CN110493817A - 基于代表对象的数据流监控方法及装置、介质和设备 - Google Patents
基于代表对象的数据流监控方法及装置、介质和设备 Download PDFInfo
- Publication number
- CN110493817A CN110493817A CN201910779183.4A CN201910779183A CN110493817A CN 110493817 A CN110493817 A CN 110493817A CN 201910779183 A CN201910779183 A CN 201910779183A CN 110493817 A CN110493817 A CN 110493817A
- Authority
- CN
- China
- Prior art keywords
- node
- value
- local value
- current
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种基于代表对象的数据流监控方法及装置、介质和设备,包括:获取无线传感网络中各节点上对象的初始局部值;计算各个对象的当前全局值;选取出代表对象和异常对象,跟踪监控代表对象和异常对象在各节点上的数据流;判定代表对象在各节点上是否具有最大局部值,不具有则调整,使代表对象在各节点上具有最大局部值;各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,判定代表对象当前全局值是否为最大全局值,不是则重新获取代表对象;是则调整,使代表对象在各节点上具有最大局部值;本发明方法可以有效降低监控数据流的通信开销和功耗。
Description
技术领域
本发明涉及物联网技术领域,特别涉及一种基于代表对象的数据流监控方法及装置、介质和设备。
背景技术
近年来,随着物联网技术的不断发展,物联网广泛应用于制造业供应链管理、生产线过程监控、生产设备监控、环保监测和工业生产管理等方面。无线传感网络作为物联网的主要感知网络,往往具有大量的分布式传感器节点,无线传感网络中节点的数据常常以数据流的形式源源不断传输到总控节点上,通过监测节点数据流可及时准确地发现突发事件、监测工作状况以及工作环境等。
在目前的基于物联网的资产和库存管理、工业生产中的用电量监控等监控系统中,通常是监控各个传感器节点的数据流,再由总控节点计算出系统总体情况是否已经超出安全基线,安全基线即为保证系统安全设定的范围。当监控值较小时,用户不关心其具体值,而只需要知道其位于安全基线以下;只有当监控值超过安全基线时,系统才跟踪其具体值。由于无线传感网络分布区域的不确定性以及传感器节点资源有限,通信开销和功耗问题往往成为限制系统功能性能的主要因素,因此研究如何降低监控数据流的通信开销和功耗具有重要意义。
目前已有的数据流监控技术具体有:imple-value监控法、Simple-rate监控法和档位基线监控法。(1)Simple-value监控法:将全局基线平均分配给各个远程节点,每个远程节点维持T/n的局部基线;仅当对象的局部值超出了局部基线时,远程节点才需要与总控节点通信,然后总控节点主动获取其它远程节点上的局部值,从而可以判断全局值是否超出了全局基线。(2)Simple-rate监控法:与Simple-value监控法类似,只是远程节点不再监控局部值,而是监控局部值的变化情况。与上一个时间周期相比,若局部值的变化值超过了预设的范围则进行报告,否则就用上一个周期值和允许变化的范围进行估计,从而达到降低通信开销的目的。(3)档位监控法:为每个远程节点分配多个局部基线,代表了不同的“档”;集中式节点只需知道每个局部值所处的“档”,便可根据其上下界估算出满足精度要求的全局值。因此,只有当对象局部值从一个“档”变到另外的“档”时,远程节点才需要与集中节点通信,从而很大程度上降低通信开销。具体的档位划分方法可以是均匀档位法、按比例划分、动态档位调整等思路,尽量减少各个分布式节点超过档位的情况,进而用以进一步降低全局监控任务中的通信开销。
但是,上述已有的数据流监控技术存在如下问题:(1)监控局部值与安全基线之间存在线性关系,当监控对象非常多时(如当今工业物联网传感网监控对象数量非常庞大),调整量和调整频率都很大,因此通信开销还是很高。(2)当安全基线发生变化时,已有方法都是基于安全基线分配的,需要对安全基线进行重新分配并分发到各个远程监控节点,即整个监控系统都需要进行调整。因此,当系统的安全基线需要经常调整或者需要根据实际情况实时变化时,已有方法的代价还是很大。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足,提供一种基于代表对象的数据流监控方法,该方法可以有效降低监控数据流的通信开销和功耗。
本发明的第二目的在于提供一种基于代表对象的数据流监控装置。
本发明的第三目的在于提供一种存储介质。
本发明的第四目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现:一种基于代表对象的数据流监控方法,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象,对代表对象和异常对象在各节点上的数据流进行跟踪监控;
步骤S3、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4;
若是,则进入步骤S4;
步骤S4、控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S5;
步骤S5、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2重新获取代表对象;
