●第1篇 緣起與發展趨勢篇第1章 物聯網與產業發展31.1 物聯網產業的發展31.1.1 傳感器與智能硬件41.1.2 物聯網服務平臺51.1.3 工業4.0與CPS51.2 物聯網與大數據71.3 物聯網產業的機遇與挑戰91.3.1 物聯網產業面臨的挑戰91.3.2 物聯網操作繫統與數據庫101.3.3 物聯網大數據處理與應用11第2章 大數據處理技術的發展122.1 大數據存儲和管理技術122.1.1 面向大數據的文件繫統132.1.2 面向大數據的數據庫繫統152.2 大數據計算技術192.2.1 批處理計算模式192.2.2 交互式查詢計算模式202.2.3 流處理計算模式212.2.4 大數據實時處理的架構：Lamda架構232.3 大數據分析技術242.3.1 傳統結構化數據分析262.3.2 文本數據分析262.3.3 多媒體數據分析272.3.4 社交網絡數據分析272.3.5 物聯網傳感數據分析282.3.6 大數據分析技術的發展趨勢28第2篇 技術解析篇第3章 物聯網大數據技術體繫313.1 物聯網中的大數據挑戰313.1.1 互聯網大數據的特征313.1.2 物聯網大數據的特征343.2 技術體繫373.2.1 感知數據采集與傳輸383.2.2 感知數據管理與實時計算413.2.3 物聯網平臺與大數據中心42第4章 感知數據特性與模型444.1 感知數據的特性分析444.1.1 常用的感知數據類型444.1.2 感知數據的主要特征464.2 感知數據的表示與組織494.2.1 物聯網數據模型494.2.2 時態對像模型514.3 感知數據庫的定位524.3.1 感知數據庫的定位524.3.2 感知數據庫的特征534.4 感知數據庫與傳統數據庫534.4.1 感知數據庫與關繫數據庫534.4.2 感知數據庫與實時數據庫繫統544.4.3 感知數據庫與工廠數據庫繫統554.4.4 感知數據庫與流數據處理繫統55第5章 感知數據庫管理繫統575.1 感知數據庫的總體設計575.1.1 總體設計的主要原則575.1.2 感知數據庫的設計框架585.2 感知數據庫的分布部署體繫625.2.1 繫統的集群部署模式625.2.2 多層級的繫統部署體繫645.2.3 服務分布的部署體繫665.3 感知數據庫中的關鍵技術675.3.1 智能設備及傳感器接口技術675.3.2 流數據實時在線處理技術685.3.3 事件驅動的高效處理機制695.3.4 感知數據的壓縮存儲技術75第6章 實時事務調度處理技術796.1 常見事務特性分析796.1.1 感知事務806.1.2 觸發事務806.1.3 用戶事務816.2 事務調度與並發控制816.2.1 事務的調度方法816.2.2 並發控制策略826.3 服務器與操作繫統836.3.1 服務器體繫結構與發展836.3.2 操作繫統的多任務機制876.4 事務的執行框架與模式906.4.1 通用繫統模型與調度方法916.4.2 事務處理框架的設計模式916.5 繫統框架的分析與性能優化94第7章 物聯網大數據存儲與管理977.1 雲文件繫統的關鍵技術997.1.1 HDFS的目標和基本假設條件997.1.2 HDFS體繫架構1007.1.3 性能保障1027.2 NoSQL數據庫關鍵技術1067.2.1 NoSQL數據庫概述1067.2.2 基於NoSQL數據庫的物聯網大數據存儲與管理118第8章 物聯網大數據計算與分析1238.1 物聯網大數據批處理計算1238.1.1 MapReduce的設計思想1248.1.2 MapReduce的工作機制1268.1.3 MapReduce在物聯網大數據中的應用1288.2 物聯網大數據交互式查詢1308.2.1 原生SQL on HBase1318.2.2 SQL on Hadoop1328.2.3 基於HBase的交互式查詢1338.3 物聯網大數據流式計算1348.3.1 流式計算的需求特點1348.3.2 流數據基本概念1358.3.3 流數據查詢操作1408.3.4 流數據定制化服務1428.3.5 評測基準1458.3.6 Spark Streaming及其在物聯網大數據中的應用1468.4 物聯網大數據分析1508.4.1 物聯網大數據OLAP多維分析1518.4.2 物聯網大數據深層次分析157第3篇 產品研發篇第9章 物聯網網關CubeOne1759.1 工業物聯網網關1759.1.1 CubeOne產品概述1759.1.2 CubeOne功能特點1769.1.3 CubeOne的應用領域1789.2 無線傳感器網絡網關1789.2.1 無線傳感器網絡概述1789.2.2 ZigBee-WiFi網關1809.2.3 ZigBee網絡應用案例182第10章 ChinDB感知數據庫繫統18510.1 ChinDB繫統概述18510.2 ChinDB組成與功能特點18610.3 ChinDB數據組織管理18810.3.1 標簽點及其屬性18810.3.2 標簽點的組織方式18910.3.3 關繫數據管理19010.3.4 歷史數據管理19010.4 ECA規則與實時計算19110.5 ChinDB的HA方案19210.5.1 HA概述及模式分類19210.5.2 ChinDB HA的部署模式19310.6 物聯網應用平臺19510.6.1 物聯網平臺概述19510.6.2 平臺主要特點19610.6.3 應用領域與應用案例198第11章 DeCloud物聯大數據雲平臺20211.1 DeCloud組成20211.1.1 軟件概述20211.1.2 通信服務20411.1.3 計算服務20611.1.4 存儲服務20711.1.5 數據發布/訂閱服務20811.2 DeCloud在智能交通領域的應用20911.3 DeCloud在教育物聯網雲服務平臺中的應用21511.4 DeCloud在電廠設備故障預警的應用21811.5 DeCloud在電梯安全監控中的應用22211.6 DeCloud在高精度位置服務中的應用225總結與展望
本書基於作者近幾年來的研究開發成果及應用實踐，對物聯網大數據技術體繫進行了繫統歸納，闡述了物聯網環境下感知數據的特性、數據模型、事務模型以及調度處理方法等核心概念及關鍵技術，並對物聯網大數據存儲、管理、計算與分析的基本概念和關鍵技術進行了剖析。本書還介紹了自行研發的面向物聯網的ChinDB實時感知數據庫繫統以及針對雲計算環境下物聯網大數據管理與應用的DeCloud雲平臺，介紹了它們在智能交通、智能電廠、教育、安全監控等多個行業的應用。書中所有實例，均來自作者所在團隊的實際應用，大部分在物聯網項目中得到了實踐應用。本書對物聯網應用的開發以及兩化融合、工業4.0環境下的大數據處理分析具有重要參考價值。
