本书是作者在物联网大数据平台等企业合作项目及国家级项目中多年实践的结晶。本书首先对物联网大数据技术体系进行了系统归纳，阐述了物联网环境下感知数据的特性、数据模型、事务模型及调度处理方法等核心概念与关键技术，并对物联网大数据存储、管理、计算及分析的基本概念与关键技术进行了剖析；其次介绍了物联网大数据管理与应用的感知数据库和平台产品，所介绍的产品来自作者所在团队的实际应用项目，大部分在物联网项目中得到了实践应用；最后给出了适合读者在开源软件上动手实践的相关案例。
王桂玲，博士，研究员，2007年7月毕业于清华大学计算机科学与技术系，获计算机科学与技术专业工学博士学位。主要研究领域包括互联网服务、大规模流数据集成与分析、业务流程管理与协同等。曾承担或作为主要人员参与多项国家自然基金（含重点基金）、国家重点研发计划课题、973课题、863课题、北京市自然科学基金以及业界合作项目。目前在IEEE TSC、IEEE TITS、计算机学报、WWW等高水平国内外学术会议及刊物上发表论文60余篇，专著4本，获得软件登记8项，第一发明人授权专利4项。获得过中国科学院计算技术研究所优秀研究人员、北方工业大学优秀硕士论文指导教师等称号，多次指导学生获得软件比赛奖项、国家奖学金、优秀毕业论文等。
第1篇 缘起与发展趋势篇
第1章 物联网与产业发展 3
1.1 物联网产业的发展 3
1.1.1 传感器与智能硬件 4
1.1.2 物联网服务平台 5
1.1.3 工业4.0与CPS 6
1.2 物联网与大数据 7
1.3 物联网产业的挑战与机遇 9
1.3.1 物联网产业面临的挑战 9
1.3.2 物联网操作系统与数据库 10
1.3.3 物联网大数据处理与应用 11
第2章 大数据处理技术的发展 12
2.1 大数据存储和管理技术 12
2.1.1 面向大数据的文件系统 13
2.1.2 面向大数据的数据库系统 15
2.2 大数据计算技术 18
2.2.1 批处理计算模式 19
2.2.2 交互式查询计算模式 20
2.2.3 流处理计算模式 21
2.2.4 大数据实时处理架构：Lambda及Kappa 23
2.3 大数据分析技术 25
2.3.1 传统结构化数据分析 26
2.3.2 文本数据分析 26
2.3.3 多媒体数据分析 27
2.3.4 社交网络数据分析 27
2.3.5 物联网传感数据分析 28
2.3.6 大数据分析技术的发展趋势 28
第2篇 技术解析篇
第3章 物联网大数据技术体系 31
3.1 物联网中的大数据挑战 31
3.1.1 互联网大数据的特征 31
3.1.2 物联网大数据的特征 34
3.2 技术体系 37
3.2.1 感知数据采集与传输 37
3.2.2 感知数据管理与实时计算 41
3.2.3 物联网平台与大数据中心 42
第4章 感知数据特性与模型 43
4.1 感知数据的特性分析 43
4.1.1 常用的感知数据类型 43
4.1.2 感知数据的主要特征 45
4.2 感知数据的表示与组织 48
4.2.1 物联网数据模型 48
4.2.2 时态对象模型 49
4.3 感知数据库的定位与特征 51
4.3.1 感知数据库的定位 51
4.3.2 感知数据库的特征 51
4.4 感知数据库与传统数据库 52
4.4.1 感知数据库与关系数据库 52
4.4.2 感知数据库与实时数据库 53
4.4.3 感知数据库与工厂历史数据库 53
4.4.4 感知数据库与流数据处理系统 54
第5章 感知数据库系统 55
5.1 感知数据库的总体设计 55
5.1.1 总体设计的主要原则 55
5.1.2 感知数据库的设计框架 56
5.2 感知数据库的分布部署体系 60
5.2.1 系统的集群部署模式 60
5.2.2 多层级的系统部署体系 62
5.2.3 服务分布部署体系 64
5.3 感知数据库中的关键技术 65
5.3.1 智能设备及传感器接口技术 65
5.3.2 流数据实时在线处理技术 66
5.3.3 事件驱动的高效处理机制 67
5.3.4 感知数据的压缩存储技术 72
第6章 实时事务调度处理技术 77
6.1 常见事务特性分析 77
6.1.1 感知事务 78
6.1.2 触发事务 78
6.1.3 用户事务 79
6.2 事务调度与并发控制 79
6.2.1 事务的调度方法 79
6.2.2 并发控制策略 80
6.3 服务器与操作系统 81
6.3.1 服务器体系结构与发展 81
6.3.2 操作系统的多任务机制 84
6.4 事务的执行框架与模式 87
6.4.1 通用系统模型与调度方法 88
6.4.2 事务调度处理框架的设计模式 88
6.5 系统框架的分析与性能优化 91
第7章 物联网大数据存储与管理 94
7.1 云文件系统的关键技术 96
7.1.1 HDFS的目标和基本假设条件 96
7.1.2 HDFS体系结构 97
7.1.3 性能保障 99
7.2 NoSQL数据库关键技术 103
7.2.1 NoSQL数据库概述 103
7.2.2 基于NoSQL数据库的物联网大数据存储与管理 115
第8章 物联网大数据计算与分析 120
8.1 物联网大数据批处理计算 120
8.1.1 MapReduce的设计思想 121
8.1.2 MapReduce的工作机制 123
8.1.3 MapReduce在物联网大数据中的应用 125
8.2 物联网大数据交互式查询 127
8.2.1 原生SQL on HBase 127
8.2.2 SQL on Hadoop 129
