主题：【求助】翻译出版一本书，求译者 -- 邓侃

不太确定的是十月底前，我自己也有篇期刊要交稿。时间上不知道能否安排开。

以前工作时翻译过不少PR，和这篇风格还有点类似，非纯技术性文章：

船只机械监控的预测与维护系统

2004 年，BP 开始接触一种名为‘尘埃’（Mote）的无线网络技术。这个2 x 2 英寸大小的

装置包括一个处理器、一块永久非易失的储存器、一个无线通讯模块和一个能与传感器相连

的I/O 板。Mote 可以将传感器连接到无线网络中，并将数据传输至终端设备。这些Mote 通

常被学术界或实验室用于研究机构，但工业界仍对此持有观望的态度。当时，并未有任何一

家公司生产无线传感器网络的商业产品。

图 1、图2 BP Loch Rannoch 油船

BP 数字通讯技术部门总监Harry Cassar 说：“当我们初次接触这项新技术时就在考虑它

是否能工作在我们的环境中。这些Mote 看起来是设计精密且几乎没有保护外壳的电路板。

我们想知道它是否能被放置在如精炼场这样的金属设备遍布且高温、高频震动的环境中；

Mote 在包装后能不能在这样的环境中正常运行。验证这种想法的唯一途径就是测试。于是，

Loch Rannoch 的工程就这样诞生了。

工程介绍

Loch Rannoch 工程起始于对Mote 的测试和评估，但是并没有停滞在这个阶段。事实上

这个工程的目的是开发一个能够应用在BP 全球工业生产中的一套商用无线传感器网络系

统。在这个工程的每个阶段我们都会遇到一些困难，但我们都已一一将其克服。

BP 的第一个困难是决定在什么地方实施这个工程。BP 的大多工程实施的都要求使用安

全的设备。为测试这种没有认证的无线网络技术，BP 需要找到一个安全需求较低的苛刻环

境。于是，公司选定了一艘1000 英尺长、132,000 吨重，往返于Schiehallion 储油船和位于

Shetland 岛 Sullom Voe 地区的石油处理站的油船——Loch Rannoch。

这艘油轮的金属设备比精炼厂的金属设备还多，因此这里的射频环境更加恶劣和复杂。

不仅如此，油船的船舱都是通过金属水密门封闭。此外，来自发动机、发电机和推进机的强

烈震动以及引擎室内80°F 到100°F 的高温，都将是Mote 正常工作的不良因素。

BP 的主要技术部门与BP 运输部门都对这个试验计划非常关注。“如果要在Loch

Rannoch 油船上做试验，我希望可以获得更多的实际价值，而不仅仅是一次测试Mote 能否

互相通讯的试验。”Cassar 还指出：“BP 运输部门非常希望能够采集到引擎室搅拌机的震动

数据。”

系统介绍

此项BP 的计划是建立一套预测维护系统用来监视如马达、泵之类具有强烈震动的机器。

这些机器被放置于Loch Ronnach 油船的引擎室内。通过震动信息来监测系统的工作状态，

当磨损或撕裂现象出现时则通过无线通信发送警告。

“震动信息可以帮助预测机器的磨损状况并预知何时需要进行维护，”Cassar 指出“该

系统可以告诉你主轴发生弯曲或是哪台机器失去平衡。它能把你从每500 小时一次的定期维

护工作中解脱出来，只有在需要的时候才做必要的维护。”

基于 150 个Rochwell 的加速度计，我们构建了整个测量系统。每台机器安装有6 个传

感器，3 个轴的方向各一个，两个辅助测量点以及一个监测机器转动和提供角度相位的转速

计。传感器用金属外壳封装放置于离机器2 英寸处，通过有线的形式连接到Mote 上。每个

Mote 一次可以驱动10 个传感器，尽管BP 没有全都用到。

图表 3 Loch Rannoch

工程的预测维护系统监测引擎室内的泵和马达的工作状态。这些机械设备被安装了大约150

个加速度器。加速度器探测出的震动数据用于评估当前的操作环境。当磨损或撕裂现象出现

时，则无线传感器网络中的Mote 和网关通过无线通信发送警告。

数个Mote 构成了一个由网关控制的子网。Mote 通过IEEE 802.15.4 的直接扩频调制技

术将采集到的数据转发给网关。由于英国政府的限制，工作频段被调整到英国标准的

868MHz。然而系统的工作频段是可调的，但对于工作于国际环境极为重要。因为各国的许

可标准往往不尽相同。

网关之间通过 IEEE 802.11 构建了一个mesh 网络，将所有的数据传递给主控网关。该

网关将数据传递给后台的数据存储服务器。每个网关都有2GB 的内存，这确保在网关与船

上的网络失去连接时，仍能够采集并暂时储存来自Mote 的数据。

问题与解决方案

多方面因素

在Loch Rannoch 工程中，BP、Crossbow 和Intel 公司都遇到了许多问题，这些问题都

需要在工程实施前解决。船体的金属构架和密集的机械设备使引擎室射频传输的可能性微乎

其微。“金属是射频能量的一个强大的反射体，”Crossbow 科技公司高级应用工程师John Suh

指出。“金属对射频信号产生种不良影响，因此就没有办法通过发送接收装置得到信息。

解决这个问题就是建立一个 mesh 网络。在这种网络中，每个节点都能与其相邻节点通

讯。节点上的数据将被相邻节点一次次的转发直到这些数据到达一个控制器或采集站。这样

的数据传输的多重路径使得这个网络十分可靠。一旦一个节点时效，其他节点仍能够直接的，

或通过一个或几个中继节点相互通信。

“不同于传统的点对点连接，mesh 网络提供大量的不同路由，”BP 公司的Cassar 说。

“每个节点协同其他节点都能探测到任何角落的信息，这种功能是点对点网络所无法做到

的。而mesh 网络的灵活性能解决这样的问题。”

设备安全性

另外一个与环境相关的问题是设计一个能装载Mote 和电池的安全性较高的外壳。

Crossbow 在这个阶段的另一个任务是开发一套适合BP 设备的商用系统。“我们充分学习了

封装技术，并且设计出了一款高安全系数且适合工程应用和环境的的特殊外壳。”Suh 说。

如何处理所有数据

在项目的最后阶段，项目组又面临一个严峻的问题，那就是要想准确地确定机械问题的

所在，必须获取大量的震动数据并对之进行分析。而挑战在于如何协调大数据量传感器监控

数据的采集和低速率网络传输协议（IEEE 802.15.4） 用于 Mote 和网关之间的通信之间的关

系。

具体的解决方案是通过在 Mote 上处理大批的数据，来减少传输给网关的数据量。刚开

始时，Mote 用的是8 位的处理器，然而这被证明满足不了大量数据处理需要的。所以Intel

和Crossbow 采用了Intel 32 位的X-Scale 处理器代替原有的8 位处理器。

“当你着眼于传感器网络应用时，你会发现不同的传感器会有不同的数据带宽范围要

求。”Crossbow 的Suh 说，“在一些实际应用中，你可能需要通过一个的温度传感器采集温

度，要获得数据并不需要太多的处理量。但在这个项目中，我们使用了高带宽的震动传感器。

我们决定采用比8 位处理器能力更强的微处理器。所以我们采用了32 位微处理器。”

Intel 进一步通过软件增强了Mote 的处理性能。“最典型的是你可以在Mote 上作FFT

和其它计算来提取出数据中的频率特征。”Intel 的传感器网络系统总监Ralph Kling 这样说，

“为了做一些更高级的处理，我们从Rockwell 获得了使用其接口IP 知识产权核的许可，并

将其在本领域的许多经验算法移植到Mote 上，使Mote 更好地实施监控。我们的目的是要

在网络边界内进行大量的数据处理，而不像先前那样把数据都传输回后端的服务器。”

Intel 还在网关上加入了可将数据解析为XML 格式的软件。“我们有一套可对数据进行

抽象和检索的基于XML 的数据系统。”Kling 说，“XML 是一种通用中间件格式，用在网关

和后端服务器的数据交换。网关还提供一个连接后端Rockwell 服务器的接口并将数据处理

成为服务器可以接受的格式。”

