
–Ετερογένεια: λόγω της ποικιλίας συσκευών απόκτησης δεδομένων, τα ληφθέντα δεδομένα είναι επίσης διαφορετικά και τέτοια δεδομένα διαθέτουν ετερογένεια.
– Ισχυρή συσχέτιση χρόνου και χώρου: στο IoT, κάθε συσκευή απόκτησης δεδομένων τοποθετείται σε μια συγκεκριμένη γεωγραφική θέση και κάθε κομμάτι δεδομένων έχει χρονική σφραγίδα. Ο συσχετισμός χρόνου και χώρου είναι μια σημαντική ιδιότητα δεδομένων από το IoT. Κατά τη διάρκεια της ανάλυσης και της επεξεργασίας δεδομένων, ο χρόνος και ο χώρος είναι επίσης σημαντικές διαστάσεις για τη στατιστική ανάλυση.
- Τα αποτελεσματικά δεδομένα αντιπροσωπεύουν μόνο ένα μικρό μέρος των μεγάλων δεδομένων: μπορεί να προκύψει μεγάλη ποσότητα θορύβου κατά την απόκτηση και τη μετάδοση δεδομένων στο IoT. Μεταξύ των συνόλων δεδομένων που αποκτήθηκαν από συσκευές απόκτησης, είναι πολύτιμη μόνο μια μικρή ποσότητα μη φυσιολογικών δεδομένων. Για παράδειγμα, κατά την απόκτηση βίντεο κίνησης, τα λίγα καρέ βίντεο που καταγράφουν την παραβίαση των κανονισμών κυκλοφορίας
2 Μεγάλα Δεδομένα (Big Data)
2.1 Εισαγωγή
Η απουσία συναινετικού ορισμού των Big Data έφερε συχνά τους μελετητές να υιοθετήσουν «σιωπηρούς» ορισμούς μέσω ιστοριών επιτυχίας, χαρακτηριστικών, τεχνολογικών χαρακτηριστικών, τάσεων ή των επιπτώσεών του στην κοινωνία, τις επιχειρήσεις και τις επιχειρηματικές διαδικασίες. Οι υπάρχοντες ορισμοί για τα Big Data παρέχουν πολύ διαφορετικές προοπτικές, υποδηλώνοντας την χαοτική κατάσταση. Τα μεγάλα δεδομένα θεωρούνται με τη σειρά τους ως όρος που περιγράφει ένα κοινωνικό φαινόμενο, στοιχεία πληροφοριών, σύνολα δεδομένων, τεχνολογίες αποθήκευσης, αναλυτικές τεχνικές, διαδικασίες και υποδομές.
Οι ορισμοί που δόθηκαν μπορουν να κατηγοριοποιηθούν σε τέσσερεις ομάδες σύμφωνα με τον Πίνακα 3 [8].
Πίνακας 3: Survey of existing definitions of Big Data.
The first column indicates the conceptual focus of the definition, namely: I. Attributes of Data, II.
Technological Needs, III. Exceeding of Thresholds, IV. Social Impact. The last four columns flag whether the definition alludes to any of the four Big Data themes identified in this study, that are: I - Information, T - Technology, M - Methods, P – Impact (De Mauro, A., Greco, M., & Grimaldi, M. (2016)).
Group I: Οι ορισμοί στηρίζονται στα χαρακτηριστικά των Big Data Group II: Οι ορισμοί στηρίζονται στις τεχνολογικές ανάγκες Group ΙII: Οι ορισμοί στηρίζονται στην υπέρβαση των ορίων Group ΙV: Οι ορισμοί στηρίζονται στις κοινωνικές επιπτώσεις
Η συνδυασμένη ανάλυση των παραπάνω οδήγησε στα παρακάτω στοιχεία που πρέπει να περιλαμβάνονται στον ορισμό των Big Data:
«Όγκος», «Ταχύτητα» και «Ποικιλία», για να περιγράψουν τα χαρακτηριστικά της Πληροφορίας.
