IMAGE: Un groupe de recherche de l’Université d’Aarhus a développé une toute nouvelle façon de compresser les données. La nouvelle technique offre la possibilité d’analyser les données directement sur des fichiers compressés. Une nouvelle bourse …
vue plus
Crédits: Lars Kruse, AU Foto
Un nouveau projet, soutenu par Independent Research Fund Denmark, permettra de lire des données directement à partir de données IoT compressées. Le projet est dirigé par des chercheurs de l’Université d’Aarhus et il s’agit d’une collaboration avec, entre autres, le MIT et l’Université de Boston.
Le groupe de recherche Network Computing, Communications and Storage de l’Université d’Aarhus a mis au point une toute nouvelle façon de compresser les données. La nouvelle technique offre la possibilité d’analyser les données directement sur des fichiers compressés, et elle peut avoir un impact majeur sur le soi-disant «tsunami de données» à partir de quantités massives d’appareils Internet des objets (IoT).
Avec une subvention de près de 3 millions de DKK (0,4 million d’euros), la méthode va maintenant être développée davantage et formera le cadre d’une solution de bout en bout pour aider à réduire les volumes de données en augmentation exponentielle de l’IoT. dispositifs.
«Aujourd’hui, si vous n’avez besoin que d’un octet de données à partir d’un fichier compressé de 100 Mo, vous devez généralement décompresser une partie importante du fichier entier pour accéder aux données. Notre technologie permet un accès aléatoire aux données compressées. Cela signifie que vous peut accéder aux données de 1 octet au prix de la décompression de moins de 100 octets, ce qui est plusieurs ordres de grandeur inférieur aux technologies de pointe. Cela pourrait avoir un impact considérable sur l’accessibilité des données, la vitesse de traitement des données et la infrastructure de stockage dans le cloud », déclare le professeur associé Qi Zhang de l’université d’Aarhus.
Qi Zhang dirige le projet, qui est mené en collaboration avec le Département d’informatique de l’Université d’Aarhus et des experts du Massachusetts Institute of Technology (MIT), de l’Université de Boston, de Terma et d’Energinet.
La technique de compression permet de compresser les données IoT (généralement des données en séries chronologiques) en temps réel avant que les données ne soient envoyées vers le cloud. Après cela, l’analyse de données typique pourrait être effectuée directement sur les données compressées. Il n’est pas nécessaire de décompresser toutes les données ou de grandes quantités de celles-ci pour effectuer une analyse.
Cela pourrait potentiellement atténuer la pression toujours croissante sur l’infrastructure de communication et de stockage de données. Le groupe de recherche estime que les résultats du projet serviront de base au développement de solutions IoT durables, et qu’il pourrait avoir un impact profond sur la numérisation:
«Aujourd’hui, les données IoT sont constamment diffusées dans le cloud et, en raison des quantités massives d’appareils IoT déployés dans le monde, une croissance exponentielle des données est attendue. Conventionnellement, pour permettre une récupération et une analyse rapides et fréquentes des données, il est préférable de stocker les données sous une forme non compressée. L’inconvénient ici est l’utilisation de plus d’espace de stockage. Si vous conservez les données sous forme compressée, il faut cependant du temps pour décompresser les données avant de pouvoir y accéder et les analyser. Le résultat de notre projet a le potentiel de ne pas uniquement pour réduire l’espace de stockage des données, mais aussi pour accélérer l’analyse des données », déclare Qi Zhang.
###
Le projet s’appelle Analytics Straight on Compressed IoT Data (Light-IoT) et a reçu un financement de 2,9 millions de couronnes danoises de la part du Independent Research Fund Denmark.
Avertissement: AAAS et EurekAlert! ne sont pas responsables de l’exactitude des communiqués de presse publiés sur EurekAlert! par les institutions contributrices ou pour l’utilisation de toute information via le système EurekAlert.
.