能量供应

在 BP 开发无线传感器网络商用系统的过程中，如何获得能量，如何利用能量，以及如

何确保有足够的能量等一系列能耗问题越来越被关注。为了解决这些问题，研究小组采用了

低功率无线电IEEE 802.15.4 标准，并在Mote 上实施能量的安全管理模式。

此外，对数据的预处理工作减少了数据传输量，这也节省了电能的消耗。“我们减少无

线传输量，”Cassar 说，“射频组件会消耗大部分的电能，而新处理器惊人的处理能力减少了

数据量，从而大大提高电池寿命。”

另一项任务是电能的获取。“我们在Loch Rannoch 上测试的另一项技术是获取机械的振

动产生的能量，从而把动能转化为电能，”Cassar 先生，“我们尝试了两种方式，一种是用可

充电锂电池检验是否可以完全支持Mote 工作。另一种是用可充电的大容量电容器作为储存

媒介。我们认识Mote 的能量获取方式在这个项目中扮演着重要角色。”

试验结果

Loch Rannoch 项目实现了一套用于系统监测和预测维修的高效自动数据采集系统。而

这些工作以前大都由人来完成。“操作人员通过手持设备，如PDA，就能直接获得各种转动

机器的状态监测数据，并同时检测一个加速度读数。”Cassar 说，“以前对于每台机器，操作

员记录测量仪器的位置并测量几秒钟的数据。这是一个非常乏味的工作，但必须每六到八周，

做一次，有时会更久些。然而他们每次采集到的数据其实是十分少的，因为一年才几次采集

数据。我们现在将网络设定为每18 小时采集一次数据。再以不用像以前拿着手持设备每8

周去检测设备，而是每18 小时自动采集一次数据。”

从 Loch Rannoch 项目中获得的其它经验：

传感器网络可以在恶劣的环境中很好地工作。

射频和网络结构的选择是十分重要的。这两者都可以提高通信的可靠性。

先进的平台能很好地配合这种特殊的应用，因为通过在网络边界内的预处理大幅度

降低了数据的传输量。

802.11n作为802.11的高吞吐量升级增强了其鲁棒性和覆盖范围。

为了应对市场对于更高性能无线局域网的持续增长的需求，电气电子工程师协会(IEEE)组建了隶属于802.11工作组的TGn任务组来开发802.11标准的新的修正,起名叫802.11n。 TGn组建于2003年9月，它的目标就是定义这个802.11标准的修改版本，用以支持最小100Mbps的应用数据吞吐量并同时提高其鲁棒性和无线覆盖范围。 这个最小吞吐量的需求九倍于现行的802.11a/g网络。同时，新标准将会兼容现行的802.11a/b/g标准，平滑过渡。

TGn自从2003年创建以来取得了持续的进展，但是如同其他极其复杂的技术一样，802.11n标本的批准化进程花费了数年时间。再此期间出于对于推动无线网络性能和容量的巨大兴趣，陆续有32个不同的提案被提出。TGn努力从中选择一个提案用来作为802.11n标准的蓝本。2005年1月份，备选提案被筛选为TGn Sync和WWiSE联盟两个，2005年大部分时间中，TGn任务组将工作重心锁定为这两个提案。

2005年10月，思科和其他26家公司组成Enhanced Wireless Consortium (EWC)来加速802.11n标准的制定。EMC努力打破TGn Sync和WWiSE联盟之间的僵局，在此其中思科扮演了重要的角色。2006年1月，IEEE投票决定以EWC提交的802.11n提案为802.11n标准的起点。

自此开始，TGn在802.11n标准制定开始取得重要的进展，同时为了使得标准更加健壮而努力完善标准的细节。TGn现在计划在2010年1月前完成他们的工作并且将802.11n标准交付IEEE标准委员会等待批准。

2006年底，“类802.11n”草案产品开始在消费电子市场上出现。遗憾的是，这些产品多数性能不佳而且存在互操作性问题。当时802.11n草案尚未稳定，Wi-Fi联盟也还没有开始进行互操作性测试，因此导致了这个潜在的问题。

然而在2007年初，IEEE802.11工作组以超过百分之七十五的绝对多数投票通过了802.11n第二版草案。对于802.11n标准的开发过程中聚合基本特性，这是一个重要的信号。

