袁 彪 邬少飞

（武汉工程大学计算机科学与工程学院，湖北 武汉 430000）

1 引言

1.1 研究背景

随着科技的进步，大数据的概念已然进入我们的生活领域。大数据的不断增长使得对数据的运输、存储成为技术发展的重要方向。其中，最重要的挑战便是将大量的数据进行集合分析。而对数据分析得到正确结果的前提是利用各式各样高复杂性的算法来保证数据的高可靠性。面向大数据的计算类型主要有两种，其一是面向批处理进行运算，其二是实时运算[2]。当下市面上出现了较多的实时流处理系统，例如实时搜索、社交互联、实时监控等等。特别地，在交通领域的车联网建设中，由于车辆的特殊安全需求，既要求得到可靠的计算结果，又要求一定的实时性[3]。要保证车载系统的互联互通和车载传感数据的实时采集以及处理的成功施行就要保证数据采集、输出和处理的协调一致。

1.2 目的和意义

在车联网中，车辆数据传输的高一致性远远比高可用性要重要。因为对于目前车联网的发展来讲，车辆内部系统所进行的数据传输更多的是为了辅助驾驶员驾驶车辆。哪怕数据传输有所延迟，所造成的后果可能仅仅只是辅助数据更新不及时，无法给予驾驶员更好的辅助体验；而如果传输的数据丢失了一致性，很可能会造成较为严重的后果。例如当前许多带有辅助驾驶功能的车辆都有前车防撞系统，在车辆行驶过程中传感器会自动检测与前车的距离，在这个过程中可能会存在与云端AI 的交互，如仅仅只是数据传输出现了延迟，驾驶员在没有辅助系统提示的情况下会对车距具备一定的敏感性。……