Baixe o app para aproveitar ainda mais
Prévia do material em texto
12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 1/34 ARQUITETURA PARA INTERNETARQUITETURA PARA INTERNET DAS COISASDAS COISAS ANÁLISE DE MODELOSANÁLISE DE MODELOS DE REFERÊNCIA EDE REFERÊNCIA E DETECÇÃO DE OUTLIERDETECÇÃO DE OUTLIER Autor: Esp. Renan Constanci Hagiwara Revisor : Isabel S iqueira IN IC IAR 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 2/34 introduçãoIntrodução Quando falamos de revolução tecnológica, a noção de Internet das Coisas – ou Internet of Things (IoT) – é um dos assuntos principais. É um fenômeno atual, mas que continua a se desenvolver e desenhará nosso futuro de uma forma completamente inédita. Devido às excelentes oportunidades que a IoT promete, mais organizações buscam a inclusão de seus produtos em seus processos de negócios. No entanto, quando se trata de realidade, essa ideia brilhante parece complicada demais para ser implementada, dado o número de dispositivos e condições necessárias para fazê-la funcionar. Em outras palavras, o problema de estabelecer uma arquitetura con�ável da Internet das Coisas entra inevitavelmente no palco. As plataformas IoT mais abrangentes incluem middleware, juntamente com sensores e componentes de rede. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 3/34 Nesta seção, faremos uma análise crítica entre a Linksmart, que utiliza padrões de ampla disseminação para facilitar a integração com seus serviços e sistemas, e o Ubidots. Analisaremos também os modelos de referência utilizados na IoT. Análise de Modelos de Referência Nos modelos de referência do ITU-T existem especi�cações em algumas camadas e uma rápida descrição das fundamentais funcionalidades exigidas em um sistema de IoT. Já o modelo de referência apresentado pela IoT-A determina submodelos e a interação entre eles, o que pode de�nir uma arquitetura de referência que funciona como um modelo para a especi�cação Análise CríticaAnálise Crítica entre Linksmart eentre Linksmart e Ubidots e sobre osUbidots e sobre os Modelos deModelos de ReferênciaReferência 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 4/34 e implantação de sistemas inteligentes no caso IoT. Sendo assim, essas especi�cações tendem a partir dos requisitos e diagramas para a especi�cação do sistema, e é bem comum que vá até a especi�cação de tecnologias para as camadas, como a comunicação dos dispositivos, software, hardware e modelo de rede. Ambos são modelos de referência, mas o determinado pelo IoT-A parte do modelo de referência e chega até a arquitetura de referência, que podemos dizer que é o guia de design do sistema de IoT. Análise Crítica entre Linksmart e Ubidots A plataforma Ubidots tende a não permitir o desenvolvimento de instâncias que tenham mais de um atributo em um objeto, de modo a obrigar que a implementação de controle seja realizada no gateway ou no dispositivo da camada física. Portanto, para criar esse controle no gateway, é necessário realizar o envio de forma simultânea em relação às várias características, porém, não existe nenhuma ligação explícita entre eles, o que pode gerar inconsistências para a aplicação. A �gura a seguir apresenta como uma aplicação é executada de modo experimental na plataforma Ubidots. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 5/34 A aplicação de teste apresentada inseriu 5.000 instâncias, com três principais características: luminosidade; horário da leitura como variável inteira; e temperatura. Cada característica foi inserida de forma individual, somando 15.000 registros na plataforma Ubidots, que apresentou 15 falhas inserir o conjunto total de instâncias. Por meio da API não é possível resgatar cada valor, apenas o conjunto total com todos os registros. Sendo assim, o tempo transcorrido para a inserção dos registros foi de quase uma hora e seis minutos, para o resgate do conjunto de modo completo o tempo transcorrido foi de quase sete segundos. O tempo total transcorrido foi relativamente alto. A imagem a seguir apresenta a execução de uma aplicação experimental usando o Linksmart. Nessa aplicação de teste, foram inseridas 5000 instâncias, com três características: luminosidade; horário da leitura como variável inteira; e temperatura. Figura 4.1 - IotUbidotsTest Fonte: Souza e Amazonas (2015, p. 61). 