结合自身工作,本文以新疆农业大学科学技术学院集中供热系统的具体工程项目,利用大数据分析与挖掘技术深入研究传感器海量时间序列的存储、分布式环境下的相似性查询以及数据可视化技术,从而进行供热系统的智能监测和控制,达到节能环保的目的。在温度监测过程中,随着时间的推移,传感会产生海量的时间序列数据,海量数据的存储是一个重要技术;而数据序列的相关性计算,又是时间序列分析中的基础操作。基于HBase数据库计算长时间序列(比如:1赫兹的传感器,连续产生1年的序列长度可达10~7数量级)之间的相关性,会产生大量的I/O和网络通信数据,这使得难以应用交互式查询。为了解决这个问题,架设了基于Hadoop和HBase的存储和计算平台,设计了海量时间序列数据的存储和计算框架,并且设计了相关性计算分布式处理方法,最后将该方法应用于工程实践当中,挖掘价值信息并实现数据的可视化。在具体应用中,本项目设计的平台和计算方法的有效性和效率都得到了验证。具体来说,本文解决的关键技术问题是:(1)建立分布式存储和计算平台,设计了针对海量时间序列数据的分布式存储方法,针对非主键查询设计HBase二级索引;(2)设计快速计算时间序列相关系数近似值的估算方法,研究了针对温度数据的相似性查询计算框架及算法设计。为了快速估计相关系数的上下界,提出了TSDC算法,降低了I/O和网络数据传输;(3)为进一步降低计算、I/O以及网络输入代价,对TSDC算法扩展,设计了ATSDC算法。ATSDC算法主要通过处理多层摘要数据来计算相关系数,进一步提升了计算效率;(4)将本文存储框架和计算方法应用于新疆自治区科技计划项目(集中供热系统远程监测和优化控制应用研究)海量传感器数据分析和挖掘平台中,并且将价值数据实现了可视化,经过现场测试,本文设计的存储和计算方法能很好管理海量传感器温度数据。