若是,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4。
优选的,还包括如下步骤:
在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,若是,将其定义为异常对象;然后重新执行步骤S2重新获取代表对象;
在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取代表对象。
更进一步的,还包括如下步骤:构建正常监控集合和异常监控集合;
在步骤S2中,将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取代表对象;
将定义为异常对象的对象加入到异常监控集合中;
将全局值小于或等于预设基线T的异常对象移出异常监控集合,加入到正常监控集合中。
优选的,所述步骤S3和步骤S5中,通过调整因子分配方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤1、针对于代表对象所在的每个节点,获取各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值,然后选择代表对象局部值最大且代表对象与比较对象两者的局部值差值最大的节点作为最宽裕节点;
步骤2、针对于最宽裕节点,将该节点上代表对象超过比较对象的局部值作为待分配值,根据待分配值为其他各节点上的代表对象的局部值分别分配调整因子,并且将各调整因子分别对应发送到其他各节点上;其他各节点根据接收到的调整因子对其上的代表对象的局部值进行调整;
步骤3、判定其他各节点上,代表对象的局部值是否为该节点的最大局部值;
若否,返回步骤1;
若是,则结束调整因子分配方法。
更进一步的,步骤2中,在为其他各节点上的代表对象的局部值分别分配调整因子时,将待分配值全部分配到各调整因子上,或者将待分配值保留一部分,其余的分配到各调整因子上。
优选的,针对于各个对象,将其在各节点上的局部值求和,得到其全局值。
本发明的第二目的通过下述技术方案实现:一种基于代表对象的数据流监控装置,包括局部值获取模块、代表对象和异常对象监控模块、最大局部值判定模块、调整模块、节点控制模块和最大全局值判定模块;
局部值获取模块,用于获取无线传感网络中各节点上对象在任意时刻下的局部值,包括初始时刻;
代表对象和异常对象监控模块,包括全局值计算模块、代表对象和异常对象获取模块,以及跟踪监控模块,其中,
全局值计算模块,用于针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
代表对象和异常对象获取模块,用于比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
跟踪监控模块,用于对代表对象和异常对象在各节点上的数据流进行跟踪监控;
最大局部值判定模块,用于针对于代表对象和异常对象获取模块获取到的代表对象,判定代表对象在各节点上的当前局部值是否为各节点上的最大局部值;
调整模块,用于在代表对象在节点上的当前局部值不为节点上的最大局部值时,通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值;
节点控制模块,用于在代表对象在各节点上的当前局部值为各节点上的最大局部值时,控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值;
最大全局值判定模块,用于在节点控制模块实时获取到的代表对象在节点上的当前局部值不为节点上的最大局部值的情况下,判定代表对象当前全局值是否为所有对象中当前全局值最大的对象;在否的情况下通过代表对象和异常对象获取模块重新获取代表对象;在是的情况下,通过调整模块调整代表对象在各节点上的当前局部值。
优选的,代表对象和异常对象监控模块还包括代表对象判定模块和异常对象判定模块,其中,
代表对象判定模块,用于在对代表对象的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,若是,则将其定义为异常对象;
异常对象判定模块,用于在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,若是,将其重新定义为正常对象。
本发明的第三目的通过下述技术方案实现:一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现本发明第一目的所述的基于代表对象的数据流监控方法。
本发明的第四目的通过下述技术方案实现:一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现本发明第一目的所述的基于代表对象的数据流监控方法。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明基于代表对象的数据流监控方法中,首先根据各对象的全局值选取出代表对象和异常对象,跟踪监控代表对象和异常对象在各节点上的数据流;接着判定代表对象在各节点上是否都具有最大局部值,在否定情况下通过调整因子分配方法调整,使代表对象在各节点上具有最大局部值;然后控制各节点实时监测数据流,在代表对象在该节点上的当前局部值不为最大局部值情况下,判定代表对象当前全局值是否为最大全局值,若否,重新获取代表对象;若是,则通过调整因子分配方法对各节点上代表对象的局部值进行调整,使代表对象在各节点上具有最大局部值。本发明监控方法充分利用对象之间存在的相对关系,选取出一个代表对象,实现了将多个对象作为整体进行统一处理,在对所有节点上的数据流进行监控时,只需对代表对象在各个节点上的数据流进行跟踪监控,即可实现对代表对象及其所代表的其他对象的监控,因此可以避免所有对象都参与调整,故能够达到减少调整量,进而降低监控的通信开销的目的,通过对代表对象和异常对象的监控,就能实现对所有节点的数据流的监控。且本发明监控方法通过调整因子分配方法使得代表对象在各个节点上始终具有最大局部值,保证了代表对象始终能够代表其他对象,在监控数据流的过程中可以进一步减少调整的频率和调整量,因此可以有效降低数据流监控的通信开销和功耗。