«Τεχνολογία» και «Αναλυτικές μέθοδοι», για να περιγράψουν τις απαιτήσεις που απαιτούνται για την ορθή χρήση αυτών των πληροφοριών.
«Αξία», για να περιγράψει τη μετατροπή των πληροφοριών σε ιδέες που μπορεί να δημιουργήσουν οικονομική αξία για τις εταιρείες και την κοινωνία. τους συγγραφείς [8].
2.2 Χαρακτηριστικά Big Data
Οι περισσότεροι συγγραφείς όπως είδαμε και στην προηγούμενη ενότητα συσχετίζουν τα big data με τα τρία κύρια χαρακτηριστικά τους (3V) δηλαδή Volume, Velocity και Variety.
Η σχέση αυτή ξεκίνησε από το ηλεκτρονικό εμπόριο το 2001 και περιγράφηκε από τον Lanley (2001) [9] αρχικά. Τα χαρακτηριστικά των Big Data (3V) αφορούν:
Όγκο δεδομένων (Volume): Ο όγκος δεδομένων είναι καθοριστικός παράγοντας για να θεωρηθεί ένα σύνολο δεδομένων ως μεγάλα δεδομένα ή παραδοσιακά τεράστια / πολύ μεγάλα δεδομένα. Η ποσότητα των παραγόμενων δεδομένων που χρησιμοποιούν συσκευές IoT είναι πολύ μεγαλύτερη από ό, τι στο παρελθόν και ταιριάζει σαφώς σε αυτήν τη λειτουργία.
Ταχύτητα (Velocity): Το ποσοστό παραγωγής και επεξεργασίας μεγάλων δεδομένων IoT είναι αρκετά υψηλό για να υποστηρίξει τη διαθεσιμότητα μεγάλων δεδομένων σε πραγματικό χρόνο. Αυτό δικαιολογεί τις ανάγκες για προηγμένα εργαλεία και τεχνολογίες για την αποτελεσματική λειτουργία των αναλυτικών στοιχείων, δεδομένου αυτού του υψηλού ποσοστού παραγωγής δεδομένων.
Ποικιλία (Variety): Γενικά, τα μεγάλα δεδομένα διατίθενται σε διάφορες μορφές και τύπους. Μπορεί να αποτελείται από δομημένα, ημι-δομημένα και μη δομημένα
δεδομένα. Μια μεγάλη ποικιλία τύπων δεδομένων μπορεί να παραχθεί από το IoT όπως κείμενο, ήχος, βίντεο, αισθητήρια δεδομένα και ούτω καθεξής. Οι προαναφερόμενοι τύποι δεδομένων αναλύονται ως εξής:
Δομημένη μορφή: Τη μορφή αυτή έχουν τα δεδομένα των οποίων η δομή είναι γνωστή ή είναι σε κατάλληλη διάταξη και είναι εύκολο να αποθηκευτούν και να ακολουθήσει η υπολογιστική επεξεργασία.
Μερικώς δομημένη μορφή ή ημιδομημένα: Όταν η μορφή-σχήμα των δεδομένων δεν είναι σαφώς καθορισμένη. Με κατάλληλη επεξεργασία αφού διαθέτουν ετικέτες ώστε να διακριθούν τα στοιχεία τους, μπορούν να διατεθούν προς εκμετάλλευση.
Μη δομημένη μορφή-αδόμητα: Τα δεδομένα που δεν ανήκουν στις παραπάνω δύο κατηγορίες χαρακτηρίζονται ως αδόμητα.
Εκτοτέ, από το 2001 και μετά εννούμε, προστέθηκαν αρκετά V με αποτέλεσμα να υπάρχουν ακόμη (3V) τα οποία αφορούν:
Ακρίβεια (Veracity): Η ακρίβεια αναφέρεται στην ποιότητα, τη συνέπεια και την αξιοπιστία των δεδομένων, η οποία με τη σειρά της οδηγεί σε ακριβή αναλυτικά στοιχεία. Αυτή η ιδιότητα χρειάζεται ιδιαίτερη προσοχή για τις εφαρμογές IoT, ειδικά για εκείνες με δεδομένα ανίχνευσης πλήθους.
