Toprak, AhmetZaim, Abdül Halim2021-05-032021-05-032021https://hdl.handle.net/11467/4895Günümüzde IoT (Internet of Things – Nesnelerin İnterneti) cihazların kullanımındaki artış beraberinde yüksek yoğunluklu ve farklı çeşitte verilerin oluşmasına sebep olmuştur. IoT cihazlarından toplanan bu verilerin formatları, şekilleri ve yoğunlukları birbirinden tamamen farklıdır. Bu verilerin anlık olarak işlenmesi ve ilgili kullanıcıya anlık olarak iletilmesi gerekmektedir. Bu makalede, IoT cihazlarından elde edilen verilerin işlenmesi ve son kullanıcıya anlık olarak iletilmesi amacıyla bir model tasarlanmıştır. Çalışmada öncelikli olarak IoT cihazlarından toplanan yapısal olmayan veriler veri ön işleme adımlarına tabi tutulmuştur. Veri ön işleme adımları sonrası elde edilen verilerden anlamlı kelimeler tespit edilmiştir. Bu amaçla TF-IDF (Term Frequency?-Inverse Document Frequency) metrikleri uygulanmıştır. Anlamlı kelime tespiti sonrası her anlamlı kelime konusuna göre verileri anlık işlemek amacıyla RabbitMQ dağıtık mesaj işleme kuyruğuna yönlendirilmiştir. Böylece mesajların iletilmesi garanti altına alınmıştır. RabbitMQ kuyruğuna iletilen mesajların anlık olarak alınması ve işlenmesi amacıyla Apache Storm topolojisi kullanılmıştır. Garantili mesaj işleme alt yapısı kullanan Apache Storm topolojisi, mesajları RabbitMQ dağıtık kuyruklama teknolojisi üzerinden okuyup, yapması gereken işlem ve hesaplamaları yaptıktan sonra çıktıları Elasticsearch içerisinde saklamıştır. Apache Storm topolojisi içerisinde üretilen sonuçlar daha sonra REST (Representational State Transfer) mimarisi kullanılarak son kullanıcı ile paylaşılmıştır.Today, the increase in the use of IoT (Internet of Things) devices has led to the formation of high density and different kinds of data. The formats, shapes and densities of this data collected from IoT devices are completely different from each other. This data needs to be processed instantaneously and transmitted instantly to the user concerned. In this article, a model is designed to process data obtained from IoT devices and transmit them to the end user instantly. In this study, non-structural data collected from IoT devices were subjected to data preprocessing steps. Significant words were determined from the data obtained after the data pre-processing steps. For this purpose, TF-IDF (Term Frequency?-Inverse Document Frequency) metrics were applied. After meaningful word detection, the subject of each meaningful word was redirected to the RabbitMQ distributed message processing queue to process the data instantly. This ensures that messages are delivered. Apache Storm topology is used to receive and process the messages transmitted to the RabbitMQ queue instantly. Using the guaranteed message processing infrastructure, the Apache Storm topology will read the messages through RabbitMQ distributed queuing technology and store the printouts in Elasticsearch after performing the necessary operations and calculations. The results generated in the Apache Storm topology will then be shared with the end user using the REST (Representational State Transfer) architecturetrinfo:eu-repo/semantics/openAccessNesnelerin İnternetiBüyük VeriRabbitMQTF-IDF MetrikleriApache StormInternet of ThingsBig DataRabbitMQTF-IDF MetricsApache StormDağıtık mesajlaşma altyapısı kullanılarak büyük boyutlu verilerin gerçek zamanlı olarak işlenmesiReal-Time Processing of Large Data Using a Distributed Messaging InfrastructureArticle414552