1、隨著物聯(lián)網(wǎng)技術的發(fā)展，物聯(lián)網(wǎng)技術在生活和工業(yè)生產中的應用也越來越多，其每天產生的數(shù)據(jù)量也在飛快地增長。物聯(lián)網(wǎng)數(shù)據(jù)有異構性、海量性、時效性等特點，這些特點表明其數(shù)據(jù)形式多以海量的小文件形式為主。Hadoop是目前被業(yè)界廣泛用于處理大規(guī)模數(shù)據(jù)的一種開源云計算技術，然而，Hadoop云計算技術對海量物聯(lián)網(wǎng)小文件數(shù)據(jù)處理存在執(zhí)行效率不高和資源占用率過高等不足之處，故改進Hadoop云計算技術對海量物聯(lián)網(wǎng)數(shù)小文件數(shù)據(jù)的處理有著重要的研究意義。

2、r>　　 本文針對物聯(lián)網(wǎng)數(shù)據(jù)的海量小文件形式的特點和Hadoop技術中HDFS存儲海量小文件的不足，本文利用Hadoop云計算技術對具有二維坐標屬性的海量物聯(lián)網(wǎng)小文件進行聚類處理，并提出了相關存儲優(yōu)化策略。首先，本文采用能夠自動確定簇個數(shù)的G均值算法對物聯(lián)網(wǎng)數(shù)據(jù)進行聚類分析，用四叉樹結構索引簇中的文件。然后，采用基于文件距離緊密程度合并策略將簇中的小文件合并成一個包含多個存儲塊的大文件，將每個塊中的文件索引存儲在該塊的頭部。最后，采用