Μεταβλητότητα (Variability): Αυτή η ιδιότητα αναφέρεται στους διαφορετικούς ρυθμούς ροής δεδομένων. Ανάλογα με τη φύση των εφαρμογών IoT, διαφορετικά στοιχεία δημιουργίας δεδομένων ενδέχεται να έχουν ασυνεπή ροή δεδομένων.
Επιπλέον, είναι πιθανό για μια πηγή δεδομένων να έχει διαφορετικούς ρυθμούς φόρτωσης δεδομένων με βάση συγκεκριμένους χρόνους. Για παράδειγμα, μια εφαρμογή υπηρεσίας στάθμευσης που χρησιμοποιεί οι αισθητήρες IoT μπορεί να έχουν μέγιστο φορτίο δεδομένων σε ώρες αιχμής.
Αξία (Value): Η αξία είναι ο μετασχηματισμός μεγάλων δεδομένων σε χρήσιμες πληροφορίες και πληροφορίες που προσφέρουν ανταγωνιστικό πλεονέκτημα στους οργανισμούς. Μια τιμή δεδομένων εξαρτάται σε μεγάλο βαθμό τόσο από τις υποκείμενες διαδικασίες / υπηρεσίες όσο και από τον τρόπο με τον οποίο αντιμετωπίζονται τα δεδομένα. Για παράδειγμα, μια συγκεκριμένη εφαρμογή (π.χ. παρακολούθηση ιατρικών ζωτικών σημείων) μπορεί να χρειαστεί να καταγράψει όλα τα δεδομένα αισθητήρων, ενώ μια υπηρεσία πρόγνωσης καιρού μπορεί να χρειαστεί απλά τυχαία δείγματα δεδομένων
από τους αισθητήρες της. Ως άλλο παράδειγμα, ένας πάροχος πιστωτικών καρτών ενδέχεται να χρειαστεί να διατηρήσει δεδομένα για ένα συγκεκριμένο χρονικό διάστημα και να τα απορρίψει μετά [10].
2.3 Τεχνολογία Cloud & μοντέλα Υπηρεσιών.
Το cloud computing είναι ένα μοντέλο που επιτρέπει ευέλικτη, on-demand δικτυακή πρόσβαση σε ένα κοινόχρηστο σύνολο παραμετροποιήσιμων υπολογιστικών πόρων (όπως δίκτυα, εξυπηρετητές, αποθηκευτικό χώρο, εφαρμογές και υπηρεσίες), το οποίο μπορεί να τροφοδοτηθεί γρήγορα και να είναι διαθέσιμο με την ελάχιστη προσπάθεια διαχείρισης και αλληλεπίδρασης από τον πάροχο της συγκεκριμένης υπηρεσίας.
Το μοντέλο ανάπτυξης cloud διακρίνεται κυρίως σε τρεις τύπους οι οποιοι συνήθως χρησιμοποιούνται και απεικονίζονται στην παρακάτω Εικόνα 4.
Εικόνα 4:Μοντέλο ανάπτυξης cloud.( Rani, D., & Ranjan, R. K. (2014))
A. Private Cloud: -Είναι επίσης γνωστό ως Internal Cloud ή Cloud εσωτερικής εγκατάστασης. Διαχειρίζεται και λειτουργεί από έναν οργανισμό ή μια ομάδα.
Είναι επίσης γνωστό ως εσωτερικό cloud ή on-premise cloud, ένα ιδιωτικό cloud παρέχει περιορισμένη πρόσβαση στους πόρους του και στους καταναλωτές υπηρεσιών που ανήκουν στον ίδιο οργανισμό που κατέχει το cloud. Με άλλα λόγια, είναι η υποδομή που διαχειρίζεται και λειτουργεί μόνο για έναν οργανισμό, έτσι ώστε να διατηρείται ένα συνεπές επίπεδο ελέγχου της ασφάλειας, της ιδιωτικής ζωής και της διακυβέρνησης
Β. Public Cloud: Είναι επίσης γνωστό ως εξωτερικό cloud ή multitenant cloud.
