Celem projektu jest zbadanie rozwiązań typu big data, służących do przechowywania i przetwarzania danych w postaci szeregów czasowych. Dane takie powszechnie występują we wszelkich systemach sensorycznych, w tym w rozwiązaniach typu Internet of Things oraz aplikacjach Smart City.

Do obowiązków każdej z grup należeć będzie:

• skonfigurowanie klastra składającego się z dwóch maszyn poprzez instalację:
  • systemu operacyjnego,
  • niezbędnych aplikacji narzędziowych,
  • jednego spośród trzech wskazanych systemów gromadzenia i przetwarzania danych,
• zaprojektowanie i zaimplementowanie modelu danych w skonfigurowanym systemie,
• stworzenie i uruchomienie modułu pobierającego cyklicznie dane i zasilającego model,
• zaprojektowanie i implementacja procedur analizujących zebrane dane,
• przeprowadzenie eksperymentów i opracowanie wyników dotyczących wydajności oraz poprawności

TBD

• Do dyspozycji jest łącznie 18 komputerów.
• Zostaną Państwo podzieleni na 6 grup.
• Do przebadania są trzy technologie przechowywania danych.
• Każda grupa bada jedną technologię – każda technologia jest badana przez dwie grupy.
• Podział kompetencji i hierarchia organizacji w ramach każdej grupy mogą Państwo wybrać dowolnie.

Bazowa konfiguracja powinna zostać uzgodniona pomiędzy wszystkimi grupami:

• wskazana dystrybucja: Ubuntu LTS, jednolita instalacja na wszystkich maszynach.
• spójne zarządzanie klastrem wszystkich komputerów (np. przy pomocy Ansible), m.in: włączanie/wyłączanie, zdalne wykonywanie poleceń, itp.

• Apache Spark https://github.com/sryza/spark-timeseries
• RiakTS http://docs.basho.com/riak/ts
• OpenTSDB http://opentsdb.net/

Do bazy danych należy ładować rzeczywiste dane o natężeniu ruchu z pętli indukcyjnych rozmieszczonych na ulicach Krakowa. Są one dostępne z sieci AGH pod adresem: http://borg.kis.agh.edu.pl/~wojnicki/traffic.php.

Dane zwracane są w formacie CSV, każda linijka zawiera:

• identyfikator pętli,
• godzinę odczytu,
• liczbę pojazdów.

Dane agregowane są co 90 sekund, przy czym nie ma gwarancji, że pętle działają synchronicznie.

CAUTC11FD318_D11_D1_1,11:59:31,0
CAUTC11FD318_D13_D2_11,11:59:31,14
CAUTC11FD318_D14_D2_21,11:59:31,8
CAUTC11FD318_D15_D3_1,11:59:31,0
CAUTC11FD318_D16_D4_11,11:59:31,9
CAUTC11FD318_D17_D4_21,11:59:31,5
CAUTC11FD318_D4_D22_11,11:59:31,7
CAUTC11FD318_D5_D22_21,11:59:31,14
CAUTC11FD318_D6_D44_11,11:59:31,11
CAUTC11FD318_D7_D44_21,11:59:31,3
K318_K1,11:59:31,0
K318_K2,11:59:31,22
K318_K3,11:59:31,0
K318_K4,11:59:31,18

Należy zaimplementować następujące funkcje analityczne:

1. wartość współczynnika korelacji pomiędzy dowolnie wybranymi dwoma detektorami,
2. wykrywanie anomalii: problemy z działaniem sensora (przerwa w danych, dane nieprawdopodobne, inne).

Funkcje powinny umożliwić przeprowadzenie analizy dla zadanego jako parametr przedziału dat i godzin.

Fazy realizacji zadań „analitycznych”

1. Zaprojektowanie algorytmu, zdefiniowanie pojęć, określenie wartości brzegowych.
2. Dobór techniki implementacji przy uwzględnieniu przydzielonej grupie technologii.
3. Implementacja i uruchomienie.
4. Testy walidacyjne.
5. Testy wydajnościowe.

Zmierzyć należy następujące wartości:

1. Fizyczna zajętość miejsca.
2. Czas realizacji procesów analitycznych.

W raporcie powinny się znaleźć wyniki dla danych obejmujących okres 1 miesiąca.

Każda z grup przedstawia raport końcowy, zawierający następujące elementy:

1. Podział kompetencji pomiędzy członkami grupy.
2. Krótka i zwięzła charakterystyka technologii, opis modelu danych, wymagań, dostępnych interfejsów.
3. Opis wszystkich kroków niezbędnych do ponownego zbudowania klastra wraz ze wszystkimi modułami software'owymi.
4. Opis modułu pobierającego dane i zasilającego bazę.
5. Opis procedur analitycznych z uwzględnieniem wszystkich faz ich realizacji.
6. Opis metodyki oraz wyników pomiarów.

Raporty winny być przygotowane w sposób przejrzysty i z uwzględnieniem struktury sekcji w jednym z formatów: LaTeX, Markdown, DokuWiki. Raporty przygotowane przy pomocy innych narzędzi nie będą przyjmowane.

Wyniki realizacji projektu będą prezentowane w terminie ostatniego wykładu (15 minut/grupa).