近年來，在物聯網等具有海量數據需求的應用變得越來越普遍時，無論是從科學研究還是從應用開發的角度來看，掌握云計算技術已成為一種趨勢。智能家居作為物聯網應用的主要領域之一，自然離不開云計算。云計算的發展使用戶無需關注復雜的內部工作機制、無需具備豐富的分布式系統知識及開發經驗，即可實現大規模分布式系統規定部署，以及海量數據的并行處理。
Hadoop是目前較為成熟和應用較為廣泛的云計算架構之一。Hadoop的核心思想是分布式并行處理。Hadoop技術中的關鍵技術是HDFS(分布式文件系統)和Map/Reduce(映射/規約)。Hadoop利用HDFS存儲海量數據，利用Map/Reduce進行海量數據的計算。
文中首先介紹了智能家居與云計算的概念，接著針對傳統的海量數據處理方法硬件成本太高，存在計算瓶頸的問題，在云計算理論的基礎上針對智能家居中的門禁系統、溫濕度系統、滴灌系統和照明系統搭建了基于Hadoop的數據處理平臺。可以對大量傳感信息進行分布式并行處理，并根據處理結果向底層設備發送指令以實現智慧化服務。
智能家居與云計算
1.1智能家居 目前通常把智能家居定義為利用電腦、網絡和綜合布線技術，通過家庭信息管理平臺將與家居生活有關的各種子系統有機結合的一個系統。首先，需要在家居中建立一個通信網絡，為家庭信息交互和傳輸提供必要的通路，在家庭網絡的操作系統控制下，通過相應的硬件和執行機構，實現對所有家庭網絡上的家電和設備的控制和監測。其次，智能家居系統需要通過一定的媒介平臺，提供與外界的通信通道，以實現與家庭以外的世界溝通信息，滿足遠程控制/監測和交換信息的需求。
1.2云計算架構Hadoop Hadoop是一個分布式計算框架，可以在大量廉價的硬件設備組成的集群上運行應用程序，為應用程序提供了一組穩定可靠的接口，旨在構建一個具有高可靠性和良好擴展性的分布式系統。Hadoop的主要優點有：擴容能力強、成本低廉、效率高、可靠性高、免費開源及良好的可移植性。Hadoop項目包括多個子項目，但主要是由Hadoop分布式文件系統(HadoopDistributed File System， HDFS)和映射/規約引擎(Map/Reduce Engine)兩個主要的子項目構成。
1.3分布式文件系統(HDFS) HDFS由一個名叫NameNode的主節點和多個名叫DataNode的子節點組成，是一種典型的主從式(Master/Slave)架構，這種架構方法可以通過主節點屏蔽底層的復雜結構，并向Client提供方便的文件目錄映射。NameNode存儲著文件系統的元數據，這些元數據包括文件系統的名字空間等，并負責管理文件的存儲等服務，但實際的數據并不存放在NameNode，而是由HDFS中的DataNode來存放數據，然后由Client直接與DataNode建立數據通信。
此外，HDFS為了可靠地海量存儲文件，各個文件以塊序列的形式存儲。為了保證故障容錯，文件的塊被復制。塊的大小和副本的個數都可以配置。Name鄄Node控制所有的塊復制操作，它周期性地接收來自集群中DataNode的“心跳冶回應和塊報告。收到一個節點的“心跳冶回應表示這個DataNode是正常的。
1.4MapReduce分布式計算 MapReduce分布式計算主要是用來在數千部服務器上同時處理保存于GFS Clusters中高達幾十TB甚至更多的數據。 MapReduce在溫度值統計過程中的運作如下所述。 MapReduce的作用是對計算機集群上的大型數據集運行分布式計算，替大量數據做平行計算處理。MapReduce的整個架構是由Map和Reduce函數組成的，當程序輸入一大組Key/Value鍵值對時，Map函數自動將原本的Key/Value分拆成多組中介的鍵值對，然后Reduce函數再合并具有相同Key的中介值配對，化簡成最后的輸出結果。
1.5智能家居云模型 智能家居擁有7大子系統，每一個系統包含了不同的終端，每一個終端都安裝有傳感器，傳感器感知周圍環境并產生大量數據。千千萬萬的用戶會產生海量的數據，而云計算可靠的數據存儲，強大的計算能力，低廉的運營成本使得它非常適合處理海量數據。于是每家用戶都將通過網絡連接到云服務中心，產生的數據均由云計算中心存儲和計算處理。
開發程序設計分析 本平臺針對智能家居中的幾個典型應用：門禁、溫度、濕度、光照等進行信息采集及分布式并行處理。啟動程序后可以看到當前房間內的溫度、濕度、土壤濕度、光強度，還可以通過對室內溫度、濕度、土壤濕度進行設定來改變當前的狀態。
2.1功能模塊設計 根據需求分析可知，系統功能模塊共分為四大部分，即門禁系統、溫濕度系統、滴灌系統、照明系統。
門禁系統實現的功能是持卡人刷卡，產生持卡人的卡號，從事先設定好的數據庫中查詢是否有該卡號，如果有說明該用戶為合法用戶，門禁打開，并顯示持卡人卡號、姓名、卡的類型，否則門禁繼續保持關閉。 溫濕度系統顯示室內當前溫度和濕度。當設定一個溫度值后，空調工作，根據設定溫度調整室內溫度，直到室內當前溫度達到設定值；當設定濕度值后，室內濕度就會根據所設定的濕度進行調整，直到室內當前濕度達到設定值。
