一种基于云计算的边缘数据采集分析系统

技术领域

本发明涉及云计算技术领域，具体为一种基于云计算的边缘数据采集分析系统。

背景技术

云计算，是指通过网络，把众多数据计算处理程序分解，通过服务器组成的系统，把这些分解的小程序再处理分析来得到结果，云计算则融入了分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化等计算机技术，具有虚拟化技术、灵活性高、分析精度高的优点。边缘计算是指在数据源头的附近，采用开放平台，就近直接提供最近端的服务，边缘计算的应用程序是在数据源头边缘侧发起的，减少了数据在网络上传输过程，能够满足数据分析的实时性要求，但是边缘计算的分析精度相对云计算的精度较低，而云计算耗费的时间的相对边缘计算耗费的时间较长。如何将数据合理分配给云计算和边缘计算保证数据处理的实效性和精度是急需解决的问题。

发明内容

本发明的目的在于提供一种基于云计算的边缘数据采集分析系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的边缘数据采集分析系统，所述数据采集分析系统包括传感节点分类模块、云计算中心分析模块、多个边缘设备分析模块、采集周期分析模块、特征属性分析模块和设备匹配模块，所述云计算中心分析模块为云计算中心分析传感节点的采集数据，所述边缘设备分析模块为边缘设备分析传感节点的采集数据，所述传感节点分类模块预先将各个传感节点进行分类，所述传感节点的类型包括第一传感节点、第二传感节点和第三传感节点，在某个传感节点为第一传感节点时，令云计算中心分析模块工作，在某个传感节点为第二传感节点时，采集周期分析模块判断该传感节点该次的采集数据是否为所属采集周期中最后一个采集数据，如果是，令云计算中心分析模块工作，否则，令边缘设备分析模块工作，在某个传感节点为第三传感节点时，特征属性分析模块获取该传感节点该次的采集数据的特征属性，并据此判断是令边缘计算设备还是云计算中心分析该次的采集数据，所述设备匹配模块在令边缘设备分析模块工作时，匹配合适的边缘计算设备分析采集数据。

进一步的，所述传感节点分类模块包括时间间隔获取模块和时间间隔比较模块，所述时间间隔获取模块用于获取某个传感节点相邻两次的采集数据之间的时间间隔，所述时间间隔比较模块将该时间间隔与第一时间间隔阈值、第二时间间隔阈值进行比较，在该传感节点的时间间隔大于等于第一时间间隔阈值，设该传感节点为第一传感节点，在该传感节点的时间间隔小于等于第二时间间隔阈值，设该传感节点为第二传感节点，并根据时间间隔的长短设置该传感节点的采集周期，在该传感节点的时间间隔小于第一时间间隔阈值且该传感节点的时间间隔都大于第二时间间隔阈值，设该传感节点为第三传感节点，其中，第一时间间隔阈值大于第二时间间隔阈值。

进一步的，所述特征属性分析模块包括参考指数获取模块、观测指数获取模块、中心指数获取模块、属性值计算模块和属性比较模块，所述参考指数获取模块设该传感节点为中心节点，设中心节点该次采集数据的时间与其上一次采集数据的时间之间的时间段为该次采集数据的参考时间段，统计中心节点该次采集数据的参考时间段中其他传感节点采集数据并进行传输的次数Nx，并统计其中采集数据传输给云计算中心的次数Nc，那么该次采集数据的参考指数X=Nc/Nx，所述观测指数获取模块统计所有传感节点的总个数Ns以及其中为中心节点的观测节点的个数Ng，那么该次采集数据的观测指数Y=1-Ng/Ns，其中，如果存在两个传感器节点，设其中一个传感节点为第一传感节点，另一个传感节点为第二传感节点，当第一传感节点的某次采集数据存在异常时，在这之后第二传感节点的第一次采集到数据为正常时，那么该第二传感节点为该第一传感节点的观测节点，所述中心指数获取模块获取最近预设时间段内中心节点采集数据的次数Nz和其中中心节点的采集数据传输给云计算中心分析的次数Ne，那么该次采集数据的中心指数Z=Ne/Nz，所述属性值计算模块计算中心节点该次采集数据的属性值U=0.36*X+0.32*Y+0.32*Z，所述属性比较模块将该次采集数据的属性值大于属性阈值，令边缘设备分析该个传感节点的该次采集数据，并匹配合适的边缘计算设备分析该采集数据；当该次采集数据的属性值小于等于属性阈值，令云计算中心分析该传感节点的采集数据。

