CN109194534B - 面向物联网设备群体的调度与管理方法 - Google Patents

Abstract

本发明公开的面向物联网设备群体的调度与管理方法，涉及物联网技术领域，通过实时检测物联网设备群体中的实体设备是否保持正常连接，提取并保存当前连接状态正常的实体设备，生成实体设备列表，利用轻量级虚拟化容器，将实体设备列表中的实体设备映射为数字群体，根据模糊理论的数据融合算法，计算实体设备的健康度，根据健康度，对数字群体进行相应的操作，提高了调用的灵活性、减少了网络空间的计算和存储压力、提高了系统的容错率及有效地保障了系统平稳运行，解决了现有技术存在的灵活性差、网络空间的计算和存储压力大、系统的容错率低及系统不能平稳运行的缺陷。

Description

面向物联网设备群体的调度与管理方法

技术领域

本发明涉及物联网技术领域，具体涉及一种面向物联网设备群体的调度与管理方法。

背景技术

随着硬件技术的进步，功能更强、成本更低的集成式芯片的逐渐普及，这一趋势使得我们已经可以将网络连接以及完整、成熟的虚拟机和动态语言运行环境嵌入到任何设备中。我们日常生活中的很多东西，包括灯泡、门把手、空调系统、喷灌浇水器、吸尘器、牙刷，甚至厨房水槽，都可以动态地连接到互联网并通过编程来调度管理他们。

现阶段，将物联网设备视为可编程对象进行物联网开发已经成为了行业研究热点。但是，物联网市场的应用场景日益复杂，越来越多的可编程设备需要支持更多的硬件资源、操作系统、软件工具及应用程序，现有的解决方案显然无法为数量庞大的物联网设备提供相应的灵活性，这使开发者们面临巨大的设计压力，设备虚拟化技术是解决物联网设备可编程化问题的关键。

现有的设备虚拟化技术研究的物理实体多为单个设备，近些年来，物联网设备数量呈指数级别增长，系统中计算单位的数量通常远远多于传统计算环境，有可能达到数百、数千，甚至上百万数量级。在这种情况下，如果将每一个物理实体都映射到虚拟网络空间中，大规模的虚拟化设备将会大幅度提升系统的计算、存储压力以及物联网应用的开发难度。诺基亚技术中心在对当今主流物联网解决方案展开研究时指出，物联网开发与主流的移动应用和客户端Web应用程序开发有着较大差异，物联网系统中设备的数量通常远远多于传统计算环境，在这种情况下，群体调度的意义即是在大规模系统中，以整体的方式管理和调用物联网设备，而无须针对或关注其中的个体物联网设备。此外，物联网系统由大量独立运行的设备组成，这些设备通常使用间歇性且不可靠的异步通信。在广泛地理区域中的，难以一一确认各个设备是否在线，有的设备甚至在长时间内一直处于离线状态，程序员必须从单个设备层面升级到系统级思维，以异步、并行的软件结构处理设备响应。

总体来说，目前国内外对于物联网设备群的调度与管理方法的研究尚处于探索阶段，研究成果较少且缺乏系统性，无法以整体的方式管理和调用物联网设备，对于使用间歇性且不可靠的异步通信的设备，难以获知在线离线状态，导致现有的物联网设备群的调度与管理方法存在调用灵活性低、网络空间的计算和存储压力大及系统容错率低等缺陷。

发明内容

为解决现有技术的不足，本发明实施例提供了一种面向物联网设备群体的调度与管理方法，该方法包括以下步骤：

实时检测物联网设备群体中的实体设备是否保持正常连接，提取并保存当前连接状态正常的实体设备，生成实体设备列表；

利用轻量级虚拟化容器，将实体设备列表中的实体设备映射为数字群体；

根据模糊理论的数据融合算法，计算实体设备的健康度；

根据健康度，对数字群体进行相应的操作。

优选地，基于模糊理论的数据融合算法，计算实体设备的健康度包括：

对实体设备中的各个设备在不同时序点的测量值进行数据模糊化及去模糊化操作，得到当前数字群体的健康度。

优选地，根据健康度，对数字群体进行相应的操作包括：

注册数字群体、增加数字群体的成员、删除数字群体的成员、注销数字群体。

本发明实施例提供的面向物联网设备群体的调度与管理方法所产生的有益之处在于：

(1)使开发者能够以整体的方式调用物联网设备，而无须针对或关注其中的个体，提高了调用的灵活性；

(2)将多个设备映射至一个数字群体，减少了网络空间的计算和存储压力；

(3)在进行物联网应用开发时，群体中会有若干备份物联网设备，当功能方法调用异常时会启动这些备份物联网设备，达到设备冗余防出错的目的，提高了系统的容错率；

(4)利用模糊理论的数据融合算法，对群体健康程度做出定量评估，及时向系统管理者反馈设备运行状态，有效地保障了系统平稳运行。

附图说明

图1为本发明实施例提供的面向物联网设备群体的调度与管理方法的应用场景示意图；

图2为本发明实施例提供的面向物联网设备群体的调度与管理方法的流程示意图；

图3为加权平均合成物联网设备群单时序点融合隶属度及对各时序点融合隶属度进行多时序点融合的流程示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