(2)本发明基于代表对象的数据流监控方法中,通过选取出代表对象局部值最大且代表对象与比较对象两者的局部值差值最大的最宽裕节点,将最宽裕节点上代表对象超过比较对象的局部值作为待分配值,根据待分配值为其他各节点上的代表对象的局部值分别分配调整因子;将全部或者部分待分配值分配到调整因子,使得代表对象可以根据所接收到的调整因子相应地调整在其他各节点上的局部值。通过本发明上述调整因子分配方法,实现将最宽裕节点上富余的局部值分配给其他节点,增大代表对象在其他节点上的局部值,实现代表对象在各个节点上都具有最大局部值,保证代表对象能够代表当前全局值小于或者等于预设基线T的其他对象。另外,调整因子分配方法可以根据实际情况选择将全部待分配值或者部分待分配值分配到调整因子,因此能够根据实际情况实现对局部值的合理分配,增强了无线传感网络各个节点在监控数据流时的适应性和稳定性。
(3)本发明基于代表对象的数据流监控方法中,还包括在对代表对象在各节点和异常对象上的数据流进行跟踪监控时,比较代表对象的当前全局值、异常对象的当前全局值与预设基线的大小,将当前全局值大于预设基线的代表对象定义为异常对象并重新获取代表对象,将当前全局值小于或者等于预设基线的异常对象重新定义为正常对象并重新获取代表对象,通过实时监测代表对象和异常对象的当前全局值,有利于及时更新代表正常对象和异常对象的数量和局部值,从而选取出能够代表所有正常对象的最佳的代表对象,进一步提高了跟踪监控代表对象和异常对象的数据流的准确性和可靠性。
(4)本发明基于代表对象的数据流监控方法中,由于在所有对象中选择出了代表对象进行监控,因此当预设基线发生变化时,只需要向代表对象所在节点分配新调整的预设基线;如果代表对象不超过预设基线,不管预设基线发生什么变化,变大、变小、或者是动态变化的预设基线,都不需要进行全局调整;而已有的基于基线分配方法的监控,当监控基线发生变化时,需要对基线进行重新分配并分发到各个远程监控节点,即整个监控系统都需要进行调整。因此,相比于已有的监控方法,本发明监控方法能进一步减少调整量。
附图说明
图1是本发明基于代表对象的数据流监控方法的流程图。
图2是本发明基于代表对象的数据流监控装置的结构框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
本实施例公开了一种基于代表对象的数据流监控方法,如图1所示,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;对象的初始局部值也即是初始时刻下对象的当前局部值。
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值。本实施例具体是通过将对象在各节点上的局部值进行求和,得到该对象的全局值。
比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象,对代表对象和异常对象在各节点上的数据流进行跟踪监控。
其中,在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,
若是,将其定义为异常对象;然后重新执行步骤S2重新获取代表对象;
在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,
若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取代表对象。
本实施例还包括:构建正常监控集合和异常监控集合,具体如下:
在步骤S2中,将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取代表对象;
将定义为异常对象的对象加入到异常监控集合中;
将全局值小于或等于预设基线T的异常对象移出异常监控集合,加入到正常监控集合中;
将全局值大于预设基线T的正常对象移出正常监控集合,加入到异常监控集合中。
步骤S3、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4;
若是,则进入步骤S4。
步骤S4、控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S5。
步骤S5、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2重新获取代表对象;
若是,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4。
在如上步骤S3和步骤S5中,通过调整因子分配方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤1、针对于代表对象所在的每个节点,获取各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值,然后选择代表对象局部值最大且代表对象与比较对象两者的局部值差值最大的节点作为最宽裕节点。
步骤2、针对于最宽裕节点,将该节点上代表对象超过比较对象的局部值作为待分配值,根据待分配值为其他各节点上的代表对象的局部值分别分配调整因子,并且将各调整因子分别对应发送到其他各节点上;其他各节点根据接收到的调整因子对其上的代表对象的局部值进行调整。
