چکیده فارسی :

بسیاری از کاربردهای شبکه حسگری بی سیم ( ) نیاز به الحاق داده های حسگری متعلق به گره های حسگری مختلف دارند. برای پردازش این الحاق، حداقل سازی هزینه ارتباطاتی مهم است، از آنجا که این پردازش مصرف کننده اصلی برق باتری است. در این مقاله، یک تکنیک الحاق موازی برای شبکه های حسگری معرفی می کنیم. یک  از بسیاری گره حسگری مستقل تشکیل شده است و یک سکوی طبیعی برای یک معماری «اشتراک هیچ چیز» یا «بدون اشتراک» برای انجام پردازش موازی می باشد. الگوریتم الحاق موازی پیشنهادی براساس داده های حسگری ذخیره شده در پایگاه داده های ستونی، می باشد. یک پایگاه داده ستونی، داده ها جدولی را به صورت ستونی ذخیره می کند ، نه مثل پایگاه داده های رابطه ای سنتی، به صورت ردیفی. الگوریتم پیشنهادی به دو دلیل مشخص و روشن، از نظر انرژی مقرون به صرفه هستند. اول اینکه، برخلاف پایگاه داده های رابطه ای، تنها ستون های مرتبط به منطقه الحاق جهت پردازش الحاق نهایی، ارسال می شوند. دوم اینکه، پردازش الحاق موازی داده های حسگری، عملکرد را بهبود می بخشد. تحلیل عملکردی نشان می دهد که الگوریتم پیشنهادی، عملکرد بهتری نسبت به الگوریتم های الحاق برای داده های حسگری دارد که براساس پایگاه داده های رابطه ای، می باشند.

کلمات کلیدی: شبکه حسگری بیسیم، الحاق موازی، پایگاه داده های ستونی، معماری «بدون اشتراک»، هزینه تبادل اطلاعات

چکیده انگلیسی :

Many wireless sensor network (WSN) applications require join of sensor data belonging to various sensor nodes. For join processing, it is important to minimize the communication cost since it is the main consumer of battery power. In this paper, we introduce a parallel join technique for sensor networks. A WSN consists of many independent sensor nodes and provides a natural platform for a shared-nothing architecture to carry out parallel processing. The proposed parallel join algorithm is based on sensor data that are stored in column-oriented databases. A column-oriented database store table data column-wise rather than row-wise as in traditional relational databases. The proposed algorithm is energy-efficient for two clear reasons. First, unlike relational databases, only relevant columns are shipped to the join region for final join processing. Second, parallel join processing of sensor data also improves performance. The performance analysis shows that the proposed algorithm outperforms join algorithms for sensor data that are based on relational databases.