参照图1，本发明实施例提供的面向物联网设备群体的调度与管理方法的应用场景的整体架构分为三层：应用管理层、虚拟群体层、实体设备层。其中：

实体设备层由物联网中的实体设备组成，包括各类传感器及执行器，例如温湿度传感器、红外传感器、继电器及大型复杂设备的零器件，例如无人车的四个行进车轮。在功能层面上，负责数据收集与控制执行，将采集的数据发送至虚拟群体层所属的数字群体，并执行由数字群体发送来的控制命令。

应用管理层集合了所有数字群体的封装接口，形成应用程序接口(ApplicationProgramming Interface，API)API资源池，资源池的API分为三大类，一类是面向物联网应用开发者的功能API，开发者可以使用这些API部署和开发自己的物联网的应用，其他两类分别是面向物联网系统管理者的状态API和管理API。管理者可以使用状态API实时获取目标群体的健康状态，使用管理API对群体的基本属性和成员组成进行操作。

虚拟群体层由实体设备群映射后的数字群体组成，实体设备层的物理设备事先按照一定规则划分为逻辑层面上的若干群体，之后基于设备虚拟化技术将逻辑层面上的群体一一映射为虚拟群体层的数字群体。在功能层面上，虚拟群体层起到承上启下的作用，向上对接应用管理层，为其提供每个数字群体的功能方法、状态方法、管理方法，向下对接实体设备层，各个数字群体向实体设备层中对应的设备群发送控制命令、收集设备数据。在实现层面上，每个数字群体就是一个虚拟化容器docker。

针对数字群体的三种方法，docker将它们封装为标准化接口，提供给上层调用。其中，功能方法为开发者对实体设备群的整体调度控制方法。该功能方法是面向群体所有设备成员的，所以从根本上讲，数字群体收集到的数据是所有设备的数据，需要下达的控制命令是需要分发到每个实体设备的，所以在功能方法的设计中存在一个多数据处理模块，一个控制命令分解模块。多数据处理模块收集群体中所有设备的数据，并依据特定规则做处理，如求平均值，之后将处理好的数据递交给功能方法的接口。控制命令分解模块将数字群体接收到的控制命令按照设备可用情况及设备种类进行分解，之后将分解好的命令下发至各个实体设备。该管理方法包括注册数字群体、增加数字群体的成员、删除数字群体的成员、注销数字群体操作。

参照图2，本发明实施例提供的面向物联网设备群体的调度与管理方法包括以下步骤：

101，实时检测物联网设备群体中的实体设备是否保持正常连接，提取并保存当前连接状态正常的实体设备，生成实体设备列表。

其中，在每一次检测之后，对当前连接状态不正常的实体设备做标识，生成连接状态正常的实体设备列表。

102，利用轻量级虚拟化容器，将所述实体设备列表中的实体设备映射为数字群体。

其中，docker容器是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何Linux机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。几乎没有性能开销，可以很容易地在机器和数据中心中运行。

为了进行设备检测，每个docker里都会开着一个设备状态监听进程，每隔一段时间，docker便会对隶属该群体的所有设备发送测试消息，如果测试通过，就在数据库的设备状态表里将其标记为在线；反之，如果测试失败，就在数据库的设备状态表里将其标记为离线。这样一来，开发者在调用数字群体的功能方法时，调用进程会自动忽略掉离线设备，利用在线设备完成目标任务。

103，根据模糊理论的数据融合算法，计算所述实体设备的健康度。

其中，健康度是一种综合的定量指标，是对大规模物联网设备群健康状况的度量。为了全面、准确地反映物联网设备群的综合健康状况，定义了物联网设备群的健康度。

假设物联网设备群有p个实体设备，n个测量时序点，并且第i个设备在测试阶段各个时序点测得的信号为：

X_i＝(x_i1,x_i2,…,x_in)，则物联网设备群的综合健康度指标一般定义为：

S_HD＝f(X₁,X₂,…,X_p)(1)

式(1)中，S_HD为物联网设备群的综合健康度，取值范围为0～1。当健康度为0时，该物联网设备群处于严重的故障状态；当健康度为1时，该物联网设备群处于100％的健康状态。

