BBQ und MauveDBJonathan Hellwig20.07.2007

Data Management in Wireless Sensor NetworksTimo Mika Gläßer & Ulf Leser

2Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Modell driven data adquisition• Daten werden nicht direkt abgerufen• Daten fließen in Modellberechnung ein• Daten werden vom Modell abgerufen• Bespiel:

• Korrelation von Schuhgröße und Körpergröße• Größere Schuhe -> mehr Körpergröße• Schuhgröße -> Körpergröße• Schuhgröße + Gewicht -> Körpergröße

3Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Gliederung• MauveDB• BBQ• Schlussfolgerungen• Diskussion

4Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB – Was ist das?• Eine Datenbank• Es können Model-Based-Views erstellt

werden• Datenerfassung unabhängig von MauveDB

5Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB – Was ist das?

6Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB - Wie Funktioniert MauveDB?

Quelle: Deshpande, A.; Madden, S. , MauveDB: Supporting Model-based User Views in Database Systems. SIGMOD 2006.

7Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB - Regression

Quelle: Deshpande, A.; Madden, S. , MauveDB: Supporting Model-based User Views in Database Systems. SIGMOD 2006.

8Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB - Interpolation

Quelle: Deshpande, A.; Madden, S. , MauveDB: Supporting Model-based User Views in Database Systems. SIGMOD 2006.

9Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB – Anwendungsbeispiel• 54 Sensoren• Messung von Temperatur, Feuchtigkeit, …• Create View Query

• CREATE VIEW• IntView(time[0::1],sensorid[::1],temp)• AS INTERPOLATE temp USING time, sensorid• FOR EACH sensorid M• TRAINNING_DATA SELECT temp, time, sensorid• FROM raw-temp-readings• WHERE raw-temp-readings.sensorid = M

10

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

MauveDB – Anwendungsbeispiel• Abfrage von:

1. Temperatur über Zeit von Rohdaten2. Temperatur über Zeit von interpolierten Daten3. Anteil von messenden Sensoren über Zeit

Quelle: Deshpande, A.; Madden, S. , MauveDB: Supporting Model-based User Views in Database Systems. SIGMOD 2006.

11

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Was kann MauveDB (noch) nicht?• Andere Modelle als Regression und

Interpolation• Continuous-Queries

12

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Was ist das?• Barbie Q = a Tiny-Model Query System

• Abfragesystem für ein Sensorennetzwerk• Aus Daten der Sensoren wird Modell

berechnet• Anfragen an Modell und nicht an Rohdaten

13

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Was ist das?

14

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Wie funktioniert BBQ?

Quelle: Deshpande, A.; Guestrin, C.; Madden, S.; Hellerstein, J.; Hong W. . Model-driven data acquisition in sensor networks. In VLDB, 2004.

15

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Wie sehen Anfragen aus?• Range-Query

• Liegt ein Attribut (Messwert eines Sensors) in einem bestimmten Bereich

• Angabe der Wahrscheinlichkeit, mit der dies zutreffen soll

• Value-Query• Werte von Attributen• Wahrscheinlichkeitsangabe• Angabe des tolerierten Fehlers, den die Attribute vom

angegebenen Wert abweichen können• Average-Query

• Durchschnittliche Werte von Attributen• Wahrscheinlichkeitsangabe und Fehlerangabe

16

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Wie werden Anfragen beantwortet?• Trainingsdaten werden benutzt, um ein Modell der Daten zu

bilden• Die Attribute (Messwerte der Sensoren) werden durch

Zufallsvariablen dargestellt• Es wird angenommen, dass Zufallsvariablen

NORMALVERTEILT sind (dadurch ist die Verteilung durch den Erwartungswert und der Varianz vollständig beschrieben)

17

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Wie werden Anfragen beantwortet?• Anfrage nach einem Attribut Xi mit Fehlertoleranz

(Abweichung vom angegeben Wert) und Wahrscheinlichkeit (mit der Wert+/-Fehler zutrifft)

• Zwei Möglichkeiten1. Modell kann Anfrage sofort beantworten

18

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Wie werden Anfragen beantwortet?• 2. Modell kann Anfrage nicht mit geforderter

Wahrscheinlichkeit antworten. Es werden Attribute im Sensornetzwerk beobachtet, um geforderte Wahrscheinlichkeit einzuhalten

19

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Kostenvorhersage und Minimierung• O ist Menge der beobachteten Variablen• Ca(O) Kosten für Datengewinnung• Ct(O) Kosten für Transmission• C(O) = Ca(O) + Ct(O) Beobachtungskosten• Optimales O muss Folgendes erfüllen:

1. Beobachtung erweitert Modell, so dass geforderte Wahrscheinlichkeit von Anfrage erfüllt wird

2. Beobachtungskosten für C(O) minimal• Brute Force (Exponentiell), Greedy (nicht

optimal)

20

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Kosten• Energiekosten für verschiedene Aufgaben eines

Nodes/Sensors im (getesteten) Sensornetzwerk

Sensor Energy PerSample (@3V), mJ

Solar RadiationBarometric Pressure Humidity and Temperature Voltage

.5250.003

0.5

0.00009

Node Energy, mJ

SendingRecieving

0.40.4

21

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Wie funktioniert BBQ (genauer)?

Quelle: Deshpande, A.; Guestrin, C.; Madden, S.; Hellerstein, J.; Hong W. . Model-driven data acquisition in sensor networks. In VLDB, 2004.

22

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Was kann BBQ messen?• BBQ kann kontinuierliche Daten messen

• Temperaturmessungen• Licht• Luftfeuchtigkeit

• BBQ kann nicht diskontinuierliche Daten messen• Erdbeben

23

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Gründe um BBQ zu benutzen• Energie sparen• Auch bei Ausfall von Sensoren

(Eingeschränkte) Funktion• Stetige Werte von Messdaten bei diskreten

Messungen

24

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Anwendungsbeispiele

Name Garden LabAnzahl von Sensoren

11 54

Was wird gemessen

Feuchtigkeit, Licht, Temperatur, Spannung

Feuchtigkeit, Licht, Temperatur, Spannung

Wo Außen InnenAnzahl von Messungen

830002/3 Training1/3 Test

6 Tage Trainingsdaten2 Tage Testdaten

25

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ – Anwendungsbeispiele• Vergleich zu:1. TinyDB-style Querying

• Alle Sensoren werden Abgefragt• Keinen Fehler

2. Approximate-Caching• Sensoren messen immer• Nur wenn eine festgelegte Toleranzgrenze

überschritten wird, meldet Sensor Messung• Fehler wird immer eingehalten• Spart Transmissionskosten

26

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Garden

Quelle: Deshpande, A.; Guestrin, C.; Madden, S.; Hellerstein, J.; Hong W. . Model-driven data acquisition in sensor networks. In VLDB, 2004.

27

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Garden

Quelle: Deshpande, A.; Guestrin, C.; Madden, S.; Hellerstein, J.; Hong W. . Model-driven data acquisition in sensor networks. In VLDB, 2004.

28

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Lab

Quelle: Deshpande, A.; Guestrin, C.; Madden, S.; Hellerstein, J.; Hong W. . Model-driven data acquisition in sensor networks. In VLDB, 2004.

29

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

BBQ - Was kann BBQ (noch) nicht?• Dynamische Netzwerke• Ausreißer• Messungen die nicht Trainingsmuster

entsprechen

30

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Schlussfolgerungen• Was haben MauveDB und BBQ gemeinsam?

• Anfragen in SQL-Style• Anfragen an Modelle statt an Rohdaten

31

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Schlussfolgerungen• Worin unterscheiden sich MauveDB und BBQ?

• MauveDB ist unabhängig von Sensorennetzwerk• BBQ interagiert mit Sensorennetzwerk• Unterstützung von unterschiedliche Modelle

(Implementierungsfrage?)

32

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Schlussfolgerungen• Unter welchen Umständen sind Daten aus

Modellen sinnvoller als Rohdaten?• Schwankungen der Daten durch

Messungenaugkeiten• Unvollständige Daten (Ausfall von Sensoren,

Sensoren decken nicht alles ab)• Prognosen

33

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Schlussfolgerungen• Für welche Arten von Wireles Sensor

Networsks (WSN) können BBQ und MauveDB eingesetzt werden?• Ausfall von Sensoren

• Für welche nicht?• Bewegliche Knoten• Daten werden im Knoten bearbeitet• Desasterzonen in denen kein Daten-Training

durchgeführt werden kann• Gesundheitsüberwachung in der eine

Wahrscheinlichkeit von 95% nicht ausreicht

34

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Diskussion• Bieten sich BBQ und MauveDB überhaupt

für WSN an?

35

Jonathan Hellwig – BBQ und MauveDBTimo Mika Gläßer & Ulf Leser - Data Management in Wireless Sensor Networks

Vielen Dank!Fragen?