Διαδίκτυο των Αντικειμένων - IoT sdima@ece.upatras.gr 1
ΑΠΟΚΤΗΣΗ ΑΚΑΔΗΜΑΪΚΗΣ ΔΙΔΑΚΤΙΚΗΣ ΕΜΠΕΙΡΙΑΣ ΣΕ ΝΕΟΥΣ ΕΠΙΣΤΗΜΟΝΕΣ ΚΑΤΟΧΟΥΣ ΔΙΔΑΚΤΟΡΙΚΟΥ ΣΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ (ΦΚ/MIS) Ε.655/ 5001184. sdima@ece.upatras.gr 2
Device-to-Device Device-to-Cloud Device to Gateway Backend Data Sharing IoT Connectivity Models
Device-to-Device Direct Communications IP Networks, ZigBee, Zwave, BLE (προτιμώνται low power) Short Range Τεχνολογία Ηοme Automation και Wearable Mικρά πακέτα, Χαμηλό data rate
Device-to-Cloud Communication: IoT Device, Internet Cloud Service Ethernet, WiFi, Cellular Remote access σε απομακρυσμένο device Animal Τracking (smart tag) Media Streaming (Video, Audio), DropCam Interoperability Security: network access credentials, cloud service credential
Device-to-Gateway Application software: gateway Gateway Intermediate between edge devices and Cloud Pairing IoT devices (SmartThing Hub, SmartPhone App) Bridge Different Standards Aggregation
Backend Data Sharing IoT devices: πρόσβαση από third parties Service integration Platform Integration Yπέρβαση της single deviceto-cloud communication Rest APIs
IoT Reference Model Data Flow Top-Bottom: Control Pattern Bottom-Up: Monitoring Patterm IT= Information Technology OT= Operational Technology World Forum Architecture Committee (Cisco, IBM, Rockwell Automation, Oracle, Intel, etc )
Level 1: Physical Devices και Controllers Analog Digital Convertion Γέννηση Δεδομένων Query και Control μέσω δικτύου Things διαφορετικών δυνατοτήτων : επεξεργαστικών, αποθηκευτικών, μεγέθους, κατασκευαστή
Level 2: Connectivity Ανάμεσα στα devices και στο δίκτυο (gateway-controllers) Μεταξύ των networks (east-west, LAN : server 2 server traffic ) Επικοινωνία με το χαμηλό επίπεδο του Level 3 Aξιόπιστη μεταφορά δεδομένων μεταξύ των devices του Level 1 Yποστήριξη διαφορετικών πρωτοκόλλων Switching και Routing Μετάφραση διαφορετικών πρωτοκόλλων Self-Learning network analytics
Level 3: Fog Computing Data Analysis και Τransformation Processing per Packet, data units, no transactions/sessions Evaluation: εξετάζει αν τα δεδομένα πρέπει να αναλυθούν σε υψηλότερο επίπεδο Formatting: reformatting των δεδομένων higher-level processing Distillation/reduction:μείωση/ συγχώνευση των δεδομένων για να μειωθεί η κίνηση στο δίκτυο και στα higher-level processing systems Assessment: έλεγχος των δεδομένων βάσει threshold ή alert, redirection των data σε διαφορετικούς προορισμούς
Level 4: Data Accumulation Data Accumulation, data in μετατρέπονται σε data at rest. Αποφασίζει αν είναι αναγκαία η περεταίρω επεξεργασία σε υψηλότερα επίπεδα. Storage: disk non-volatile state ή accumulated in memory for short-term use? Τι storage type απαιτείται: file system, big data system, relational database? Οργάνωση των δεδομένων με βάση το storage System Tα Data μπορεί να γίνουν combined, recomputed, ή aggregated με παλιά αποθηκευμένες πληροφορίες Μετατρέπει τα network packets σε database relational tables Event based computing => Query based computing Δραματική μείωση δεδομένων μέσω filtering and selective storing Northbound/southbound alerting
Level 5: Data Abstraction Τα δεδομένα δε βρίσκονται πάντα στο ίδιο data storage: Πολύς όγκος δεδομένων. Μια database => υψηλό processing power Τα Devices είναι γεωγραφικά διαχωρισμένα, και το processing γίνεται locally. Τα Levels 3 και 4 might διαχωρίζουν continuous streams of raw data από event data. Streaming Data : Hadoop, Event data: relational database management system (RDBMS) με γρηγορότερα query times. Level 5: Συνύπαρξη πολλαπλών data formats από διαφορετικά sources Συνεπή σημασιολογία (consistent semantics) Oλοκληρωμένα δεδομένα σε υψηλότερα επίπεδα
Level 6: Application monitoring device data, controlling devices, συνδυασμός device και non-device data. Διαφορετικά applications => Διαφορετικά application models, programming patterns, software stacks, operating systems, mobility, application servers, hypervisors, multi-threading Application Examples: business applications, (ERP, specialized industry solutions) Mobile applications Business intelligence reports, εφαρμογή βρίσκεται στον BI server Analytic applications that interpret data for business decisions System management/control center applications that control the IoT system itself and don t act on the data produced by it
Level 7: Collaboration Processes Τα application data απαιτούν την ανθρώπινη παρέμβαση και νέες διεργασίες. Kοινό application για διαφορετικούς σκοπούς Συνεργασία και διαμοιρασμός δεδομένων με άλλους ανθρώπους, processes
IoT Architecture Παράγοντες για design IoT αρχιτεκτονικής Scalability: sensors και actuators, διαφορετικά δίκτυα, ποσότητας δεδομένων, επεξεργαστικής ισχύς Big Data: εξαγωγή patterns, data extraction από complex data(video) Cloud Computing: χρήση υψηλών resources (storage, flexible scalable computational resources) Real Time: γρήγορη απόκριση, not corrupted data High Distribution: γεωγραφική, επεξεργαστική, δικτυακή heterogeneity: Διαφορετικότητα Things, Διαφορετικότητα services Security Compliance Integration: διαφορετικές τεχνολογίες
ΙοΤ Architecture
ΙοΤ Architecture Edge Tier: Proximity Network + Public Network Δεδομένα από και προς devices <=> Edge Services<=>Cloud Provider Platform Tier Λαμβάνει, επεξεργάζεται αναλύει data flows από το edge tier Παρέχει API Management και Visualization EnterPrise Tier Enterprise Network
IoT Technologies IoT Security software και hardware υλοποιήσεις IoT Analytics νέοι αλγόριθμοι, αρχιτεκτονικές, δομές δεομένων και μεθοδολογίες machine learning, Distributed analytics architectures IoT Device Management : context, location, και stateawareness, OTA, firmware upgrade Low-Power, Short-Range IoT Networks 2025 (Zwave, BLE) Low-Power, Wide-Area Networks low bandwidth, battery life, χαμηλό hardware και operating cost, και high connection density.
IoT Technologies IoT Processors : low-end 8-bit microcontrollers (2019), 32-bit microcontrollers 2020. IoT Operating Systems - Mικρό footprint λειτουργικών συστημάτων, exception- and event-driven tasks, multithreading support Event Stream Processing, distributed stream computing platforms (DSCPs) IoT Platforms (1) low-level device control: communications, device monitoring, device management, security, και firmware updates (2) IoT data acquisition, transformation και management (3) IoT application development: event-driven logic, application programming, visualization, analytics. IoT Standards and Ecosystems