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 6/34 Essa execução não exibiu erros ao inserir o conjunto total de instâncias. O tempo transcorrido para a inserção dos registros foi perto de 1 minuto e 49 segundos; para o resgate do conjunto completo de dados, o tempo transcorrido foi de aproximadamente dois segundos. Assim, o tempo total transcorrido foi baixo se conferido com o da plataforma Ubidots, mas não pode ser um parâmetro relevante para fazer a escolha de uma plataforma, pois precisamos ter em vista que possa ter variações da banda de rede disponível no momento que a aplicação é executada. A plataforma Ubidots aceita somente a inserção de variáveis inteiras ou reais, não permitindo valores como data, hora, textos ou outros tipos quaisquer que, dependendo do contexto da aplicação, talvez sejam importantes. Esses fatos apresentados justi�cam a alternativa de desenvolver uma arquitetura estendendo ao Linksmart middleware. praticarVamos Praticar Em uma infraestrutura de IoT, o número de dispositivos e serviços pode crescer rapidamente, e seu status e conectividade podem mudar dinamicamente. Para gerenciar essa infraestrutura, a melhor plataforma de código fechado do mercado fornece um conjunto de serviços para gerenciar e acompanhar os dispositivos, serviços, sistemas e subsistemas em execução. Assinale a seguir a alternativa que indica essa plataforma. a) Ubidots. b) IoT. c) Middleware. d) Linksmart. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 7/34 e) ITU-T. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 8/34 Vamos analisar uma solução que acrescentou os mecanismos de análise e reconhecimento de padrões nas seguintes camadas: 1. middleware e serviço no modelo de IoT; 2. camada de dispositivos ou entidades físicas, nesse caso acaba sendo dentro de dispositivos de IoT que se mantêm na classe de dispositivos com baixo poder computacional; e 3. dispositivo de gateway de IoT. Podemos destacar que a normalização e sincronização dos dados e semelhantes fontes não estão no escopo dessa solução e necessitam que seja uma decisão de projeto e arquitetura da aplicação ou sistema cliente do módulo. Análise eAnálise e ReconhecimentoReconhecimento de Padrões nasde Padrões nas Camadas deCamadas de MiddlewareMiddleware 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819_… 9/34 Foi uma alternativa utilizar como apoio ao Linksmart middleware a plataforma para criação de aplicações para a IoT, que foi notada em Chartier (2007). Nessa solução podemos acrescentar uma subcamada para o reconhecimento de padrões do Linksmart, na qual são inseridos os novos serviços para analisar o reconhecimento de padrões ao abstrair algoritmos para detectar outliers, estimar valores e algoritmos de clustering. Dessa forma é possível admitir que eles sejam usados em distintos ambientese com diferentes tipos de dispositivos. Assim, as aplicações passam a poder resgatar dados do middleware ao invés de resgatar informações capturadas de modo direto dos objetos que são conectados. A imagem a seguir apresenta uma alteração na estrutura em camadas do Linksmart middleware. A subcamada Pattern Layer, separada pelo retângulo, tem três gerenciadores clustering manager, outlier manager e estimation manager, nos quais são implementadas as funcionalidades para o reconhecimento de padrões. Sendo assim, a implementação possui três características muito importantes, listadas a seguir. 1. Adulteração nos Application Elements, à esquerda na Figura 4.3, com foco na camada de middleware ou serviço. Figura 4.3 - Camadas do Linksmart Fonte: Jadhao (2011, p. 6). 