其中,在为其他各节点上的代表对象的局部值分别分配调整因子时,具体可以是将待分配值全部分配到各调整因子上,即各调整因子上之和等于待分配值;也可以是将待分配值保留一部分,其余的分配到各调整因子上,此时待分配值大于各调整因子上之和。
当待分配值全部分配到各调整因子上时,只需要一个最宽裕节点就可以使得其他各节点都能接收到的调整因子,因此这种分配方式参与调整的节点少,同时也因为参与调整的节点数量少而难以保证代表对象在各个节点上都具有最大局部值,因此需要重新分配调整因子的次数较多。
当待分配值保留一部分在最宽裕节点,可能无法满足其他所有节点都能对局部值进行调整,因此,这种分配方式需要更多可以提供待分配值的节点,相较于待分配值全部分配到各调整因子上的分配方式,参与调整的节点数量会较多;同时也因为参与调整的节点数量较多,更容易实现代表对象在各个节点上都具有最大局部值,因此需要重新分配调整因子的次数少。
步骤3、判定其他各节点上,代表对象的局部值是否为该节点的最大局部值;
若否,返回步骤1;
若是,则结束调整因子分配方法。
本实施例的监控方法还包括:实时监控预设基线,在如上步骤S2~步骤S5中任一个步骤中,若预设基线T发生变化,则判定代表对象的全局值是否小于或等于变化后的预设基线T以及判定异常对象的全局值是否大于变化后的预设基线T,
若代表对象的全局值仍小于或等于变化后的预设基线T且异常对象的全局值大于变化后的预设基线T,则继续原步骤;
若代表对象的全局值大于变化后的预设基线T或者异常对象的全局值小于或等于变化后的预设基线T,则返回步骤S2重新获取代表对象。
本实施例的监控方法具体可应用于制造业供应链管理、生产线过程监控、生产设备监控、环保监测和工业生产管理等物联网应用领域,在这些应用领域中,只需对代表对象和异常对象在各节点上的数据流进行跟踪监控,就能实现对所有节点数据流的全局监控和管理;以工业生产中的耗电量监控为例,其中无线传感网络中对象可以是生产各种零件的车床等设备。在不同的节点中,根据实际情况定义同一对象,例如可以定义在各个节点中生产相同零件的车床为同一对象。
实施例2
本实施例公开了一种基于代表对象的数据流监控装置,如图2所示,包括局部值获取模块、代表对象和异常对象监控模块、最大局部值判定模块、调整模块、节点控制模块和最大全局值判定模块,具体如下:
局部值获取模块,用于获取无线传感网络中各节点上对象在任意时刻下的局部值,包括初始时刻。
代表对象和异常对象监控模块,包括全局值计算模块、代表对象和异常对象获取模块,以及跟踪监控模块,其中,
全局值计算模块,用于针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
代表对象和异常对象获取模块,用于比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
跟踪监控模块,用于对代表对象和异常对象在各节点上的数据流进行跟踪监控。
最大局部值判定模块,用于针对于代表对象和异常对象获取模块获取到的代表对象,判定代表对象在各节点上的当前局部值是否为各节点上的最大局部值。
调整模块,用于在代表对象在节点上的当前局部值不为节点上的最大局部值时,通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值。
节点控制模块,用于在代表对象在各节点上的当前局部值为各节点上的最大局部值时,控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值。
最大全局值判定模块,用于在节点控制模块实时获取到的代表对象在节点上的当前局部值不为节点上的最大局部值的情况下,判定代表对象当前全局值是否为所有对象中当前全局值最大的对象;在否的情况下通过代表对象和异常对象获取模块重新获取代表对象;在是的情况下,通过调整模块调整代表对象在各节点上的当前局部值。
在本实施例中,代表对象和异常对象监控模块还包括代表对象判定模块和异常对象判定模块,其中,
代表对象判定模块,用于在对代表对象的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,若是,则将其定义为异常对象;
异常对象判定模块,用于在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,若是,将其重新定义为正常对象。
在本实施例中,调整模块进一步包括比较对象获取模块、最宽裕节点选择模块、调整因子分配模块和判定模块,
比较对象获取模块,用于针对于代表对象所在的每个节点,获取各节点上局部值第二大的对象,并将其定义为比较对象;
最宽裕节点选择模块,用于计算各节点上代表对象与比较对象两者的局部值差值,然后选择代表对象局部值最大且代表对象与比较对象两者的局部值差值最大的节点作为最宽裕节点;
调整因子分配模块,用于针对于最宽裕节点,将该节点上代表对象超过比较对象的局部值作为待分配值,根据待分配值为其他各节点上的代表对象的局部值分别分配调整因子,并且将各调整因子分别对应发送到其他各节点上;其他各节点根据接收到的调整因子对其上的代表对象的局部值进行调整。
其中,调整因子分配模块根据待分配值分配调整因子,具体可以是各调整因子上之和等于待分配值;也可以是将待分配值保留一部分,其余的分配到各调整因子上,也即是待分配值大于各调整因子上之和。
判定模块,用于判定其他各节点上,代表对象的局部值是否为该节点的最大局部值,在代表对象的局部值不为该节点的最大局部值时通过比较对象获取模块重新获取比较对象。
在本实施例中,监控装置还包括预设基线监控模块,用于实时监控预设基线,若预设基线T发生变化,则判定代表对象的当前全局值是否小于或等于变化后的预设基线T,在代表对象的当前全局值大于变化后的预设基线T时通过代表对象和异常对象获取模块重新获取代表对象。
