2．海量存储正如之前所述，传感网乃至整个物联网所产生的数据是海量的，主要表现在两个方面:1)单个物体在持续地产生数据，比如在医疗护理的应用中，由于性命攸关，传感器会不断地测量患者的体温、心率、血压等指标，产生大量的实时数据。2)网络中拥有数以百万甚至数以亿计的物体，比如物流系统需要同时跟踪上千万件的物体，即使每个物体的数据更新量都很小，乘以千万级别的物体总量，总数据量也不可小觑。单个物体产生的海量数据要求在网络中传输时尽可能采用压缩的数据，否则大通信量不仅会迅速消耗传感器节点的能量，而且也会造成网络通信拥塞。海量物体产生的数据要求数据库或者数据中心在存储数据时，尽可能地压缩数据、剔除冗余数据、甄别无用数据。近年来，随着存储设备占用的空间、消耗的电费与日俱增，数据压缩存储已经成为-项极为迫切的需求。据报道，IBM公司甚至愿意以1 .4亿美元的价格收购数据压缩存储公司Storwize。传感器网络中的数据查询主要分为快照查询和连续查询两种类型。快照查询的特点是查询不固定、数据不确定。典型的快照查询例子是“区域A当前时刻的温度是多少”，“24小时之前哪个区域湿度最大”等。连续查询的特点是查询固定、数据不确定。典型的例子是，假设需要检测森林火灾，则查询会一直为“找出所有温度高于60℃的区域”。针对数据不确定的特点，可以采用近似查询的技术来减小网络通信开销。比如说，在网关端先收集一部分数据，然后根据这部分数据分别对各个传感器建立数学模型，以后的查询都可以根据数学模型运算，不需要分发到网络中去，也不需要传感器再往回传送数据。这类方法的缺点是很难在建模方法的复杂度和近似结果的经度之间做出折中。一般而言，越想得到精确的结果，模型越是复杂﹔使用的模型越是简单，得到的结果越不精确。针对查询固定的特定，可以对查询的内容做出优化。还是看监测森林火灾的例子，因为查询仅是“找出所有温度高于60℃的区域”，所以传感器收集到的数据并不用都传回网关，只需要传高于60℃的数据。
