In this way it is always possible t

In this way it is always possible to trace the temporal history of data stream elements
throughout the processing history. Multiple time attributes can be associated
with data streams and can be manipulated through SQL queries. Thus sensor networks
can be used as observation tools for the physical world, in which network and processing
delays are inherent properties of the observation process which cannot be made
transparent by abstraction. Let us illustrate this by a simple example: Assume a bank
is being robbed and images of the crime scene taken by the security cameras are transmitted
to the police. For the insurance company the time at which the images are taken
in the bank will be relevant when processing a claim, whereas for the police report the
time the images arrived at the police station will be relevant to justify the time of intervention.
Depending on the context the robbery is thus taking place at different times.
The temporal processing in GSN is dened as follows: The production of a new
output stream element of a virtual sensor is always triggered by the arrival of a data
stream element from one of its input streams. Thus processing is event-driven and the
following processing steps are performed:

Kết quả (Việt) 1:

Bằng cách này nó luôn luôn có thể để theo dõi thời gian lịch sử của phần tử dữ liệu dòngtrong suốt lịch sử chế biến. Nhiều thời gian thuộc tính có thể được liên kếtvới dòng dữ liệu và có thể được thao tác thông qua truy vấn SQL. Vì thế cảm biến mạngcó thể được sử dụng như là công cụ quan sát cho thế giới vật lý, trong đó mạng và chế biếnsự chậm trễ là các thuộc tính vốn có của quá trình quan sát mà không thể được thực hiệnminh bạch của trừu tượng. Hãy để chúng tôi minh họa điều này bằng một ví dụ đơn giản: giả sử một ngân hàngbị cướp và hình ảnh của cảnh tội phạm thực hiện bởi an ninh máy ảnh được truyềncho cảnh sát. Cho công ty bảo hiểm thời gian mà tại đó các hình ảnh được chụptrong ngân hàng sẽ có liên quan khi xử lý một yêu cầu bồi thường, trong khi báo cáo cảnh sát cácthời gian những hình ảnh đến đồn cảnh sát sẽ có liên quan để biện minh cho thời gian của sự can thiệp.Tùy thuộc vào bối cảnh vụ cướp như vậy diễn ra thời điểm khác nhau.Chế biến thời gian trong GSN là de ned như sau: sản xuất mớisản lượng dòng yếu tố của một bộ cảm biến ảo luôn luôn được kích hoạt bởi sự xuất hiện của một dữ liệudòng các nguyên tố từ một trong các dòng đầu vào. Do đó xử lý là thúc đẩy sự kiện và cácbước xử lý sau đây được thực hiện:

Kết quả (Việt) 2:

Bằng cách này, nó luôn luôn có thể theo dõi lịch sử thời gian của các yếu tố dòng dữ liệu
trong suốt lịch sử chế biến. Nhiều thuộc tính thời gian có thể được liên kết
với các dòng dữ liệu và có thể được thao tác thông qua các truy vấn SQL. Như vậy các mạng cảm biến
có thể được sử dụng như là công cụ quan sát cho thế giới vật chất, trong đó mạng lưới và xử lý
chậm trễ là đặc tính vốn có của quá trình quan sát mà không thể được thực hiện
trong suốt bằng cách trừu tượng. Hãy để chúng tôi chứng minh điều này bằng một ví dụ đơn giản: Giả sử một ngân hàng
đang bị cướp và hình ảnh về hiện trường vụ án được thực hiện bởi các camera an ninh được truyền
cho cảnh sát. Đối với các công ty bảo hiểm của thời gian mà tại đó các hình ảnh được lấy
trong ngân hàng sẽ có liên quan khi xử lý đơn khiếu nại, trong khi đối với cảnh sát báo cáo
thời gian hình ảnh đến đồn cảnh sát sẽ có liên quan để chứng minh thời điểm can thiệp.
Tùy thuộc vào bối cảnh các vụ cướp là như vậy, diễn ra vào các thời điểm khác nhau.
Việc xử lý thời gian trong GSN là de xác định như sau: Việc sản xuất một mới
yếu tố dòng đầu ra của cảm biến ảo luôn được kích hoạt bởi sự xuất hiện của một dữ liệu
phần tử dòng suối từ một trong của nó đầu vào suối. Như vậy xử lý là hướng sự kiện và các
bước xử lý sau đây được thực hiện: