面向泛在物联网的综合信息处理技术研究

摘" 要： 随着大量各类型设备通过泛在物联网的接入，海量数据的处理需求给高校实验室管理和信息化建设提出了更高的要求。为有效应对上述应用场景的需要，文中提出一种面向局域设备物联网环境的综合信息处理技术方案，该方案融合了泛在物联网和分布式云计算技术，提高了数据处理的灵活性和系统的整体性能。从设备接入与管理的具体需求出发，建立了基于泛在物联网的设备接入策略，并进行分类管理，优化了设备的接入过程与资源分配。同时，针对数据的高效处理需求，引入分布式云计算的数据处理模型，利用云计算的强大计算能力和分布式存储的高效性，实现对海量数据的快速处理和存储。为了验证所提方案的有效性与整体性能，对各类技术方案进行横向对比，实验结果表明，所提方案的设备接入效率可达98.6%，具有较为明显的综合优势。

关键词： 泛在物联网； 高校实验室； 分布式云计算； 数据处理； 资源分配； 设备接入； 分类管理

中图分类号： TN919⁃34； TP391" " " " " " " " " " nbsp;文献标识码： A" " " " " " " " " " 文章编号： 1004⁃373X（2024）23⁃0076⁃05

Research on comprehensive information processing technology

for ubiquitous Internet of Things

ZENG Zhiqu

（Guangzhou Huashang College， Guangzhou 511300， China）

Abstract： With the access of a large number of various devices through the ubiquitous Internet of Things （IoT）， the massive data processing puts forward higher requirements for laboratory management and information construction in colleges and universities. Therefore， a comprehensive information processing technical solution for IoT environments with local device is proposed to meet the needs of the above application scenarios effectively. In this solution， ubiquitous IoT and distributed cloud computing technologies are integrated to improve the flexibility of data processing and the overall performance of the system. On the basis of specific requirements of device access and management， the device access strategy based on ubiquitous IoT is established， and the classification management is carried out， so as to optimize the device access process and resource allocation. In response to the demand for efficient data processing， a distributed cloud computing data processing model has been introduced， so as to achieve rapid processing and storage of massive data by utilizing the powerful computing ability of cloud computing and the efficiency of distributed storage. In order to verify the validity and overall performance of the proposed solution， the experimental results of horizontal comparison of various technical solutions show that the device access efficiency of the proposed solution can reach 98.6%， so the solution has significant comprehensive advantages.

Keywords： ubiquitous IoT; university laboratory; distributed cloud computing; data processing; resource allocation; device access; classification management

0" 引" 言

随着信息技术的发展，物联网作为一种新兴技术已在各个领域展现出了巨大的应用潜力[1⁃3]。在高校实验室管理和信息化建设中，物联网技术的应用不仅提升了管理效率，还为科研和教学提供了强大的数据支持。随着泛在物联网的普及与应用，越来越多的设备被接入到网络中，形成了庞大的设备网络和海量的数据资源。对该类数据资源的有效利用和挖掘，则成为了当前高校信息化建设中的一个重要课题。然而，传统的设备管理和数据处理方法已经难以满足当前实验设备信息网络的发展需求[4⁃5]。

针对上述问题，文献[6]提出了一种基于集中式的数据处理方法，但该方法在设备数量和数据量增加的场景下会出现延迟较高、响应速度较慢等问题。文献[7]设计了一种基于动静态结合的访问控制方法，但该方法中的静态规则难以应对动态变化的访问需求和安全威胁。文献[8]分析了大规模数据的存储方法，但该方法需要将数据传输至集中数据库中进行存储，存在较高的延迟，且扩展性较差。文献[9]提出了一种基于大数据分析的智能方法，但该方法的实时分析能力较差。

针对上述新型数据处理方法存在的不足，本文融合泛在物联网和分布式云计算技术，提出了一种更为高效的综合性解决方案。其利用泛在物联网的广泛覆盖性，实现了实验设备的接入和管理，并采用分布式云计算技术，解决了数据处理和存储性能不足的问题，在提高系统扩展性的同时，还大幅减少了数据传输的延迟。

1" 综合信息处理方案设计

1.1" 管理与信息系统构建

实验室管理与信息系统通常是按照模块化进行设计的。其中，应用层负责提供具体的实验室管理功能，如设备管理、实验数据分析等；服务层提供核心服务，包括设备接入与管理、数据处理以及安全保障；资源层则包括实验室物理设备、计算资源和存储资源对应的各类传感器与数据传输及控制网络，确保应用层和服务层具备充足的运行支撑。实验室管理和信息化系统的基本架构如图1所示。