滴灌系統顯示當前的土壤濕度。當設定土壤濕度后，滴灌系統工作，調整濕度直到當前濕度為設定的土壤濕度。 在照明系統中，顯示室內當前光強度。窗簾和電燈的狀態受控于光照強度的大小。
智能家居云計算平臺實現的功能主要是能夠將產生的傳感信息集中交給服務器處理，用戶只需將傳感器采集來的傳感信息傳輸給服務器即可。服務器為計算機集群，這里使用三臺電腦進行模擬。三臺電腦對信息進行分布式并行處理，并根據處理結果對底層設備發出指令，以達到智能控制的效果。同時還要將各種傳感數據和底層設備的狀態寫入數據庫。
2.2邏輯結構設計
(1)門禁系統。 門禁狀態一開始為關閉。當持卡人來刷卡時，獲得持卡人卡號，查詢數據庫，判斷卡的ID是否合法，如果ID不合法，則門禁保持關閉狀態。如果合法則門禁打開，并且顯示持卡人的姓名和性別。
(2)溫濕度系統。 系統啟動時首先要對溫度進行判斷。當前溫度低于下限值，空調啟動制熱；當前溫度高于上限值，空調啟動制冷；當室內當前溫度調整到舒適范圍時空調自動關閉。系統同時顯示室內當前濕度，通過“設定濕度冶按鈕可以設置室內濕度，當前濕度會慢慢調整到所設置的濕度。
(3)室內滴灌系統。 滴灌系統的狀態主要受控于土壤濕度。這里土壤濕度依然采用相對濕度。 系統開始運行時滴灌處于關閉狀態，然后判斷土壤濕度是否小于0.15，如果小于0.15，滴灌打開，噴水，土壤濕度開始上升，當土壤濕度達到預先設定的上限值時(0.4)，滴灌自動關閉。滴灌關閉后由于水分的蒸發，土壤濕度會逐漸減少。系統每隔1s對土壤濕度進行一次判斷，如果土壤濕度少于0.15，則滴灌再次打開。如此反復。當然，土壤濕度的上限值也可以通過“設定土濕冶按鈕進行設定。
(4)照明系統。 照明系統主要由窗簾和電燈兩個部分組成。窗簾和電燈的狀態會根據光照強度的大小以及當前時間自動改變。根據文獻[1]將客廳照明的最低照明度定為臨界值，即150Lux。
(5)智能家居云平臺。 整個云平臺采用五臺電腦進行模擬，第一臺電腦作為傳感器和底層設備的模擬，用于產生傳感信息。第二臺電腦作為連接底層設備和服務器的網關，剩下三臺電腦構成服務器集群，作為云處理中心，并與數據庫相連，對傳感信息進行分布式并行處理。服務器與客戶端之間的通信使用Socket。
平臺仿真
3.1門禁系統測試 運行程序后，門禁處于關閉狀態。單擊“生成ID冶按鈕，會產生當前持卡人卡的ID號。然后單擊“刷卡搜索數據庫中已存在的合法ID號，合法來訪者，門禁打開，并顯示持卡人的姓名和性別。門禁打開5s后再次關上。如果ID號不存在，則門禁繼續保持關閉狀態，如圖4所示。
3.2溫濕度系統測試 運行程序后顯示當前溫度、濕度，以及默認的下限溫度(18益)和上限溫度(23益)。系統將當前溫度與下限溫度和上限溫度進行比較，如果當前溫度在人體舒適度范圍18益~23益內，則空調繼續保持關閉狀態。當前室內溫度低于下限溫度時，空調打開，處于制熱狀態，直到當前室內溫度達到舒適度的下限溫度。當前室內溫度高于上限溫度時，空調打開，處于制冷狀態，直到當前室內溫度達到舒適度的上限溫度。溫度的上下限值可以通過設置按鈕進行設定。 在“設定濕度冶旁的文本框中輸入所要設置的室內濕度，然后按“設定濕度冶按鈕，這時室內的溫度就會慢慢改變，上升或下降，直到當前濕度達到所設定的濕度。
3.3滴灌系統測試 運行程序后顯示當前土壤濕度，滴灌系統一開始處于關閉狀態。由于土壤中水分的蒸發，土壤濕度不斷下降。當土壤濕度降到0.15時滴灌自動打開，開始噴水。滴灌噴水后土壤濕度增加，直到當前土壤濕度達到設定值(默認值為0.4)，這時滴灌再次關閉。
3.4照明系統測試 運行程序后顯示當前的室內光強度，如果是早晨七點到晚上六點，則窗簾打開，其他時間段窗簾關閉。電燈的狀態不僅受時間段控制，也受室內光強度控制。如果是晚上十點到第二天早晨七點，電燈處于關閉狀態。在早晨七點到晚上六點之間，電燈一般是關閉狀態，除非室內自然光強度低于150Lux，晚上六點到晚上十點，電燈是打開狀態的。
3.5云平臺測試 將五臺電腦建立連接并啟動，第一臺電腦用于模擬傳感器和底層設備，第二臺電腦作為連接底層網絡和上層網絡的網關，剩下三臺電腦作為服務器集群(云計算中心)。第一臺電腦產生傳感數據后傳給第二臺電腦，第二臺電腦作為網關將數據轉發給服務器集群，服務器集群采用Hadoop計算架構對傳感數據進行分布式并行處理，判斷當前智能家居各系統的狀態，并發出指令給底層設備，達到智能控制的效果。
結束語
文中在云計算理論的基礎上針對智能家居中的門禁系統、溫濕度系統、滴灌系統和照明系統搭建了基于Hadoop的數據處理平臺。可以對大量傳感信息進行分布式并行處理，并根據處理結果向底層設備發送指令以實現智慧化服務。此云計算平臺是在Hadoop分布式計算框架的基礎上采用三臺電腦模擬服務器集群實現對海量數據的并行處理，有效解決了成本和計算瓶頸問題。
京公網安備 11010502049343號