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 10/34 2. Adulteração nos Device Elements, à direita na Figura 4.3, elementos de dispositivos que podem ser introduzidos em futuros dispositivos para IoT que venham a usar o Linksmart como apoio para seu �rmware. Os elementos de dispositivos podem ser agrupados aos gateways de IoT. 3. Para classes de dispositivos que não possam ter os elementos de dispositivos do Linksmart introduzidos, pretende-se desenvolver especi�cações de algoritmos que sejam agrupados ao �rmware. Sendo assim, essa implementação tem o foco voltado à Physical Layer, no caso, a camada de entidades físicas. Em algumas biogra�as é possível ver a utilização de algoritmos de estimação de valores, de clustering e de detecção de outliers, na qual é possível conseguir contribuir para a diminuição do tráfego de rede no modelo de IoT sugerido. Dessa forma, é possível ter em vista que não existirá a obrigação de enviar todos os dados para a camada acima, pois, desse jeito, serão pré-processados no próprio middleware de IoT. Aos algoritmos soma-se a arquitetura difundida Big Data para minerar dados, que pretende disseminar o armazenamento o e processamento usando algumas soluções do Framework Hadoop e do Linksmart middleware. Para essa implementação, foram utilizados alguns algoritmos de regressão linear para estimar valores. Algoritmo k-means foi utilizado para o clustering dos valores originários de sensores ligados aos dispositivos ou de informações que já foram entregues ao Linksmart middleware. Para detectar outliers foi empregado o algoritmo de clustering k- means e a medida de distância dos centroides para a detecção de outliers (DOUGHERTY, 2012) (PAMULA; DEKA; NANDI, 2011) (LEI et al., 2012) (SOUZA; AMAZONAS, 2015). 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 11/34 A �gura anterior representa o �uxo de dados e informações encontrados na arquitetura e implementação propostas. A característica que podemos dar mais destaque na implementação é o novo módulo para distinguir os padrões que são inseridos no Linksmart middleware. Portanto, essa implementação segue a arquitetura que podemos avaliar como um modelo de referência IoT- A, já discutido anteriormente. A seguir citamos alguns desses modelos. Physical Layer (ou, em português, camada física): nesta camada podemos encontrar recursos físicos, que serão chamados a partir desse ponto de Resource Layer, é simulada por sensores e dispositivos inteligentes. No caso, o gerenciador de recursos físicos, também conhecido como Resource Manager, concebe os drivers de dispositivos ou gateway responsáveis por realizar a interface com o Linksmart e enviar os dados brutos ou informações pré-processados por algoritmos que estimam valores ou detecção de outliers. Sendo assim, caso as informações geradas por um Resource Manager sejam processadas nessa camada, ele con�rmará ao gerenciador de con�guração (Con�guration Manager) no Linksmart ou de diretamente à aplicação. Então, tanto o Resource Manager quanto a aplicação poderão modi�car parâmetros no Resource Manager de forma que o pré- processamento poderá ser desativado e passar a fazer envio de brutos para a camada acima. Com isso, a partir dessa camada o �uxo de informação poderá ir para a camada de middleware. Figura 4.4 - Middleware Layer Fonte: Souza e Amazonas (2015, p. 65). 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 12/34 Middleware Layer (também conhecida como camada de middleware): esta camada é representada pelo Linksmart middleware, alterado nessa implementação pela inserção de soluções de reconhecimento de padrões e o Con�guration Manager. O Event Manager, já vivente, tem grande relevância nessa arquitetura, mas as outras soluções presentes no middleware não são tão importantes para a implementação realizada. O Pattern Manager implementa três soluções: o modo de estimar valores, clustering e detecção de outliers. Já o Con�guration Manager aceita que as aplicações ou o Resource Manager possam con�gurar os parâmetros no Pattern Manager, determinar quando os algoritmos serão executados ou o quanto de informação será necessário para o armazenamento, além de habilitar ou desabilitar os serviços de reconhecimento de padrões ou limpar as informações armazenadas. Depois de processar as informações, o serviço de reconhecimento de padrões pode enviar dados contextualizados para o Event Manager, que, por sua vez, envia novos eventos aos clientes. O Event Manager fornece a escalabilidade, tendo em vista que ele tem soluções para enviar os eventos para um único ou muitos clientes, dependendo da estrutura de implantação do Linksmart. No caso, o Event Manager é acessado de modo direto pelo Resource Manager, que não conseguiu habilitar as soluções de reconhecimento de padrões. Esse atributo é selecionado no projeto da aplicação e pode sofrer alteração por meio do Con�guration Manager. Essa camada