进一步的，所述设备匹配模块包括第一指数计算模块、第二指数计算模块、候选指数计算模块和候选指数排序模块，所述第一指数计算模块获取各个边缘计算设备当前的待处理数据量，并分别计算各个边缘计算设备分析完当前的待处理数据量的预估时长，对某个边缘计算设备的预估时长进行归一化处理得到该个边缘计算设备的第一指数Q；所述第二指数计算模块获取某个边缘计算设备历史分析该传感节点的采集数据的次数Dz以及对该传感节点的采集数据分析错误的次数Dp，那么该个边缘计算设备的第二指数P=Dp/Dz，所述候选指数计算模块计算某个边缘计算设备的候选指数V=0.58*Q+0.42*P，所述候选指数排序模块将各个边缘计算设备所对应的候选指数按照从小到大的顺序排序，选取排序第一的边缘计算设备为该传感节点该次的采集数据的分析设备。

进一步的，所述数据采集分析系统采用了数据采集分析方法，所述数据采集分析方法包括以下步骤：

预先将各个传感节点进行分类，所述传感节点的类型包括第一传感节点、第二传感节点和第三传感节点，

当某个传感节点为第一传感节点时，令云计算中心分析该传感节点的采集数据；

当某个传感节点为第二传感节点时，获取该传感节点该次的采集数据是否为所属采集周期中最后一个采集数据，如果是，令云计算中心分析该传感节点的采集数据，否则，令边缘设备分析该传感节点的采集数据；

当某个传感节点为第三传感节点时，获取该传感节点该次的采集数据的特征属性，并据此判断是令边缘计算设备还是云计算中心分析该次的采集数据，

在令边缘设备分析某个传感节点的采集数据时，匹配合适的边缘计算设备分析采集数据。

进一步的，所述预先将各个传感节点进行分类包括：

获取某个传感节点相邻两次的采集数据之间的时间间隔，

当该传感节点的时间间隔大于等于第一时间间隔阈值，那么该传感节点为第一传感节点，

当该传感节点的时间间隔小于等于第二时间间隔阈值，那么该传感节点为第二传感节点，并根据时间间隔的长短设置该传感节点的采集周期；

当该传感节点的时间间隔小于第一时间间隔阈值且该传感节点的时间间隔都大于第二时间间隔阈值，那么该传感节点为第三传感节点，其中，第一时间间隔阈值大于第二时间间隔阈值。

进一步的，所述获取该传感节点该次的采集数据的特征属性包括：

设该传感节点为中心节点，

设中心节点该次采集数据的时间与其上一次采集数据的时间之间的时间段为该次采集数据的参考时间段，统计中心节点该次采集数据的参考时间段中其他传感节点采集数据并进行传输的次数Nx，并统计其中采集数据传输给云计算中心的次数Nc，那么该次采集数据的参考指数X=Nc/Nx；

统计所有传感节点的总个数Ns以及其中为中心节点的观测节点的个数Ng，那么该次采集数据的观测指数Y=1-Ng/Ns，其中，如果存在两个传感器节点，其中一个传感节点为第一传感节点，另一个传感节点为第二传感节点，当采集到第一传感节点的某次采集数据存在异常时，在这之后第二传感节点的第一次采集数据为正常时，那么该第二传感节点为该第一传感节点的观测节点；