8.2.3 基于HBase的交互式查询 130
8.3 物联网大数据流计算 131
8.3.1 流计算的需求特点 131
8.3.2 流数据基本概念 132
8.3.3 流数据查询操作 137
8.3.4 流数据定制化服务 138
8.3.5 评测基准 141
8.3.6 Spark Streaming及其在物联网大数据中的应用 142
8.4 物联网大数据分析 146
8.4.1 物联网大数据OLAP多维分析 146
8.4.2 物联网大数据深层次分析 152
第3篇 产品研发篇
第9章 物联网网关CubeOne 169
9.1 工业物联网网关 169
9.1.1 CubeOne产品概述 169
9.1.2 CubeOne的功能特点 170
9.1.3 CubeOne的应用领域 172
9.2 无线传感器网络网关 172
9.2.1 无线传感器网络概述 172
9.2.2 ZigBee-WiFi网关 174
9.2.3 ZigBee网络应用案例 176
第10章 ChinDB感知数据库系统 179
10.1 ChinDB系统概述 179
10.2 ChinDB系统组成与功能特点 180
10.3 ChinDB系统的数据组织管理 182
10.3.1 标签点及其属性 182
10.3.2 标签点的组织方式 183
10.3.3 关系数据管理 184
10.3.4 历史数据管理 184
10.4 ECA规则与实时计算 185
10.5 ChinDB的高可用方案 186
10.5.1 高可用概述及模式分类 186
10.5.2 ChinDB高可用的部署模式 187
10.6 物联网应用平台 189
10.6.1 物联网应用平台概述 189
10.6.2 物联网应用平台主要特点 190
10.6.3 应用案例 191
第11章 DeCloud物联网大数据云平台 196
11.1 DeCloud组成 196
11.1.1 软件概述 196
11.1.2 通信服务 198
11.1.3 计算服务 200
11.1.4 大规模NoSQL存储服务 201
11.1.5 数据发布/订阅服务 202
11.2 DeCloud在智能交通领域的应用 203
11.3 DeCloud在教育物联网云服务平台中的应用 207
11.4 DeCloud在电厂设备故障预警中的应用 209
11.5 DeCloud在电梯安全监控中的应用 212
11.6 DeCloud在高精度位置服务中的应用 215
第4篇 编程实践篇
第12章 基于Kafka进行物联网大数据实时采集的编程实践 221
12.1 相关准备知识 221
12.1.1 分布式消息队列Kafka回顾 221
12.1.2 Kafka生产者消息发送的实现 225
12.1.3 Kafka消费者消息接收的实现 226
12.2 模拟物联网大数据采集和接收的实验设计 228
12.2.1 物联网大数据的采集 228
12.2.2 物联网大数据的接收 229
12.3 实验环境搭建 229
12.3.1 VMware注意事项 230
12.3.2 安装虚拟机 232
12.3.3 复制虚拟机 234
12.3.4 修改配置文件 234
12.3.5 关闭防火墙及生成公钥 236
12.3.6 时钟同步 236
12.3.7 JDK安装 236
12.3.8 ZooKeeper安装 237
12.3.9 Kafka安装 239
12.3.10 Kafka安装验证 241
12.4 实验步骤 241
12.4.1 基于Java模拟物联网大数据的采集与接收 241
12.4.2 基于Python模拟物联网大数据的采集与接收 247
第13章 基于Kafka Connect进行物联网大数据采集的编程实践 252
13.1 Kafka Connect介绍 252
13.2 Kafka Connector的开发 253
13.2.1 Kafka SourceConnector实现 253
13.2.2 Kafka SinkConnector实现 264
13.3 实验步骤 267
13.3.1 Kafka Connector的打包与部署 267
13.3.2 Kafka Connect的独立模式应用 268
13.3.3 Kafka Connect的分布式模式应用 269
13.3.4 使用Kafka Connect接收数据并存入文件 272
第14章 基于Flink进行物联网大数据实时处理的编程实践 275
14.1 相关准备知识 275
14.1.1 流数据处理的基本术语 275
14.1.2 流数据处理工具Flink概述 278
14.1.3 复合事件流处理工具Flink CEP概述 296
14.2 物联网大数据处理实验设计 300
14.2.1 实验目的 300
14.2.2 实验设计思路 302
14.3 实验环境搭建 303
14.3.1 部署Flink集群 303
14.3.2 创建项目 305
14.4 实验步骤 307
14.4.1 自定义事件类 307
14.4.2 自定义输入映射算子 308
14.4.3 自定义去重过滤算子 309
14.4.4 自定义窗口处理算子 311
14.4.5 配置运行环境及并行度 311
14.4.6 编写Flink流数据处理程序 312
14.4.7 基于Flink CEP编写复合事件处理程序 313
14.4.8 编写Kafka生产者客户端程序 316
14.4.9 打包到集群中运行程序 317
总结与展望 321
书单推荐