faz a implementação da comunicação Cross Layer, tendo em vista que é possível receber ou enviar e parâmetros de con�guração ao Resource Manager ou até mesmo às aplicações. Deste modo, o aspecto mais relevante dessa comunicação Cross Layer – na qual a informação bruta é aberta, processada ou interpretada nessa camada, que de outro modo seria uma função particular da camada de aplicação – é idêntico o modelo OSI (COMER, 2015). A Application Layer (também conhecida como camada de aplicação) representa as aplicações clientes ou suas atuações de con�guração. As 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 13/34 aplicações recebem os eventos por meio do Event Manager, sendo as informações brutas ou dados processados. Desse modo, as ações de con�guração são responsáveis por con�gurar os parâmetros no Con�guration Manager ou por enviar parâmetros ao Resource Manager ou ao middleware, para controlar seu comportamento ou os serviços de reconhecimento de padrões, desta forma fazendo a ativação ou desativação e estabelecendo uma comunicação conhecida como bidirecional. Com isso, a comunicação Cross Layer se destaca por ser um requisito bastante importante para essa arquitetura, sendo implementada segundo a descrição 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 14/34 mencionada. A arquitetura sugerida aceita o processamento disseminado ou em diversas camadas, e o dado pode ser processado em cada nó físico, de rede do middleware ou de aplicação. Assim, a comunicação Cross Layer entendida nessa arquitetura acolhe essa funcionalidade, que é muito importante para o contexto de aplicações de IoT. praticarVamos Praticar Atualmente existe um conjunto de instruções, dados ou programas usados para operar computadores e executar tarefas especí�cas. Ao contráriode outro conceito, que descreve os aspectos físicos de um computador, software é um termo genérico usado para se referir a aplicativos, scripts e programas executados em um dispositivo. A partir do exposto, assinale a alternativa que se encaixa no conceito de um software que preenche lacunas entre outros aplicativos, ferramentas e bancos de dados a �m de fornecer serviços uni�cados aos usuários. É geralmente caracterizado como a cola que conecta diferentes plataformas e dispositivos de software. a) Software. b) Hardware. c) Middleware. d) Internet. e) OSI. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 15/34 Diferentes classes foram construídas para implementar os algoritmos de reconhecimento de padrões e fazer a integração à plataforma de Big Data Hadoop. Podemos citar os serviços criados como clustering, estimação de valores e detecção de outliers e a comunicação Cross Layer, respectivamente. Implementação do Serviço de Clustering Implementação doImplementação do Serviço deServiço de Clustering Clustering e doe do Serviços deServiços de Detecção deDetecção de OutlierOutlier 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 16/34 A �gura a seguir ilustra o diagrama de classes que implementa o serviço de clustering no módulo Pattern Manager. Além disso, a imagem apresenta o pacote existente teste.linksmart.pattern e os novos pacotes clusters de Hadoop, de acordo com as classes explicitadas a seguir. PatternSubscription é a classe que desenvolve a estrutura com as características para as novas classes, que implementam os serviços no módulo Pattern Manager. Sendo assim, realiza a de�nição de características que informam o tipo de algoritmo, no caso, se são numérico, texto, valor de PHID, clustering, estimação de valor, tipo de atributo, classe ou data, valor de PHID e detecção de outlier. PatternSubscriptionClustering é a classe que estende a classe PatternSubscription e pode acrescentar novos métodos para o serviço de clustering, como o inputInstance, que realiza a inserção de instância de informação para fazer o processamento; �ndCluster, que regressa a qual cluster uma instância é mais análoga ou está mais perto; setAttributesClustering, que faz a de�nição dos principais parâmetros para o algoritmo de clustering; runPattern, que realiza a iniciação da execução do 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 17/34 algoritmo; �nishedRunSubscriptionClustering, que normalmente faz a noti�cação de quando o procedimento de clustering