2.海量存儲正如之前所述,傳感網乃至整個物聯網所產生的數據是海量的,主要表現在兩個方面:1)單個物體在持續地產生數據,比如在醫療護理的應用中,由于性命攸關,傳感器會不斷地測量患者的體溫、心率、血壓等指標,產生大量的實時數據。2)網絡中擁有數以百萬甚至數以億計的物體,比如物流系統需要同時跟蹤上千萬件的物體,即使每個物體的數據更新量都很小,乘以千萬級別的物體總量,總數據量也不可小覷。單個物體產生的海量數據要求在網絡中傳輸時盡可能采用壓縮的數據,否則大通信量不僅會迅速消耗傳感器節點的能量,而且也會造成網絡通信擁塞。海量物體產生的數據要求數據庫或者數據中心在存儲數據時,盡可能地壓縮數據、剔除冗余數據、甄別無用數據。近年來,隨著存儲設備占用的空間、消耗的電費與日俱增,數據壓縮存儲已經成為-項極為迫切的需求。據報道,IBM公司甚至愿意以1 .4億美元的價格收購數據壓縮存儲公司Storwize。傳感器網絡中的數據查詢主要分為快照查詢和連續查詢兩種類型?煺詹樵兊奶攸c是查詢不固定、數據不確定。典型的快照查詢例子是“區域A當前時刻的溫度是多少”,“24小時之前哪個區域濕度最大”等。連續查詢的特點是查詢固定、數據不確定。典型的例子是,假設需要檢測森林火災,則查詢會一直為“找出所有溫度高于60℃的區域”。針對數據不確定的特點,可以采用近似查詢的技術來減小網絡通信開銷。比如說,在網關端先收集一部分數據,然后根據這部分數據分別對各個傳感器建立數學模型,以后的查詢都可以根據數學模型運算,不需要分發到網絡中去,也不需要傳感器再往回傳送數據。這類方法的缺點是很難在建模方法的復雜度和近似結果的經度之間做出折中。一般而言,越想得到精確的結果,模型越是復雜﹔使用的模型越是簡單,得到的結果越不精確。針對查詢固定的特定,可以對查詢的內容做出優化。還是看監測森林火災的例子,因為查詢僅是“找出所有溫度高于60℃的區域”,所以傳感器收集到的數據并不用都傳回網關,只需要傳高于60℃的數據。