在此需要说明的是,本实施例的装置仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3
本实施例公开了一种存储介质,存储有程序,所述程序被处理器执行时,实现实施例1所述的基于代表对象的数据流监控方法,具体如下:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象,对代表对象和异常对象在各节点上的数据流进行跟踪监控;
步骤S3、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4;
若是,则进入步骤S4;
步骤S4、控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S5;
步骤S5、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2重新获取代表对象;
若是,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4。
本实施例中的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
实施例4
本实施例公开了一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现实施例1所述的基于代表对象的数据流监控方法,具体如下:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象,对代表对象和异常对象在各节点上的数据流进行跟踪监控;
步骤S3、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4;
若是,则进入步骤S4;
步骤S4、控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S5;
步骤S5、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2重新获取代表对象;
若是,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4。
本实施例中所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有处理器功能的终端设备。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于代表对象的数据流监控方法,其特征在于,包括如下步骤:
步骤S1、获取无线传感网络中各节点上对象的初始局部值;
步骤S2、针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象,对代表对象和异常对象在各节点上的数据流进行跟踪监控;
步骤S3、针对于上述获取到的代表对象,判定其在各节点上的当前局部值是否为各节点上的最大局部值;
若否,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4;
若是,则进入步骤S4;
步骤S4、控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值,在代表对象在该节点上的当前局部值不为该节点上的最大局部值情况下,进入步骤S5;
步骤S5、针对于代表对象,判定其当前全局值是否为所有对象中当前全局值最大的对象;
若否,则返回步骤S2重新获取代表对象;
若是,则通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值,进入步骤S4。
2.根据权利要求1所述的基于代表对象的数据流监控方法,其特征在于,还包括如下步骤:
在对代表对象在各节点上的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,若是,将其定义为异常对象;然后重新执行步骤S2重新获取代表对象;
在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,若是,则将其重新定义为正常对象,然后重新执行步骤S2重新获取代表对象。
3.根据权利要求2所述的基于代表对象的数据流监控方法,其特征在于,还包括如下步骤:构建正常监控集合和异常监控集合;
在步骤S2中,将当前全局值小于或者等于预设基线T的对象定义为正常对象,加入到正常监控集合;在正常监控集合中获取代表对象;
将定义为异常对象的对象加入到异常监控集合中;
将全局值小于或等于预设基线T的异常对象移出异常监控集合,加入到正常监控集合中。
4.根据权利要求1所述的基于代表对象的数据流监控方法,其特征在于,所述步骤S3和步骤S5中,通过调整因子分配方法调整代表对象在各节点上的当前局部值,使得代表对象在各节点上的当前局部值为各节点上的最大局部值的具体过程如下:
步骤1、针对于代表对象所在的每个节点,获取各节点上局部值第二大的对象,定义为比较对象;计算各节点上代表对象与比较对象两者的局部值差值,然后选择代表对象局部值最大且代表对象与比较对象两者的局部值差值最大的节点作为最宽裕节点;
步骤2、针对于最宽裕节点,将该节点上代表对象超过比较对象的局部值作为待分配值,根据待分配值为其他各节点上的代表对象的局部值分别分配调整因子,并且将各调整因子分别对应发送到其他各节点上;其他各节点根据接收到的调整因子对其上的代表对象的局部值进行调整;
步骤3、判定其他各节点上,代表对象的局部值是否为该节点的最大局部值;
若否,返回步骤1;
