.png){kind=icon}
返回
FODIT: A Filter-Based Module for Optimizing Data Storage in B5G IoT Environments
.png){kind=icon}
PRE
AI
DOI：10.3390-fi17070295.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在物联网（IoT）快速发展的背景下，管理由连接设备产生的海量数据带来了显著挑战，尤其是在B5G IoT环境中。一个关键问题是数据冗余，即由于多个传感器采集导致相同数据被多次存储。为解决此问题，我们引入“FODIT”，一种基于过滤器的模块，旨在优化IoT系统中的数据存储。FODIT利用概率数据结构，特别是过滤器，以提高存储效率和查询性能。我们假设应用这些结构可以显著减少冗余并加速资源受限IoT部署中的数据访问。我们通过特定且罕见的配置（高频和高冗余环境，控制重复率在4%至8%之间）下的针对性模拟验证了这一假设。这些实验涉及本地数据库、基于云的系统以及分布式账本技术（DLTs）中的数据存储。结果表明，在压力测试条件下，FODIT能够减少存储需求并提升查询响应速度。此外，所提出的方法具有更广泛的应用性，尤其是在基于DLT的环境（如区块链）中，高效查询仍是关键挑战。尽管如此，仍存在一些局限性，特别是关于当前用于保持与DLT一致性的数据结构，以及需要进一步适应动态工作负载的真实场景。本研究突显了基于过滤器的技术在提升IoT和区块链系统数据管理方面的潜力，为开发更可扩展和响应更快的基础设施做出贡献。
Keyword:
FODIT
IoT
data redundancy
probabilistic filters
blockchain
期刊
IF:
3.6
论文数:
1.2K
被引数:
6.5K
机构
引用论文
Machine Learning for 5G/B5G Mobile and Wireless Communications: Potential, Limitations, and Future Directions5g/B5G移动和无线通信的机器学习: 潜力、限制和未来方向.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
Intelligent Resource Slicing for eMBB and URLLC Coexistence in 5G and Beyond: A Deep Reinforcement Learning Based Approach5g及以后eMBB和URLLC共存的智能资源切片: 基于深度强化学习的方法OAAI
OAAI分享收藏Kumar, M.; Singh, A. Bloom filter empowered smart storage/access in IoMT [edge-fog-cloud] hierarchy for health-care data ingestion. Concurr. Comput. Pract. Exp. 2024, 36, e8012. [Google Scholar] [CrossRef]Kumar, M.; Singh, A. 基于Bloom filter的智能存储/访问在IoMT [边缘-雾-云] 层级结构中的健康医疗数据摄入. Concurr. Comput. Pract. Exp. 2024, 36, e8012. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Internet of Things (IoT) Based Activity Recognition Strategies in Smart Homes: A Review基于物联网 (IoT) 的智能家居活动识别策略综述IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
查看更多内容