基于Hadoop的智能家居管理软件的研究与设计

发布时间：2022-10-20 16:04

　　近年来,随着人们生活品质的不断提高,智能家居越来越受到人们的亲睐。传统智能家居系统大多都是独立的,每个家庭都由其家庭服务器提供服务,但家庭服务器的冗余性、容错性和数据处理能力较差,这种模式下的智能家居不够灵活。此外,智能家居厂商采用的标准不统一,很难实现不同厂商设备间的互联互通。同时,厂商也很难保障底层设备数据的安全。本课题针对上述情形和用户的需求,利用分布式计算平台Hadoop具有冗余性较高、数据处理能力较强等优势,将Hadoop与现有的智能家居系统结合,采用分层设计的思想设计了松耦合、易扩展的基于Hadoop的智能家居管理软件,为用户提供可灵活扩展家居系统的统一化管理服务,实现不同厂商的智能设备互联互通、保障底层设备数据安全。本文的主要工作如下:1.分析国内外分布式计算框架技术、分布式计算技术在智能家居领域应用的研究现状。根据当前智能家居系统存在服务器处理能力不够及不同厂商的设备间无法互联互通等缺点,结合智能家居系统的需求,提出了本课题研究的内容和意义。2.搭建本课题所需的分布式计算平台Hadoop。同时,考虑到软件向多个社区的用户提供服务时,易出现高并发访问的情形,对Hadoop... 

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 分布式计算框架技术研究现状
        1.2.2 分布式计算技术在智能家居领域应用的研究现状
    1.3 课题主要研究内容
    1.4 论文组织结构
第2章 系统方案设计及相关技术分析
    2.1 系统需求分析
        2.1.1 系统体系架构及功能需求分析
        2.1.2 系统非功能需求分析
    2.2 系统总体方案设计
        2.2.1 系统的总体架构设计
        2.2.2 系统的功能设计
        2.2.3 系统的软件架构设计
    2.3 系统相关技术分析
        2.3.1 Web应用的MVC开发技术
        2.3.2 基于Java NIO的非阻塞式通信技术
        2.3.3 Web应用消息推送技术
    2.4 本章小结
第3章 Hadoop平台部署及任务调度算法研究
    3.1 Hadoop平台的部署
        3.1.1 Hadoop平台
        3.1.2 Hadoop集群部署
    3.2 Hadoop平台任务调度算法研究
        3.2.1 Hadoop平台任务调度算法研究
        3.2.2 对遗传-蚁群算法的改进
        3.2.3 任务调度算法测试结果及分析
    3.3 本章小结
第4章 基于Hadoop的智能家居管理软件设计与实现
    4.1 智能家居管理软件整体设计
    4.2 信息融合与处理模块的设计与实现
    4.3 分布式处理模块的设计与实现
        4.3.1 分布式处理模块的特点
        4.3.2 分布式处理模块的设计与实现
    4.4 数据库设计与实现
        4.4.1 数据库逻辑模型设计
        4.4.2 数据库物理模型设计与实现
    4.5 软件功能模块设计与实现
        4.5.1 用户登录及注册功能
        4.5.2 用户管理功能
        4.5.3 设备管理功能
        4.5.4 数据信息管理功能
        4.5.5 家电控制功能
        4.5.6 视频监控功能
        4.5.7 消息推送功能
    4.6 本章小结
第5章 软件测试与验证
    5.1 软件测试环境及方法
        5.1.1 软件测试环境
        5.1.2 软件测试方法
    5.2 软件功能测试
        5.2.1 用户登录及注册功能测试
        5.2.2 用户管理功能测试
        5.2.3 设备管理功能测试
        5.2.4 数据信息管理功能测试
        5.2.5 家电控制功能测试
        5.2.6 视频监控功能测试
        5.2.7 消息推送功能测试
    5.3 软件非功能测试
        5.3.1 软件性能测试
        5.3.2 软件兼容性测试
    5.4 软件测试结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]云环境下基于改进蚁群算法的任务调度[J]. 何长杰,白治江.  计算机技术与发展. 2018(12)
[2]基于改进的粒子群算法的云资源调度策略[J]. 蔡晓丽,钱诚.  微电子学与计算机. 2018(06)
[3]基于粒子群算法的云计算联盟负载均衡调度策略[J]. 王佳慧.  信息通信. 2018(03)
[4]Angel: a new large-scale machine learning system[J]. Jie Jiang,Lele Yu,Jiawei Jiang,Yuhong Liu,Bin Cui.  National Science Review. 2018(02)
[5]智能家居异构网络中自动化设备的资源共享协议设计[J]. 付蔚,邹鹏举,曹秀英.  电视技术. 2017(Z4)
[6]云计算环境下基于改进遗传算法的多维约束任务调度研究[J]. 李超,戴炳荣,旷志光,吴小丽,孙融清.  小型微型计算机系统. 2017(09)
[7]基于遗传算法的云计算任务调度策略[J]. 刘宇光,崔倩,张淼.  信息技术. 2017(08)
[8]基于蚁群优化的云任务调度策略的研究[J]. 任金霞,刘敏.  贵州师范大学学报(自然科学版). 2017(03)
[9]WebSocket在智能家居远程监测系统中的研究与应用[J]. 廖海波,杜亮,郑方雄,沈心怡,蒋媛.  微型机与应用. 2017(07)
[10]针对JavaScript浏览器兼容性的变异测试方法[J]. 程勇,秦丹,杨光.  计算机应用. 2017(04)

博士论文
[1]云计算任务调度策略研究[D]. 邓见光.华南理工大学 2014

硕士论文
[1]基于OpenWrt的智能家居通用网关的设计与实现[D]. 梁业彬.山东大学 2018
[2]基于SSH框架的新闻采编系统的设计与实现[D]. 杨玲.北京交通大学 2017
[3]基于蚁群算法的云计算任务调度研究[D]. 马清鑫.贵州大学 2017
[4]面向家庭自动化的变量安全操作协议的设计与验证[D]. 邹鹏举.重庆邮电大学 2017
[5]基于云的智能家居系统设计与实现[D]. 范庆炀.吉林大学 2016



本文编号：3694858