Είναι διαθέσιμο και ανοιχτό χρησιμοποιείται από το ευρύ κοινό. Μπορεί να ανήκει και να διαχειρίζεται κυβερνητικός οργανισμός ή κάποιο συνδυασμό αυτών.
Αναφέρεται ως εξωτερικό σύννεφο ή σύννεφο πολλαπλών μισθωτών, αυτό το μοντέλο αντιπροσωπεύει ένα ανοιχτό περιβάλλον σύννεφο σε αυτό το σύννεφο και μπορεί να έχει πρόσβαση από το ευρύ κοινό. Ο πελάτης μπορεί να έχει πρόσβαση σε πόρους και να πληρώνει για τους λειτουργικούς πόρους. Το Public Cloud μπορεί να φιλοξενήσει μεμονωμένες υπηρεσίες καθώς και συλλογή υπηρεσιών.
Γ. Community Cloud: Αναφέρεται σε περιβάλλον cloud ειδικού σκοπού, το οποίο κοινοποιείται και διαχειρίζεται ο αριθμός των σχετικών οργανισμών που συμμετέχουν σε έναν κοινό τομέα ή κάθετη αγορά. Αυτό το μοντέλο ανάπτυξης μοιράζεται πόρους με πολλούς οργανισμούς σε μια κοινότητα που μοιράζεται κοινές ανησυχίες (όπως ασφάλεια, διακυβέρνηση, συμμόρφωση κ.λπ.).
Αναφέρεται συνήθως σε περιβάλλοντα cloud-computing ειδικού σκοπού τα οποία μοιράζονται και διαχειρίζονται διάφοροι σχετικοί οργανισμοί που συμμετέχουν σε έναν κοινό τομέα ή κάθετη αγορά.
Δ. Hybrid Cloud: Είναι σύνθεση δύο ή περισσότερων διακριτών υποδομών cloud (ιδιωτική, κοινότητα ή δημόσια), αλλά συνδέονται μεταξύ τους με τυποποιημένη τεχνολογία που επιτρέπει τη φορητότητα δεδομένων και εφαρμογών. Ένα υβριδικό cloud είναι ένας συνδυασμός δημόσιου και ιδιωτικού cloud. Παρέχει οφέλη πολλαπλών μοντέλων ανάπτυξης. Επιτρέπει στην επιχείρηση να διαχειρίζεται το φόρτο εργασίας σταθερής κατάστασης στο ιδιωτικό σύννεφο.
Τα μοντέλα υπηρεσιών είναι τα παρακάτω:
A. Software as-a-Service (SaaS) : Στο μοντέλο SaaS, ένας πάροχος λογισμικού παρέχει άδεια χρήσης μιας εφαρμογής λογισμικού και αγοράς κατά παραγγελία.
Αυτή η υπηρεσία εκτελείται σε σύννεφο και πολλοί τελικοί χρήστες τη χρησιμοποιούν. Βασικά εκτελείται σε πρόγραμμα περιήγησης ιστού π.χ. Gmail - ένα δημοφιλές προϊόν SaaS. Συνήθως χρεώνεται με βάση τη χρήση και έχει περιβάλλον πολλών ενοικιαστών.
B. Platform as-a-service (PaaS) : Ένας προγραμματιστής πλατφόρμας PaaS μπορεί να αναπτύξει εφαρμογή η οποία θα εκτελείται στο cloud. Ουσιαστικά είναι ανάπτυξη εφαρμογών που βασίζεται στο cloud και χρησιμοποιείται από προγραμματιστές. Διαθέτει επεκτάσιμη αρχιτεκτονική πολλαπλών επιπέδων π.χ.
Azure και salesforces.com. Η διαφορά στο PaaS από το SaaS είναι ότι το SaaS