104，根据所述健康度，对所述数字群体进行相应的操作。

可选地，基于模糊理论的数据融合算法，计算所述实体设备的健康度包括：

对所述实体设备中的各个设备在不同时序点的监测数据进行数据模糊化及去模糊化操作，得到当前数字群体的健康度。

可选地，根据所述健康度，对所述数字群体进行相应的操作包括：

注册所述数字群体、增加所述数字群体的成员、删除所述数字群体的成员、注销所述数字群体。

在一个示例中，物联网应用开发者选择已注册的数字群体进行组合，完成业务搭建。如果当前数字群体的健康度为亚健康或故障边缘，则在确认具体的设备损坏情况后删除其中损坏的设备成员，并增添相应数目的无损坏设备成员；如果当前数字群体的健康度为故障，则先注销该数字群体，待修复测试之后，再重新注册使用。

下面具体对物联网设备群健康度的计算方法进行说明，该计算方法包括以下步骤：

(1)确定评估模型的隶属集

定义健康、亚健康、故障边缘和故障4个模糊集合作为物联网设备群的评估模型的隶属集。

(2)分别对各个物联网设备进行评价,建立模糊关系矩阵

确定各个物联网设备在各个时序点对于健康、亚健康、故障边缘和故障模糊集合的隶属度函数。通过对物联网设备群在正常状态下的检测数据进行统计分析可知，物联网设备群在稳态工作期间，各个物联网设备的检测数值服从正态分布，即该检测数值越接近最佳估计，其出现的概率就越大。同时，对于物联网设备群的健康状况来说，其检测的越接近最佳估计，健康状况越好，因此选择正态分布的概率密度函数作为健康、亚健康和故障边缘三个模糊集合的隶属度函数，定义为：

式(2)中，

为设备m在时刻i对于模糊集合j的隶属度，

为设备m在时刻i的测量值；

为设备m在时刻i对于模糊集合j的最佳估计值，

为物联网设备在时刻i对于模糊集合j的估计标准偏差，其中，i＝1、2、…n，j＝1,2,3分别代表健康模糊集合、亚健康模糊集合和故障边缘模糊集合。其中最佳估计和估计标准偏差可以通过对历史数据统计、数学模型计算方法得到。

对于单个物联网设备来说，当其测量值超过某个阈值时，认为其产生故障。当测量值超过某个上限阈值时，判定该物联网设备发生了故障；当测量值低于某个下限阈值时，判定该物联网设备是正常的，而对于介于两个阈值之间时，会产生不同的结论，即可以认为该物联网设备是正常的，也可以认为该物联网设备是异常的，这个特性非常适合于用半梯形函数来表示。因此，选用半梯形函数作为故障模糊集合的隶属度函数并将该函数定义为：

式(3)中：

为设备m在时刻i的最佳估计；j＝4代表故障模糊集合；a₁₁、a₁₂为当

时，故障模糊集隶属度函数(降半梯形函数)的2个特征参数；a₂₁、a₂₂为当

时，故障模糊集隶属度函数(升半梯形函数)的2个特征参数。

将p个物联网设备在时刻i的测量值代入隶属度函数的计算公式(2)和(3)中，计算得到p个物联网设备对于4个模糊集合的隶属度

便可得到模糊矩阵R_i。

其中，

(3)、确定各个设备的权系数

不同物联网设备对于健康度评判的重要程度系数的确定应遵循以下三个原则。

(31)分析不同物联网设备在设备群中的重要程度，确定重要程度系数

(32)根据健康度的特点，各个物联网设备的测量值越接近于故障，即偏离最佳估计越远，其对物联网设备群的健康状况影响越大，由此原则确定重要程度系数

(33)对于不同的物联网设备，其正常范围的相对宽度是不同的，正常范围的相对宽度越窄，其对于自身的健康状况反应越灵敏，即对整个物联网设备群的健康状况影响越大，由此原则确定重要程度系数

其中，

可以根据经验给出，在没有任何经验或知识参考的情况下，可将此程度系数全部赋值为1，即

可以通过定义第j个物联网设备在第i个时序点的标度值d_ij＝c_ij/s_ij，其中，c_ij为第j个设备在时序点i的实际测量值与最佳估计的差的绝对值，s_ij为第j个设备在时序点i对于健康、亚健康、故障边缘和故障模糊集隶属度为1时与最佳估计的差的绝对值的平均值，求得d_i＝(d_i1,d_i2,…,d_ip)，其中，d_i越偏离最佳估计，其标度值越大，即重要程度越大，构造如式(5)所示的判断矩阵，求该判断矩阵的最大特征根λ_max及特征向量