获取最近预设时间段内中心节点采集数据的次数Nz以及其中中心节点的采集数据传输给云计算中心分析的次数Ne，那么该次采集数据的中心指数Z=Ne/Nz，

计算中心节点该次采集数据的属性值U=0.36*X+0.32*Y+0.32*Z，

当该次采集数据的属性值大于属性阈值，令边缘设备分析该个传感节点的该次采集数据，并匹配合适的边缘计算设备分析该采集数据；

当该次采集数据的属性值小于等于属性阈值，令云计算中心分析该传感节点的采集数据。

进一步的，所述匹配合适的边缘计算设备分析该采集数据包括：

获取各个边缘计算设备当前的待处理数据量，并分别计算各个边缘计算设备分析完当前的待处理数据量的预估时长，对某个边缘计算设备的预估时长进行归一化处理得到该个边缘计算设备的第一指数Q；

获取某个边缘计算设备历史分析该传感节点的采集数据的次数Dz以及对该传感节点的采集数据分析错误的次数Dp，那么该个边缘计算设备的第二指数P=Dp/Dz，

那么某个边缘计算设备的候选指数V=0.58*Q+0.42*P；

将各个边缘计算设备所对应的候选指数按照从小到大的顺序排序，选取排序第一的边缘计算设备为该传感节点该次的采集数据的分析设备。

与现有技术相比，本发明所达到的有益效果是：本发明预先对各个传感节点进行分类成第一传感节点、第二传感节点和第三传感节点，根据传感节点的类型来选择是进行边缘计算还是云计算，同时在传感节点为第三传感节点时，对该次的采集数据的特征属性进行进一步分析选择合适的分析方式，不仅提高了边缘计算设备和云计算中心的工作效率，也保证对传感节点所采集数据的所属设备的高效监测。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于云计算的边缘数据采集分析系统的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案： 一种基于云计算的边缘数据采集分析系统，所述数据采集分析系统包括传感节点分类模块、云计算中心分析模块、多个边缘设备分析模块、采集周期分析模块、特征属性分析模块和设备匹配模块，所述云计算中心分析模块为云计算中心分析传感节点的采集数据，所述边缘设备分析模块为边缘设备分析传感节点的采集数据，所述传感节点分类模块预先将各个传感节点进行分类，所述传感节点的类型包括第一传感节点、第二传感节点和第三传感节点，在某个传感节点为第一传感节点时，令云计算中心分析模块工作，在某个传感节点为第二传感节点时，采集周期分析模块判断该传感节点该次的采集数据是否为所属采集周期中最后一个采集数据，如果是，令云计算中心分析模块工作，否则，令边缘设备分析模块工作，在某个传感节点为第三传感节点时，特征属性分析模块获取该传感节点该次的采集数据的特征属性，并据此判断是令边缘计算设备还是云计算中心分析该次的采集数据，所述设备匹配模块在令边缘设备分析模块工作时，匹配合适的边缘计算设备分析采集数据。

所述传感节点分类模块包括时间间隔获取模块和时间间隔比较模块，所述时间间隔获取模块用于获取某个传感节点相邻两次的采集数据之间的时间间隔，所述时间间隔比较模块将该时间间隔与第一时间间隔阈值、第二时间间隔阈值进行比较，在该传感节点的时间间隔大于等于第一时间间隔阈值，设该传感节点为第一传感节点，在该传感节点的时间间隔小于等于第二时间间隔阈值，设该传感节点为第二传感节点，并根据时间间隔的长短设置该传感节点的采集周期，在该传感节点的时间间隔小于第一时间间隔阈值且该传感节点的时间间隔都大于第二时间间隔阈值，设该传感节点为第三传感节点，其中，第一时间间隔阈值大于第二时间间隔阈值。

