一种基于边缘计算的智能云盒设备

技术领域

本发明属于监测应用设备领域，尤其涉及一种基于边缘计算的智能云盒设备。

背景技术

智能云盒是一款功能强大、性能卓越的嵌入式智能监控硬件，云盒通过TCP/GPRS/WIFI联网后自动连接到平台服务器，用户和服务商可使用APP端以及PC端实时查看设备的运行状态和相关参数，出现异常即时接收告警信息，实现设备运维管理的主动化、可视化和智能化，从而提升客户满意度，增强客户粘性。

随着通信技术和半导体技术的快速发展，监测的效果也越来越好，但监测效果显著提高的同时，也占用了智能云盒巨大的计算、存储、网络与电池等资源。虽然，传统的云计算架构为用户提供了更多的计算资源和存储资源，但是并没有完全解决计算延迟的问题。移动边缘计算作为一种高效的解决方案应运而生，其将计算任务卸载到边缘服务器，利用边缘服务器强大的计算能力扩展智能移动设备的资源，缓解智能移动设备因资源不足带来的问题。作为继云计算之后提出的一种新型计算模式，移动边缘计算通过将云中心的计算能力下沉到网络边缘，智能移动设备实现了在近距离下与边缘服务器进行交互，满足移动端服务和应用对低延迟、低功耗的需求。随着物联网、5G、人工智能、大数据等领域技术的快速发展，移动边缘计算将凸显出越来越重要的价值，成为无线通信领域必不可少的支撑技术。为此，如何将现有的智能云盒的计算效率提高，成为目前智能云盒的重点研究方向。

发明内容

本发明针对上述的智能云盒因数据过多导致的计算量过大所存在的计算问题，提出一种设计合理、结构简单且有效提高智能云盒计算效率的一种基于边缘计算的智能云盒设备。

为了达到上述目的，本发明采用的技术方案为，本发明提供一种基于边缘计算的智能云盒设备，包括用于实现数据采集的数据采集单元、用于实现数据无线传输的数据传输单元、用于存储数据的数据存储单元、用于实现控制、本地计算的中央控制单元、用于实现报警的预警单元、用于实现云计算的云计算单元以及用于实现高效计算的边缘计算单元，其中，数据计算根据本地计算、边缘计算以及云计算所消耗的时间确定本次任务计算采用本地计算、边缘计算还是云计算，其中，所述本地计算时间消耗的算法为：

其中，T

所述边缘计算的时间消耗的算法为：

其中，T

所述云计算时间消耗的算法为：

其中，w

作为优选，所述中央控制单元还包括数据对比模块，所述数据对比模块用于将计算得到数据和警告阈值对比，用于判断是否需要发送警报命令。

与现有技术相比，本发明的优点和积极效果在于，

1、本发明提供一种基于边缘计算的智能云盒设备，通过将本地计算、边缘计算以及云计算的时间周期进行计算，选择出最适合的计算方式，进而提高计算效率，为监测工作的准确进行提供保证。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为实施例1提供的工作原理图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

实施例1，如图1所示，本发明提供一种基于边缘计算的智能云盒设备，主要针对现有监测行业中的监测、计算数据增多所存在的延迟问题，提出本实施例。

为此，本实施例提供的基于边缘计算的智能云盒设备包括用于实现数据采集的数据采集单元、用于实现数据无线传输的数据传输单元、用于存储数据的数据存储单元、用于实现控制、本地计算的中央控制单元、用于实现报警的预警单元、用于实现云计算的云计算单元以及用于实现高效计算的边缘计算单元，其中，除了边缘计算单元以外，其他单元都属于现有智能云盒的常见单元，为此，本实施例不加详细描述。

众所周知，云计算卸载是将终端设备产生的计算任务，通过无线和以太网等传输方式卸载到远端服务器(核心服务器)上，核心服务器经过计算将结果发送回终端，完成任务的卸载。云计算的出现很好的缓解了终端设备的计算压力，但是传统的云服务器处于远离用户的位置，所以在计算卸载的过程中会产生不可忽略的时延。因此云计算局限于对时延不敏感和低要求的计算任务时使用。为了解决传统云计算对于计算密集型任务无法保证其严格的时延要求的问题，边缘计算作为一种新的范式，成为了业界研究的重要方案。边缘计算是将云的部分能力下沉到基站附近的网络节点，可以为用户提供可靠地计算、存储、缓存、通信以及控制、策略和管理等服务的分布式计算形式。由于边缘计算服务器位于靠近用户的边缘节点，可以充分的利用网络空间的计算能力。并且其灵活的部署方式，以及低成本和丰富的上下文信息的特点，不仅为运营商提供了未来数据计算存储的发展方向，也使得服务提供商能够快速和便捷的接入到用户网络中。移动边缘计算是在靠近用户的基站附近部署了MEC服务器，用户可以选择在本地(智能云盒自带CPU)和MEC服务器上执行任务计算。为此，通过上述的设置，有效的实现本地计算、边缘计算以及云计算的选择，那么计算时间效率就关系到警报的及时性，为此，计算的方式的选择也是本实施例重点的改进方案。

具体的说，数据计算根据本地计算、边缘计算以及云计算所消耗的时间确定本次任务计算采用本地计算、边缘计算还是云计算，

其中，本地计算时间消耗的算法为：

其中，T

边缘计算的时间消耗的算法为：

其中，T

云计算时间消耗的算法为：

其中，w

由于数据是实时产生的，那么计算次数的越多，越影响本地计算的效率，为此，在本实施例中，计算i次任务本地计算的效率，综合对比中，在多少次任务内，本地计算的效率最快，则采用本地计算，同样，也计算中边缘计算的最佳计算次数以及云计算的最佳的次数，那么通过i次的最佳计算，就可以实现对本地计算、边缘计算以及云计算的最佳组合计算，提高计算效率。

假设一次数据，本地计算所花费的时间为1s(仅假设，如果计算时间不会那么长)，边缘计算的所花费的时间为1.1s，云计算所花费的时间为1.2s，二次数据本地计算所花费的时间位2.1s，边缘计算所花费的时间为2.15s，云计算所花费的时间为2.3s，三次数据本地计算所花费的时间为3.15s，边缘计算所花费的时间为3.27s，云计算所花费的时间为3.4s，四次数据本地计算所花费的时间为4.3s，边缘计算所花费的时间为4.38s，云计算所花费的时间为4.4s，5次数据本地计算所花费的时间为5.6s，边缘计算所花费的时间为5.4s，云计算所花费的时间为5.45s，那么依次类推下去，在合适的数据次数内，采用综合计算的方式，能够远远单类别计算所花费的时间，进而提高了计算效率。

最后，中央控制单元还包括数据对比模块，数据对比模块用于将计算得到数据和警告阈值对比，用于判断是否需要发送警报命令。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。