1.2" 信息处理技术设计

在设备接入数量较多的复杂应用场景下，传统物联网信息处理技术的灵活性较差，从而会导致设备接入、数据传输与存储效率均较低。因此，本文引入了泛在物联网技术对其进行解决。泛在物联网技术[10⁃11]是一种利用多类型网络连接智能设备，从而实现信息的广泛采集、传输、处理和应用的技术体系。首先将感知设备、网络传输层以及云计算平台分布在各种物理环境中的设备进行组网，接着利用无线网络、有线网络和移动网络将这些设备连接到云服务层，以实现数据的实时共享和协同处理。泛在物联网在管理与信息系统中的应用架构如图2所示。

在泛在物联网技术的应用下，将设备接入时的设备数据记为[X]，其由[n]个数据样本组成，进而构成物联网的输入层数据。设备的样本数据为：

[X=x11x12…x1nx21x22…x2n⋮⋮⋱⋮xn1xn2…xnn] （1）

利用优化矩阵对输入数据进行处理，可得中间数据矩阵为：

[Z=x11x12…x1nx21x22…x2n⋮⋮⋱⋮xn1xn2…xnnw11w12…w1nw21w22…w2n⋮⋮⋱⋮wn1wn2…wnn] （2）

式中：[Z]为中间数据矩阵；[w]为优化参量。

泛在物联网的设备接入数据处理的具体过程如图3所示。

输出数据可写为：

[y1=f1x11，x21，…，xn1y2=f2x12，x22，…，xn2" " ⋮yn=fnx1n，x2n，…，xnn] （3）

式中[y]为输出数据。

接着，根据设备的数据特征对其进行分类管理，并对设备的运行数据、性能指标和使用模式进行分析。同时，对系统输出数据进行分类，分类函数[Q（·）]的表达式为：

[Qa，b=e-a+e-b2] （4）

式中：[a]和[b]为分类函数的分类参量。

为进一步优化设备的接入过程，同时满足数据的高效处理需求，文中引入了分布式云计算技术。分布式云计算[12⁃14]是一种通过网络将计算、存储和应用服务分布到多个地理位置分散的服务器或数据中心进行协同处理的技术方案。其打破了传统集中式数据中心的限制，将资源分布在不同区域，提供了更高的灵活性、可扩展性和容错性。分布式云计算技术的实现架构如图4所示。

基于分布式云计算的设计方案，系统将各类数据加入到云计算平台[15]的各个节点中，通过高效的数据传输和分布式存储机制，实现数据的广泛采集和初步处理。各节点的数据在加入时会根据预定的数据结构和处理逻辑进行格式化，以确保数据的一致性和兼容性，节点的数据处理过程如图5所示。

利用云计算平台提供的多节点并行处理能力，对各节点的数据进行统一处理，实现了大规模数据的快速分析和计算，充分发挥分布式云计算的资源优化和弹性的优势。

综上所述，本文所提基于泛在物联网和分布式云计算的综合信息处理技术方案的总体设计流程图如图6所示。

2" 实验测试

为验证本文技术方案的正确性和有效性，设计了一系列实验，从设备的接入效率、数据处理速度、系统扩展性以及安全性等多个维度进行评估。实验过程中具体参数的设置情况如表1所示。

设备接入效率作为验证物联网背景下各类数据处理技术的重要指标之一，直接影响着系统的整体性能。高效的设备接入策略能够缩短设备的上线时间，提高系统的响应速度，从而实现快速的数据采集和实时监控。因此，对不同数据处理技术下的设备接入效率进行横向对比，可以评估本文方案的核心性能。不同数据处理技术方案下的设备接入效率对比情况如图7所示。

根据图7中数据显示，本文技术方案在各类设备接入效率对比中表现优异，达到了98.6%。相比之下，文献[9]中的技术接入效率最低，仅为85.6%，说明其在处理设备接入方面存在缺陷。而文献[8]的技术接入效率为93.5%，虽然优于其他对比方案，但仍低于本文方案效率。对比结果充分表明，文中技术在优化设备接入效率方面具有明显优势，能够为物联网环境下的信息处理和资源管理提供有效的支持。