所述特征属性分析模块包括参考指数获取模块、观测指数获取模块、中心指数获取模块、属性值计算模块和属性比较模块，所述参考指数获取模块设该传感节点为中心节点，设中心节点该次采集数据的时间与其上一次采集数据的时间之间的时间段为该次采集数据的参考时间段，统计中心节点该次采集数据的参考时间段中其他传感节点采集数据并进行传输的次数Nx，并统计其中采集数据传输给云计算中心的次数Nc，那么该次采集数据的参考指数X=Nc/Nx，所述观测指数获取模块统计所有传感节点的总个数Ns以及其中为中心节点的观测节点的个数Ng，那么该次采集数据的观测指数Y=1-Ng/Ns，其中，如果存在两个传感器节点，设其中一个传感节点为第一传感节点，另一个传感节点为第二传感节点，当第一传感节点的某次采集数据存在异常时，在这之后第二传感节点的第一次采集到数据为正常时，那么该第二传感节点为该第一传感节点的观测节点，所述中心指数获取模块获取最近预设时间段内中心节点采集数据的次数Nz和其中中心节点的采集数据传输给云计算中心分析的次数Ne，那么该次采集数据的中心指数Z=Ne/Nz，所述属性值计算模块计算中心节点该次采集数据的属性值U=0.36*X+0.32*Y+0.32*Z，所述属性比较模块将该次采集数据的属性值大于属性阈值，令边缘设备分析该个传感节点的该次采集数据，并匹配合适的边缘计算设备分析该采集数据；当该次采集数据的属性值小于等于属性阈值，令云计算中心分析该传感节点的采集数据。

所述设备匹配模块包括第一指数计算模块、第二指数计算模块、候选指数计算模块和候选指数排序模块，所述第一指数计算模块获取各个边缘计算设备当前的待处理数据量，并分别计算各个边缘计算设备分析完当前的待处理数据量的预估时长，对某个边缘计算设备的预估时长进行归一化处理得到该个边缘计算设备的第一指数Q；所述第二指数计算模块获取某个边缘计算设备历史分析该传感节点的采集数据的次数Dz以及对该传感节点的采集数据分析错误的次数Dp，那么该个边缘计算设备的第二指数P=Dp/Dz，所述候选指数计算模块计算某个边缘计算设备的候选指数V=0.58*Q+0.42*P，所述候选指数排序模块将各个边缘计算设备所对应的候选指数按照从小到大的顺序排序，选取排序第一的边缘计算设备为该传感节点该次的采集数据的分析设备。

所述数据采集分析系统采用了数据采集分析方法，所述数据采集分析方法包括以下步骤：

预先将各个传感节点进行分类，所述传感节点的类型包括第一传感节点、第二传感节点和第三传感节点，

所述预先将各个传感节点进行分类包括：

获取某个传感节点相邻两次的采集数据之间的时间间隔，

当该传感节点的时间间隔大于等于第一时间间隔阈值，那么该传感节点为第一传感节点，当相邻两次的采集数据之间的时间间隔比较长时，说明采集数据之间的频率比较低，所以应当将该传感节点的采集数据传输给云计算中心检测，提高检测精度，及时发现传感节点的采集数据的异常

当该传感节点的时间间隔小于等于第二时间间隔阈值，那么该传感节点为第二传感节点，并根据时间间隔的长短设置该传感节点的采集周期；当相邻两次的采集数据之间的时间间隔比较短时，说明采集数据之间的频率比较频繁，如果每次都将采集数据传输给云计算中心检测，不仅耗时较长，而且增加云计算中心的负担，所以在该种情况下，每隔一段时间传输一次采集数据给云计算中心，在这段时间内的数据便传输给边缘计算设备进行分析，即根据传感节点相邻两次的采集数据之间的时间间隔设置一个采集周期，比如某个传传感节点的采集周期是20s，20s里采集数据10次，前9次的采集数据都令边缘计算设备进行分析，第10次的采集数据令云计算中心来进行分析；本实施例当中当边缘计算设备分析过采集数据后，会将采集数据和分析结果传输给云计算中心，进行保存，也作为后续云计算中心的参考。

当该传感节点的时间间隔小于第一时间间隔阈值且该传感节点的时间间隔都大于第二时间间隔阈值，那么该传感节点为第三传感节点，其中，第一时间间隔阈值大于第二时间间隔阈值；

当某个传感节点为第一传感节点时，令云计算中心分析该传感节点的采集数据；

当某个传感节点为第二传感节点时，获取该传感节点该次的采集数据是否为所属采集周期中最后一个采集数据，如果是，令云计算中心分析该传感节点的采集数据，否则，令边缘设备分析该传感节点的采集数据；

