空间大数据和无线网络.pptx

空间大数据和无线网络;;大数据（big data）;移动大数据的主要特征;业务类型演进 传统无线通信网在通信机制、互联互通规则等方面与互联网有完全不同的设计理念, 难以适应新业务的需求.;数据多样化 移动数据类型更加繁多, 包括结构化数据、半结构化数据和非结构化数据 结构化数据，简单来说就是数据库。结合到典型场景中更容易理解，比如企业ERP、财务系统；医疗HIS数据库；教育一卡通；政府行政审批；其他核心数据库等。这些应用需要哪些存储方案呢？基本包括高速存储应用需求、数据备份需求、数据共享需求以及数据容灾需求。 ?非结构化数据，包括视频、音频、图片、图像、文档、文本等形式。具体到典型案例中，像是医疗影像系统、教育视频点播、视频监控、国土GIS、设计院、文件服务器（PDM/FTP）、媒体资源管理等具体应用，这些行业对于存储需求包括数据存储、数据备份以及数据共享等。 ?半结构化数据，包括邮件、HTML、报表、资源库等等，典型场景如邮件系统、WEB集群、教学资源库、数据挖掘系统、档案系统等等。这些应用对于数据存储、数据备份、数据共享以及数据归档?等基本存储需求。 ;随着网络技术的发展，特别是Internet和Intranet技术的飞快发展，使得非结构化数据的数量日趋增大。这时，主要用于管理结构化数据的关系数据库的局限性暴露地越来越明显。因而，数据库技术相应地进入了“后关系数据库时代”，发展进入基于网络应用的非结构化数据库时代。所谓非结构化数据库，是指数据库的变长纪录由若干不可重复和可重复的字段组成，而每个字段又可由若干不可重复和可重复的子字段组成。简单地说，非结构化数据库就是字段可变的数据库。;数据的空-时域大动态变化 ;传统大数据处理;移动大数据对无线网络的挑战;严重的信号衰落及信号传播通常在视距范围内,使得室内小区形状呈现“准”确定性和小区边缘锐利化的特征, 这对室内网络覆盖规划引入了难题. 室内节点的密集程度主要受建筑物布局的影响, 若以最小化室内无线节点为网络规划目标, 锐利的小小区边缘会使问题建模异常复杂.;资源管控 数据多样化和流量???-时域大动态变化给传统资源管理体系带来了新的难题.;数据安全性 用户隐私安全 数据的访问控制和可信度 高能耗 ;this article is structured as follows;Application Scenarios for Spatial Big Data;Application Scenario 1: Management of Wireless Networks Using Big Data;the actual coverage;Application Scenario 2: Massive Sensing and IoT Applications;Application Scenario 3: Smart Cities and Noisy Spatial Data;Application Scenario 3: Smart Cities and Noisy Spatial Data;Using the Right Algorithms;Scalable Computational Solutions;Kriging算法;Kriging算法;hadoop;mapreduce;Scalable Computational Solutions;Scalable Computational Solutions;Scalable Computational Solutions;Scalable Computational Solutions;The module launches several mappers reading the data from the data sources, converting the data formats as needed, and writing them into a specific HBase.;computational burden of these steps three Hadoop servers;Research Challenges;Deployment Planning and Hierarchical Network Dimensioning;Software Frameworks and Implementation Languages;Usability and Accessibility;Conclusions