此外，数据传输效率和数据存储效率是评估数据处理技术综合性能的重要指标，这两种指标直接影响到物联网与分布式系统的整体性能和响应速度。高效的数据传输能力可以有效降低延迟，确保实时数据的及时处理与反馈，而数据存储效率则说明系统可以在有限的存储资源中最大化数据的存储和管理能力。不同数据处理技术的数据传输效率和数据存储效率对比结果如表2所示。

根据表2中的数据，所有方案的数据传输效率均在90%以上，但仅有本文技术的数据传输效率超过了99%。而在数据存储效率方面，本文技术的表现同样优于其他方法。由数据对比结果表明，本文技术在数据处理效率方面具有显著优势，无论是在数据传输还是存储环节，均展现出了更优的性能，该优势有助于提升整体系统的处理能力。

同时，为进一步验证本文技术在综合信息处理方面的能力，此次还对不同技术的数据处理误差进行了对比测试，其对比结果如图8所示。

根据图8中的数据可知，本文技术在两类误差对比中的表现也显著优于其他技术方案，显示出了良好的准确性与稳定性。与此形成鲜明对比的是，其他技术在平均误差和绝对误差上的表现均超过3%。其中文献[8]所提方法的平均误差则达到了5.69%，远高于本文技术，充分展现了性能的差距。

综合多组实验结果表明，本文所提出的技术方案通过融合泛在物联网和分布式云计算技术，有效提升了数据处理的准确性，也能够为后续基于数据的决策和应用提供更为可靠的依据。

3" 结" 语

针对高校实验室中大量设备接入带来的海量数据处理与管理问题，本文提出了一种融合泛在物联网技术和分布式云计算技术的综合信息处理方案。通过建立基于泛在物联网的设备接入策略，并结合分类管理方法，在有效优化设备接入流程和资源分配的同时，提升了设备的接入效率。同时，本文还利用分布式云计算技术的数据处理模型，增强了系统对海量数据的处理和存储能力，从而实现了高效的数据管理与分析任务。由最终的多组实验统计结果表明，本文提出的综合信息处理技术能够有效应对实验室设备接入与管理中的复杂需求，为高校实验室的信息化建设提供理论支持。

参考文献

[1] 应杰耀.基于物联网技术的智能电网数据安全问题研究进展[J].电子科技，2023，36（3）：76⁃80.

[2] 王成，兰军芳，张嘉鹏.泛在可信物联网技术在智慧社区中的应用[J].信息技术，2024（2）：45⁃53.

[3] 袁牧，张兰，姚云昊，等.面向智能物联网的资源高效模型推理综述[J].计算机学报，2024，47（10）：2247⁃2273.

[4] 李梅，刘雅琴，毛黎娟，等.高校科研实验室分析测试数据质量保障探析[J].实验技术与管理，2024，41（7）：247⁃252.

[5] 李怡锦，王洪君，房明.高校实验室物联网用电安全系统设计与应用[J].现代电子技术，2023，46（10）：66⁃70.

[6] 魏瑜瑶，陈宏滨.基于动态分簇的集中式数据存储算法[J].桂林电子科技大学学报，2020，40（5）：400⁃404.

[7] 吴明友.基于动静态结合的访问控制漏洞检测方法研究[D].秦皇岛：燕山大学，2023.

[8] 陈放.C语言与Python的数据存储分析[J].信息记录材料，2023，24（10）：222⁃224.

[9] 李爱军，云小林，朝克，等.一种基于大数据分析热点网站的方法[J].长江信息通信，2022，35（7）：173⁃175.

[10] 石礁，白练，王淑其.泛在物联网下的电力通信干扰过滤技术研究[J].自动化仪表，2024，45（6）：77⁃82.

[11] 李洋.面向泛在物联网的无线资源调度算法研究[D].南京：东南大学，2023.

[12] 陆钢，孙梦宇，任慧蕾，等.下一代云计算基础设施架构与关键技术[J].通信技术，2024，57（1）：26⁃32.

[13] 李韬睿，徐超，胡龙舟，等.基于云计算技术的海量信息分布式存储研究[J].微型电脑应用，2022，38（10）：90⁃93.

[14] 赵男男.基于云计算的高校档案资源智能共享方法研究[J].南宁师范大学学报（自然科学版），2021，38（3）：69⁃75.

[15] 杜睿山，陈雨欣，孟令东.可信云计算平台多源大数据时间序列调度算法[J].吉林大学学报（工学版），2023，53（11）：3194⁃3200.作者简介：曾志区（1980—），男，广东阳江人，硕士研究生，高级实验师，主要从事信息化建设及管理研究。