چکیده فارسی :

در سال گذشته، اینترنت اشیاء (IoT) و پلتفرم های داده های بزرگ به وضوح از لحاظ فن آوری، مسائل و رویکردها با هم همگرا شده اند. اکوسیستم های اینترنت اشیاء داده های زیادی ایجاد می نماید که باید ذخیره و پردازش شده و به مسئله داده بزرگ تبدیل شود. در این مقاله، پلت فرمی ارائه می نماییم که به طور خاص برای استخراج اطلاعات مرتبط با اینترنت اشیاء، از جمله داده حسگرها و داده متا طراحی شده اند. این پلت فرم از دو مولفه  اصلی تشکیل شده است: servIoTicy برای ذخیره سازی و پردازش داده و iServe برای انتشار و کشف حسگرهای داده متا. مورد اول قابلیت تبدیل، تغییر در زمان واقعی و جستار داده ایجاد شده توسط سنسورها را فراهم می کند؛ مورد دومی قابلیت انتشار، شناسایی و استفاده از حسگرها را بر اساس اطلاعات معنایی مرتبط به آنها ارائه می نماید. به وضوح، هر دو مولفه برای مقیاس پذیری طراحی شده اند، لذا نیازی به گسترش ابر IoTنمی باشد. servIoTicy  و iServe هر دو به عنوان یک پروژه منبع باز در دسترس قرار دارند.

واژه های کلیدی: اینترنت اشیاء ؛  IoT ؛ داده های بزرگ ؛ تجزیه و تحلیل ؛ پردازش جریان ؛ جستجوی معنایی ؛ شناسایی خدمات

چکیده انگلیسی:

In the last years, Internet of Things (IoT) and Big Data platforms are clearly converging in terms of technologies, problems and approaches. IoT ecosystems generate a vast amount of data that needs to be stored and processed, becoming a Big Data problem. In this paper we present a platform that is specifically designed for mining the information associated to the IoT, including both sensors data and meta-data. The platform is composed of two major components: servIoTicy for storing and processing data, and iServe for the publication and discovery of sensors meta-data. The former provides capabilities to ingest, transform on real time and query data generated by sensors; the latter provides capabilities to publish, discover and use sensors based on semantic information associated to them. Both components are clearly designed for scalability, as any IoT cloud deployment requires. Both servIoTicy and iServe are available as an open source projects.

Keywords: Internet of Things ; IoT ; Big Data ; Analytics ; Stream Processing ; Semantic Search ; Service Discovery