Wi-Fi联盟采用这种成熟度指标来确保逐步到达认证802.11n第二版草案规定的基本特性这一目标。思科在帮助定义802.11n第二版草案认证准则的过程中扮演了重要角色，同时也广泛的参与了Wi-Fi互操作性测试以解决早期的互操作性问题。

在主要的射频芯片厂商（包括Intel，Marvell，Atheros，Broadcom）都进行了漫长和广泛的测试后，Wi-Fi联盟决定开始公开认证。Cisco Aironet 1250系列无线访问点在这些早期测试中表现出了非常广泛的互操作性，因此它被Wi-Fi联盟选为其802.11n第二版草案官方测试平台中唯一的企业级无线访问点设备。

请注意这是发表在网络上面的，而且是翻译论文，所以文字比较随意，还有自己的发挥（没办法，学校里面seminar习惯了，读论文一定要评论的）

翻译:Google大表(BigTable)

大表(Bigtable):结构化数据的分布存储系统

http://labs.google.com/papers/bigtable-osdi06.pdf

｛中是译者评论,程序除外｝

{本文的翻译可能有不准确的地方,详细资料请参考原文.}

摘要

bigtable是设计来分布存储大规模结构化数据的，从设计上它可以扩展到上２^50字节，分布存储在几千个普通服务器上．Ｇoogle的很多项目使用ＢＴ来存储数据，包括网页查询，google earth和google金融．这些应用程序对ＢＴ的要求各不相同：数据大小（从URL到网页到卫星图象）不同，反应速度不同（从后端的大批处理到实时数据服务）．对于不同的要求，ＢＴ都成功的提供了灵活高效的服务．在本文中，我们将描述ＢＴ的数据模型．这个数据模型让用户动态的控制数据的分布和结构．我们还将描述ＢＴ的设计和实现．

１．介绍

在过去两年半里，我们设计，实现并部署了ＢＴ．ＢＴ是用来分布存储和管理结构化数据的．ＢＴ的设计使它能够管理2^50 bytes(petabytes)数据，并可以部署到上千台机器上．ＢＴ完成了以下目标：应用广泛，可扩展，高性能和高可用性（high availability）. 包括google analytics, google finance, orkut, personalized search, writely和google earth在内的60多个项目都使用BT.这些应用对ＢＴ的要求各不相同，有的需要高吞吐量的批处理，有的需要快速反应给用户数据．它们使用的ＢＴ集群也各不相同，有的只有几台机器，有的有上千台，能够存储2^40字节(terabytes)数据．

ＢＴ在很多地方和数据库很类似：它使用了很多数据库的实现策略．并行数据库［１４］和内存数据库［１３］有可扩展性和高性能，但是ＢＴ的界面不同．ＢＴ不支持完全的关系数据模型；而是为客户提供了简单的数据模型，让客户来动态控制数据的分布和格式{就是只存储字串，格式由客户来解释}，并允许客户推断底层存储数据的局部性｛以提高访问速度｝．数据下标是行和列的名字，数据本身可以是任何字串．ＢＴ的数据是字串，没有解释｛类型等｝．客户会在把各种结构或者半结构化的数据串行化｛比如说日期串｝到数据中．通过仔细选择数据表示，客户可以控制数据的局部化．最后，可以使用ＢＴ模式来控制数据是放在内存里还是在硬盘上．｛就是说用模式，你可以把数据放在离应用最近的地方．毕竟程序在一个时间只用到一块数据．在体系结构里，就是：locality, locality, locality｝

第二节描述数据模型细节．第三节关于客户ＡＰＩ概述．第四节简介ＢＴ依赖的google框架．第五节描述ＢＴ的实现关键部分．第6节叙述提高ＢＴ性能的一些调整．第7节提供ＢＴ性能的数据．在第8节，我们提供ＢＴ的几个使用例子，第9节是经验教训．在第10节，我们列出相关研究．最后是我们的结论．

２．数据模型

ＢＴ是一个稀疏的，长期存储的｛存在硬盘上｝，多维度的，排序的映射表．这张表的索引是行关键字，列关键字和时间戳．每个值是一个不解释的字符数组．｛数据都是字符串，没类型，客户要解释就自力更生吧｝．

(row:string, column:string,time:int64)->string {能编程序的都能读懂，不翻译了}