Structuration de données spatio-temporelles temps réel : vers la gestion de la saturation de la base de données
Résumé
The spatio-temporal databases in the monitoring systems of natural phenomena must be able to meet real-time requirements due to the semi-generalized use of sensor networks. The indexing method of the in-memory base, the core of this paper, must take into account several characteristics: primacy of the most recent data and updates queries, spatial positioning of the sensors, heavy charge load. Our first proposal, the PoTree, is designed for indexing data issued by fixed sensors. It keeps the data issued by a specific sensor in a dedicated temporal sub-tree A spatial tree helps in determining which sensor sub-tree is linked to a query. The PasTree, our second solution adds sensor agility management. It adds an abstraction layer in the sensor sub-trees and uses a multi-version spatial sub-tree. Experimental results have shown that both structures allowed indexing of masses of data issued by sensor networks.
Les bases de données spatio-temporelles utilisées dans les systèmes de surveillance de phénomènes naturels doivent pouvoir répondre à des impératifs temps-réel du fait de l'utilisation semi-généralisée de réseaux de capteurs. Le système d'indexation de la base en mémoire vive, sujet d'étude de cet article, doit prendre en considération plusieurs caractéristiques : primauté des données les plus récentes et des requêtes de mise à jour, masses importantes de données. Notre première proposition, le PoTree est des données issues de capteurs fixes. Il regroupe les données issues d'un capteur particulier au sein d'une même sous-structure temporelle. Un arbre spatial permet de sélectionner les arbres de capteur concernés par la résolution d'une requête. Le PasTree, notre seconde solution ajoute la gestion de l'agilité des capteurs (mobilité restreinte) en ajoutant un niveau d'abstraction à l'arbre de capteur et en utilisant un arbre spatial multi-version. Il permet également un accès aux données via l'identifiant des capteurs. Les résultats expérimentaux ont montré que ces structures pouvaient indexer les données issues de réseaux de capteurs de manière efficace.