当某个传感节点为第三传感节点时，获取该传感节点该次的采集数据的特征属性，并据此判断是令边缘计算设备还是云计算中心分析该次的采集数据，

所述获取该传感节点该次的采集数据的特征属性包括：

设该传感节点为中心节点，

设中心节点该次采集数据的时间与其上一次采集数据的时间之间的时间段为该次采集数据的参考时间段，统计中心节点该次采集数据的参考时间段中其他传感节点采集数据并进行传输的次数Nx，并统计其中采集数据传输给云计算中心的次数Nc，那么该次采集数据的参考指数X=Nc/Nx；将中心节点的计算分析与其他传感节点的计算分析情况相关联，从整体上来进行分析，进一步提高采集数据分配计算的合理性，当其他传感节点大多数都传输给云计算中心时，检测精度更高，对监测设备的监测更加准确，此时可以将中心节点不发给云计算中心检测；

统计所有传感节点的总个数Ns以及其中为中心节点的观测节点的个数Ng，那么该次采集数据的观测指数Y=1-Ng/Ns，其中，如果存在两个传感器节点，其中一个传感节点为第一传感节点，另一个传感节点为第二传感节点，当采集到第一传感节点的某次采集数据存在异常时，在这之后第二传感节点的第一次采集数据为正常时，那么该第二传感节点为该第一传感节点的观测节点；当某个传感节点的观测节点越多，说明当中心节点检测到异常时，其他传感节点没有检测到异常，此时应当尽可能将该中心节点传输给云计算中心进行检测，提高检测精度；

获取最近预设时间段内中心节点采集数据的次数Nz以及其中中心节点的采集数据传输给云计算中心分析的次数Ne，那么该次采集数据的中心指数Z=Ne/Nz，

计算中心节点该次采集数据的属性值U=0.36*X+0.32*Y+0.32*Z，

当该次采集数据的属性值大于属性阈值，令边缘设备分析该个传感节点的该次采集数据，并匹配合适的边缘计算设备分析该采集数据；

当该次采集数据的属性值小于等于属性阈值，令云计算中心分析该传感节点的采集数据；

在令边缘设备分析某个传感节点的采集数据时，匹配合适的边缘计算设备分析采集数据；

所述匹配合适的边缘计算设备分析该采集数据包括：

获取各个边缘计算设备当前的待处理数据量，并分别计算各个边缘计算设备分析完当前的待处理数据量的预估时长，对某个边缘计算设备的预估时长进行归一化处理得到该个边缘计算设备的第一指数Q；对某个边缘计算设备的预估时长进行归一化处理包括以下：

获取各个边缘计算设备分析完当前的待处理数据量的预估时长中的最大值Hmax和最小值min，那么某个边缘计算设备的预估时长H归一化处理得到的第一指数Q=(H-Hmin)/(Hmax-Hmin)；在边缘数据进行计算分析处理时，应当尽可能保证计算分析的时效性，如果无法保证时效性，那么使用边缘设备计算就没有意义了；

获取某个边缘计算设备历史分析该传感节点的采集数据的次数Dz以及对该传感节点的采集数据分析错误的次数Dp，那么该个边缘计算设备的第二指数P=Dp/Dz，不同的边缘计算设备具有不同的计算特征，而不同的传感节点的采集数据的进行分析时的要求不同，为传感节点的采集数据匹配合适的边缘计算设备保证边缘计算时的精度，也能提高边缘计算的效率；当某个边缘计算设备分析该传感节点的采集数据为异常时，但是在之后的预设时间段内，监测设备正常运行，那么该边缘计算设备对该传感节点的采集数据分析错误，当某个边缘计算设备分析该传感节点的采集数据为正常时，但是在之后的预设时间段内，监测设备发生异常，那么该边缘计算设备对该传感节点的采集数据分析错误；

那么某个边缘计算设备的候选指数V=0.58*Q+0.42*P；

将各个边缘计算设备所对应的候选指数按照从小到大的顺序排序，选取排序第一的边缘计算设备为该传感节点该次的采集数据的分析设备。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。