BICOT: Big Data Analysis Approach for Clustering Cloud based IoT Systems

Nesnelerin İnterneti (Internet of Things: IoT) milyarlarca cihazın İnternet üzerinden bağlanmasını öngörmektedir. Bu büyük miktardaki cihazların ürettiği veriler katlanarak büyümektedir, bu nedenle bu büyük veriyi geleneksel yöntemlerle analiz etmek mümkün olmamaktadır. Güncel bulut bilişim ve sanallaştırma teknolojileri, IoT verilerini işleyerek ve depolayarak bu sorunlarla başa çıkmaktadır. Kablosuz sensör ağlar (KSA’lar), ortamdan veri toplamayı sağlayan IoT sistemlerinin büyük veri kaynaklarıdır. KSA'lar, habitat izleme, askeri gözetim ve akıllı tarım gibi çeşitli uygulamalarda kullanılmaktadır. Çıkış düğümüne veri iletimi, KSA'lar için temel gereksinimlerden biridir. Kümeleme; verimli veri iletimi, zaman senkronizasyonu, yük dengeleme ve güvenlik servisleri için kullanılan temel bir tekniktir. Bu makalede IoT sistemleri için uyarlanmış KSA'lar için BICOT diye adlandırdığımız bir kümeleme çerçevesi önermekteyiz. BICOT, büyük ölçekli düğüm konumu, iletim alanı ve düğüm enerji verilerini girdi olarak almakta ve kümeleme bilgisini çıktı olarak üretmektedir. İlk algoritmamız (BICOT-CDS), bağlı hakim küme (connected dominating set: CDS) yapısına dayanmakta ve küme sayısını azaltmayı amaçlamaktadır. İkinci algoritmamız, küme başları olarak yüksek enerjiye sahip düğümleri seçmeyi hedefleyen ağırlıklı bağlı hakim küme (weighted connected dominating set: WCDS) yaklaşımı kullanmaktadır. Bu algoritmaları ns2 simülatör ortamında uygulamakta ve küme sayısı ve küme başı değerlerinin toplam ağırlığını ölçmekteyiz. Algoritmalar, düğüm sayılarına ve ortalama düğüm derecelerine göre test ortamında benzetimleri yapılmaktadır. Kapsamlı simülasyon ölçümlerinden, BICOT-CDS tarafından üretilen küme sayılarının rakiplerinin ürettiği küme sayılarından çok daha iyi olduğunu ve ağ boyutu arttıkça önerilen algoritmanın daha iyi performans gösterdiğini elde etmekteyiz. BICOT-WCDS algoritması tarafından üretilen hakim düğümlerin maliyeti, rakiplerinin ürettiğinden önemli ölçüde daha düşüktür. Bu bulgular bize önerdiğimiz algoritmaların bulut tabanlı IoT sistemleri için uygun büyük veri analizi yaklaşımları olduğunu göstermektedir.