foi completado; e returnResultPatternClassi�cationClustering, que realiza o retorno do resultado do processamento. Compreenda que essa classe não é quem faz a implementação do algoritmo de clustering, contudo, ela possui um objeto ao qual encarrega esse processamento. Com isso, essa solução consente o desacoplamento entre o módulo e a implementação real e, por �m, aceita a introdução de inovações, ou seja, novas implementações. PatternClustering é uma interface que determina a estrutura para que uma classe possa implementar as metodologias necessárias para ser um objeto de PatternClustering. Assim, ela de�ne algumas das seguintes metodologias: inputInstance, �ndCluster, runPattern, returnResultPatternClassi�cationClustering, setAttributesClustering e �nishedRunSubscriptionClustering, no caso todos conectados às metodologias de�nidas na classe PatternSubscriptionClustering. ResultPatternClassi�cationClusterin é uma classe que contém as características necessárias de um resultado de execução de um algoritmo declustering. Com isso, esse objeto deve ser retornado a uma aplicação, de forma que os dados sobre os clusters possam ser usados na aplicação para gerar e contextualizar o conhecimento sobre as informações que foram processadas na camada de middleware. Sendo assim, o resultado contém todas as características de cada centroide de cada cluster e seus referentes raios. PatternClusteringHadoopImpl é uma importante classe no serviço de clustering, no caso, é uma implementação real da interface PatternClustering e de todos as suas metodologias propostas. Dessa forma, ela implementa o algoritmo de clustering k-means, que é conectado ao Hadoop para realizar o processamento difundido com Big Data. A implementação do algoritmo realiza o uso do Framework Mahout. A principal metodologia implementada na classe constrói uma thread para iniciar o processo na instância de Hadoop. Então, quando o procedimento é completado, o método modi�ca o estado de um �ag e assim con�rma e realiza o envio do resultado para o Linksmart 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 18/34 EventManager. Assim, todos os clientes que permanecerem registrados receberão a noti�cação com um novo valor ou conjunto de informações. SimpleKMeansClusteringHadoop é a classe que realiza a implementação da integração e faz a execução de uma thread do algoritmo k-means na instância do Hadoop. A implementação da arquitetura aceita que alguma outra classe possa implementar a interface PatternClustering e unir ao módulo. Em implementações anteriores, foi empregado o framework Weka como apoio para implementar o algoritmo de clustering. Contudo, não foram obtidos resultados aceitáveis quanto aos tempos de execução no contexto de IoT com os conjuntos de bases de informações para ensaios. A partir desses 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 19/34 resultados insatisfatórios foi melhor usar a tecnologia de Big Data com o Hadoop e a implementação algorítmica do Mahout. Assim a implementação com Big Data aceita o desenvolvimento de clusters de processamento com instâncias de Hadoop, o que admite uma escalabilidade alta de poder computacional e que possa ser transparente para o módulo criado. Serviços de Detecção de Outlier De acordo com Zaki e Meira (2014), as abordagens que empregam medidas de proximidade devem ser usadas para detectar outlier. Lei et al. (2012) desenvolveram abordagens que empregam algoritmos de clustering para a detecção de outliers. Aceitando como fundamento essas descrições, vamos apresentar a proposta de algoritmo de detecção de outlier empregando a tecnologia de Big Data e algoritmo de clustering k-means. Essa implementação tem os seguintes steps: 1. a aplicação adiciona as informações brutas para que se possa desenvolver o modelo de clustering; 2. a execução do algoritmo de clustering Canopy é realizada com as informações iniciais para que possa indicar a quantidade de clusters viventes no modelo, empregando a implementação atual do framework Mahout (NAYAK et al., 2015); 3. outra forma de execução é a partir do algoritmo k-means, com uma certa quantidade de centroides que serão retornados pelo algoritmo Canopy, de modo a criar o modelo de clusters, além de empregar a implementação contemporânea do