并归一化，即可得到各个设备的最大可能性权重

求

的过程与

相似，此时第j个物联网设备在第i个时序点的标度值d_ij＝c_ij/s_ij。其中，c_ij为第j个物联网设备在时序点i的最佳估计值；s_ij为第j个物联网设备在时序点i的正常范围宽度，即d_ij为第j个物联网设备在时序点i的相对宽度的倒数，求得d_i＝(d_i1,d_i2,…,d_ip)。可见，物联网设备的检测数据正常范围的相对宽度越窄，其标度值越大，即其重要程度越大。之后确定判断矩阵，求得与判断矩阵最大特征值相对应的特征向量，并对该特征向量进行归一化，可求得

在求得了

之后，可以确定不同物联网设备对物联网设备群的重要程度系数A_i如式(6)：

(4)、加权平均合成物联网设备群单时序点融合隶属度

将A_i与R_i相乘得到时序点i模糊融合隶属度向量B_i，如式(7)：

B_i＝A_i×R_i＝(b_i1,b_i2,b_i3,b_i4) (7)

(5)、对各时序点融合隶属度进行多时序点融合

如图3所示，对物联网设备群的N个设备各时序点的测量值经过单时序点多设备融合后，可得物联网设备群所有时序点对于4个模糊集的融合隶属度B_i＝A_i×R_i＝(b_i1,b_i2,b_i3,b_i4)，i＝1,2,…,n。这样一来，设备群在各时序点上对于健康、亚健康、故障边缘和故障模糊集合的模糊关系矩阵R，如式(8)，利用二级指标评判融合策略对现有结果进行多时序点融合,得到融合后4个模糊集的隶属度。

在第一级融合中，认为各个时序点测量值对该于该设备重要程度相同，并且采用3种模糊综合评判模型进行一级融合，即取个时序点隶属度的最大值、最小值及平均值，如式(9)。在第二级融合中定义二级重要程度系数向量

分别代表健康、亚健康、故障边缘、故障模糊集的重要程序系数向量，首先根据

确定所属模糊集合。若判断属于健康模糊集，则4个向量分别为(0,0,1)，(1/3,1/3,1/3)，(1/3,1/3,1/3)，(1/3,1/3,1/3)；若判断属于亚健康模糊集，则4个向量分别为(0,0,1)，(0,0,1)，(1/3,1/3,1/3)，(1/3,1/3,1/3)；若判断属于故障边缘模糊集，则4个向量分别为(0,0,1)，(0,0,1)，(0,0,1)，(1/3,1/3,1/3)；若判断属于故障模糊集，则4个向量均为(0,0,1)。

确定了二级重要程度向量

之后，计算得到设备群对4个模糊集的隶属度向量如式(10)：

B＝[b₁,b₂,b₃,b₄]＝[A⁽¹⁾×r₁,A⁽²⁾×r₂,A⁽³⁾×r₃,A⁽⁴⁾×r₄] (10)

(6)、物联网设备群健康度的计算

隶属度函数完成了从精确量到模糊量的模糊化过程，而健康度函数则实现了从模糊量到精确量的去模糊化过程，根据式(11)，由隶属度计算物联网设备群的健康度。在实际计算中，根据物联网设备群的具体情况可确定映射关系如式(12)。式(12)中，c₁、c₂、c₃、c₄、c₅、c₆及c₇为待定系数，根据公式(10)，求得b₁、b₂、b₃、b₄并将b₁、b₂、b₃、b₄将代入式(12)，即可求得物联网设备群健康度。

S_HD＝f(B)＝f(b₁,b₂,b₃,b₄) (11)

本发明实施例提供的面向物联网设备群体的调度与管理方法，通过实时检测物联网设备群体中的实体设备是否保持正常连接，提取并保存当前连接状态正常的实体设备，生成实体设备列表，利用轻量级虚拟化容器，将实体设备列表中的实体设备映射为数字群体，根据模糊理论的数据融合算法，计算实体设备的健康度，根据健康度，对数字群体进行相应的操作，提高了调用的灵活性、减少了网络空间的计算和存储压力、提高了系统的容错率及有效地保障了系统平稳运行。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (2)

1.一种面向物联网设备群体的调度与管理方法，其特征在于，包括：

实时检测物联网设备群体中的实体设备是否保持正常连接，提取并保存当前连接状态正常的实体设备，生成实体设备列表；

利用轻量级虚拟化容器，将所述实体设备列表中的实体设备映射为数字群体；

根据模糊理论的数据融合算法，计算所述实体设备的健康度；

根据所述健康度，对所述数字群体进行相应的操作；

对所述实体设备中的各个设备在不同时序点的测量值进行数据模糊化及去模糊化操作，得到当前数字群体的健康度。

2.根据权利要求1所述的方法，其特征在于，根据所述健康度，对所述数字群体进行相应的操作包括：

注册所述数字群体、增加所述数字群体的成员、删除所述数字群体的成员、注销所述数字群体。

Images