framework Mahout (GIACOMELLI, 2013); 4. são feitos resgates de dados sobre os clusters, os centroides e os respectivos raios, que são gerados pela execução do algoritmo k-means; e 5. com fundamento nesses valores, o método isOutLier tende a ser utilizado. Sua implementação realiza o cálculo da distância euclidiana (DOUGHERTY, 2012) de uma dada instância para todos os centroides e, caso essa distância 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 20/34 seja realmente maior do que o raio para cada cluster e centroide, a instância é quali�cada como um outlier. A ilustração a seguir tem como objetivoapresentar a detecção de outlier, com isso, podemos observar três clusters e, respectivamente, seus raios e dois pontos considerados outlier. Na ilustração podem ser notados os três clusters gerados, são eles: (1) o simulado pelos círculos, (2) o simulado pelos diamantes e (3) os apresentados pelas estrelas, além de dois outliers que são representados pelo sinal de + e caracterizados com o número 4; estes estão fora dos círculos de cada cluster, que simulam seus respectivos raios. praticarVamos Praticar 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 21/34 O serviço de decompor a população ou os pontos de informação é dividido em vários grupos, de forma que os pontos de dados nos mesmos grupos sejam mais análogos a outros pontos de dados no mesmo grupo do que os de outros grupos. Em palavras simples, o objetivo é segregar grupos com características semelhantes e designá-los em grupos. Como é chamada essa tarefa? a) Clustering. b) Internet. c) Linksmart. d) ITU-T. e) Ubidots. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 22/34 A internet é uma das mais imperativas e está se transformando todos os dias. Atualmente, toda pessoa está conectada à internet, mas a novidade da era moderna é que agora muitos dispositivos têm a capacidade de compartilhar os dados e se comunicar entre si, ou seja, as coisas estão conectadas à internet chamada Internet das Coisas Implementação daImplementação da Comunicação CrossComunicação Cross Layer no ModeloLayer no Modelo IoT e Técnica deIoT e Técnica de Sensores Virtuais eSensores Virtuais e Processamento deProcessamento de Eventos no ModeloEventos no Modelo IoTIoT 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 23/34 Implementação da Comunicação Cross Layer no Modelo IoT A especi�cação da implementação da comunicação Cross Layer no modelo de IoT vai de encontro a alguns requisitos necessários, um deles é o dispositivo para o middleware, que funciona da seguinte forma: quando o dispositivo permanecer em uso, os algoritmos de estimação de valores e detecção de outliers, middleware ou camadas superiores necessitarão ser informados. Assim foram de�nidas as formas de mensagens para essa troca de dados. Podemos citar a do middleware/serviço ou aplicação para o dispositivo como o modelo criado que admite que a aplicação ou o middleware indiquem se o dispositivo necessita ser desativado ou ativado para a sua utilização dos algoritmos propostos. De tal modo, foram acentuados os formatos de mensagens para poder ser permitida a realização do controle dessas funcionalidades nos dispositivos, de forma que se consiga realizar a ativação ou a desativação de cada função particular. A implementação dessa comunicação pode ser acionada nos elementos de dispositivo e elementos de aplicação do Linksmart middleware e para dispositivos que não o tenham embutido. Depois, cabe à especi�cação das interfaces e contratos determinar o modo de usar essas funcionalidades, para que seja possível implementar e utilizar os mecanismos propostos. A �gura a seguir apresenta a estrutura exclusiva da comunicação Cross Layer proposta e também implementada pelo diagrama de classes. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 24/34 O diagrama de classes concebe a estrutura orientada a objetos desenvolvida. Existem duas classes que concebem os parâmetros de comunicação Cross Layer. A Iinterface CrossLayerParameter desenvolve a principal estrutura de um parâmetro Cross Layer. É possível notar os contratos das metodologias como setLayer, que é, nesse caso, o responsável por de�nir se a dada camada necessitará ou não fazer o processo das informações. GetLayer é responsável por devolver a camada em que está sendo realizada a modi�cação, setFlag é o método responsável por de�nir uma variável binária que con�rma se o dado serviço na determinada camada está ou não ativo. Sendo assim a classe CrossLayerParameterImpl é a implementação real dos métodos determinados na interface CrossLayerParameter. As classes Classi�cationManager e Classi�cationManagerImpl determinam a estrutura de implementação dos serviços de reconhecimento de modelos inseridos no Linksmart. Inovações de algumas aplicações poderão aplicar a estrutura e serviços implementados no Linksmart middleware, mas, para que isso advenha, é imprescindível de�nir parâmetros para as camadas física e de middleware. Dessa forma, qualquer instante, em tempo de execução, Figura 4.7 - Comunicação de Cross Layer Fonte: Adaptado de Souza e Amazonas (2015). 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 25/34 parâmetros e procedimento das camadas físicas ou de middleware, poderá ser alterado. O software de driver de dispositivo ou o gateway de IoT, responsáveis por conectar os dispositivos e o Linksmart, necessitam utilizar e fazer a interpretação desses parâmetros e modi�car o comportamento dos dispositivos. Assim, a implementação e a abstração orientada a objetos foi desenvolvida por permitir futuras adulterações ou inserções de novos parâmetros. Técnica de Sensores Virtuais e Processamento de Eventos no Modelo IoT O processamento de eventos e das informações ao longo do caminho que os dados passam pela rede é idêntico ao sugerido em Gluhak et al. (2009). A cada salto na rede, não são necessários saltos em camada de rede, de modo que, com o modelo OSI (COMER, 2015), as informações e eventos são avaliados e �ltrados e podem ser agregados a outros eventos, assim criando valores e sensores virtuais, que também serão �ltrados e analisados. No �nal, é possível observar que, ao longo do caminho, as ações devem ter sido executadas nos diferentes ambientes; e todo o conhecimento agregado pode se tornar um conhecimento global do ambiente. A �gura a seguir é um exemplo de aplicação do processamento dos eventos de dados gerados por meio da IoT. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 26/34 É possível ver no exemplo anterior que a aplicação proposta de processamento dos eventos é o desenvolvimento dos sensores virtuais, nesse contexto, o consumo de energia em uma casa onde existem diferentes dispositivos eletrônicos poderá, de alguma forma autônoma, ser monitorado e escalonado no local para usar e reduzir o consumo de energia elétrica. As informações de uma residência devem ser analisadas e agregadas aos dados de outras casas na mesma rua, tendo em vista esse objetivo de desenvolver um escalonamento entre todos os dispositivos, que, por sua vez, poderão ser agregados aos dados de outras ruas, bairros, cidades e estados que possam ser atendidos por uma mesma fornecedora de energia elétrica. A cada salto, os dados são analisados e agregados; também são realizadas execuções de ações em cada ambiente, ou seja, do maior ao menor nível de granularidade de acordo com o que se observa nas setas em sentido duplo. Para realizar as análises são usados os mecanismos de reconhecimento de padrões adicionados no Linksmart, como estimação ou clustering, e a criação dos valores de sensores virtuais, adicionando os novos valores ou sensores virtuais, que podem ser uma nova fonte de informação para middleware. praticar 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 27/34 praticarVamos Praticar A comunicação entre camadas permite modi�car o comportamento do middleware e camadas físicas pormeio do controle de funcionalidades implementadas na camada de aplicação. É possível validar a comunicação entre camadas em uma nova IoT arquitetura com serviços de reconhecimento de padrões. Qual alternativa indica o conceito mencionado? Assinale a alternativa correta. a) Middleware. b) IoT. c) Cross Layer. d) Network. e) Linksmart. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 28/34 indicações Material Complementar LIVRO Criando Projetos com Arduino para a Internet das Coisas: Experimentos com Aplicações do Mundo Real: Um Guia para o Entusiasta de Arduino Ávido por Aprender Editora: Novatec Editora Adeel Javed ISBN: B07CBZ98GM Comentário: a Internet das Coisas (IoT) é o mercado de tecnologia que mais cresce. As indústrias estão adotando tecnologias de IoT para melhorar as despesas operacionais, a vida do produto e o bem-estar das pessoas. Com este livro será possível ter uma base, Criando Projetos com Arduino para a Internet das Coisas: 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 29/34 Experimentos com aplicações do mundo real é exatamente o que você precisa. WEB Arquitetura de Plataforma IoT de Nova Geração utilizando MicroPro�ile + NoSQL + Kafka Ano: 2019 Comentário: Um vídeo para entender como as características são o principal elemento para a infraestrutura da Internet das Coisas (IoT), pois é preciso compreender como é necessário fazer a gerência de dispositivos, mensageria, processamento de informação, tradução de protocolos, além de outros tipos de funcionalidades que podem ser esquematizadas para trabalhar com milhares, se não milhões, de dispositivos ao mesmo tempo. ACESSAR https://www.youtube.com/watch?v=pghspDKujDIr 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 30/34 conclusão Conclusão Conseguimos entender que as plataformas IoT mais abrangentes incluem middleware, juntamente com sensores e componentes de rede. Nesta unidade, foi possível conceituar a Internet das Coisas, que se refere a uma revolução tecnológica que tem como objetivo conectar os itens usados do dia a dia à rede mundial de computadores. O tratamento e o processamento das informações geradas com o modelo de IoT são aspectos cruciais. A partir deles foi possível entender, nas observações, que mecanismos e�cientes são necessários para realizar o processamento, e eles não acontecem exclusivamente na camada de aplicação. Também pudemos compreender que um modelo de referência é necessário para guiar a criação de aplicações para IoT e de um middleware que implemente esse modelo. referências Referências Bibliográ�cas CHARTIER, P. A Review of RFID ISO Standards & CEN TC225 Developments. 2007. Disponível em: 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 31/34 https://docbox.etsi.org/partners/ictsb_open/r�d/ictsb_r�d_seminar_2007-10- 24/p.chartier_ictsb%20on%20r�d_oct.07.pdf. Acessado em: 19 maio 2020. COMER, D. E. Computer Networks and Internets. Pearson. 2015 DOUGHERTY, G. Pattern Recognition and Classi�cation: an Introduction. Ed. Springer, 2012. GIACOMELLI, P. Apache Mahout Cookbook. Packt Publishing, 2013 GLUHAK, A. et al. Towards an architecture for a real world internet. Towards the Future Internet, p. 313-324, 2009. JADHAO, P. Cross Layer Design in the Internet of Things (IoT): Issues and Possible Solutions. 2011. Disponível em: https://bit.ly/3dR9Rlw. Acesso em: 20 maio 2020. LEI, D. et al. Automatic K-means Clustering algorithm for outlier detection. Journal of Information Engineering and Application, London, v. 154, p. 363-3722012. (Lecture Notes In Eletrical Engineering). NAYAK, S. et al. Integrated Clustering Framework Using optimized k-means with �re�y and canopies. Computational Inteligence in Data Mining, v. 2. 2015 PAMULA, R.; DEKA, J.; NANDI, S. Outlier detection method based on clustering Emerging Applications of Information Technology (EAIT). In: INTERNATIONAL CONFERENCE, 2., 2011, Kolkata. Anais [...]. Kolkata, 2011. p. 253-256. SOUZA, A.; AMAZONAS, J. Arquitetura de IoT: uma arquitetura para Internet das Coisas com análise e reconhecimento de padrões e processamento paralelo com Big Data. Tese (Doutorado em Ciências) – Escola Politécnica da Universidade de São Paulo, Universidade de São Paulo, São Paulo, 2015. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde- 20062016-105809/publico/AlbertoMessiasCostaSouza.pdf. Acesso em: 20 maio 2020. https://docbox.etsi.org/partners/ictsb_open/rfid/ictsb_rfid_seminar_2007-10-24/p.chartier_ictsb%20on%20rfid_oct.07.pdf https://bit.ly/3dR9Rlw https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20062016-105809/publico/AlbertoMessiasCostaSouza.pdf 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 32/34 ZAKI, M. J.; MEIRA, W. J. Data mining and analysis: fundamental concepts and algorithms.Cambridge University Press, 2014. 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 33/34 12/9/21, 9:10 PM Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_735819… 34/34
Compartilhar