若是,则结束调整因子分配方法。
5.根据权利要求4所述的基于代表对象的数据流监控方法,其特征在于,步骤2中,在为其他各节点上的代表对象的局部值分别分配调整因子时,将待分配值全部分配到各调整因子上,或者将待分配值保留一部分,其余的分配到各调整因子上。
6.根据权利要求1所述的基于代表对象的数据流监控方法,其特征在于,针对于各个对象,将其在各节点上的局部值求和,得到其全局值。
7.一种基于代表对象的数据流监控装置,其特征在于,包括局部值获取模块、代表对象和异常对象监控模块、最大局部值判定模块、调整模块、节点控制模块和最大全局值判定模块;
局部值获取模块,用于获取无线传感网络中各节点上对象在任意时刻下的局部值,包括初始时刻;
代表对象和异常对象监控模块,包括全局值计算模块、代表对象和异常对象获取模块,以及跟踪监控模块,其中,
全局值计算模块,用于针对于各个对象,根据其在各节点上的当前局部值计算当前全局值;
代表对象和异常对象获取模块,用于比较各对象的当前全局值,将当前全局值最大且当前全局值小于或者等于预设基线T的对象作为代表对象,将当前全局值大于预设基线T的对象作为异常对象;
跟踪监控模块,用于对代表对象和异常对象在各节点上的数据流进行跟踪监控;
最大局部值判定模块,用于针对于代表对象和异常对象获取模块获取到的代表对象,判定代表对象在各节点上的当前局部值是否为各节点上的最大局部值;
调整模块,用于在代表对象在节点上的当前局部值不为节点上的最大局部值时,通过调整因子分配方法调整代表对象在各节点上的当前局部值,直到代表对象在各节点上的当前局部值为各节点上的最大局部值;
节点控制模块,用于在代表对象在各节点上的当前局部值为各节点上的最大局部值时,控制各节点实时监测其自身数据流,实时获取各对象在该节点上的当前局部值;
最大全局值判定模块,用于在节点控制模块实时获取到的代表对象在节点上的当前局部值不为节点上的最大局部值的情况下,判定代表对象当前全局值是否为所有对象中当前全局值最大的对象;在否的情况下通过代表对象和异常对象获取模块重新获取代表对象;在是的情况下,通过调整模块调整代表对象在各节点上的当前局部值。
8.根据权利要求7所述的基于代表对象的数据流监控装置,其特征在于,代表对象和异常对象监控模块还包括代表对象判定模块和异常对象判定模块,其中,
代表对象判定模块,用于在对代表对象的数据流进行跟踪监控时,判定代表对象的当前全局值是否大于预设基线T,若是,则将其定义为异常对象;
异常对象判定模块,用于在对各异常对象的数据流进行跟踪监控时,判定异常对象的当前全局值是否小于或等于预设基线T,若是,将其重新定义为正常对象。
9.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1~6中任一项所述的基于代表对象的数据流监控方法。
10.一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1~6中任一项所述的基于代表对象的数据流监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779183.4A CN110493817B (zh) | 2019-08-22 | 2019-08-22 | 基于代表对象的数据流监控方法及装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779183.4A CN110493817B (zh) | 2019-08-22 | 2019-08-22 | 基于代表对象的数据流监控方法及装置、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493817A true CN110493817A (zh) | 2019-11-22 |
CN110493817B CN110493817B (zh) | 2023-01-06 |
Family
ID=68552935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779183.4A Active CN110493817B (zh) | 2019-08-22 | 2019-08-22 | 基于代表对象的数据流监控方法及装置、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493817B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116028930A (zh) * | 2023-03-28 | 2023-04-28 | 睿至科技集团有限公司 | 一种物联网中能源数据的防御检测方法及其系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170070886A1 (en) * | 2013-09-13 | 2017-03-09 | Network Kinetix, LLC | System and method for an automated system for continuous observation, audit and control of user activities as they occur within a mobile network |
CN106572189A (zh) * | 2016-11-14 | 2017-04-19 | 广州大学 | 一种基于物联网的多传感器智能监控系统 |
CN108038044A (zh) * | 2017-12-26 | 2018-05-15 | 北京航空航天大学 | 一种面向连续被监测对象的异常检测方法 |
US20180146000A1 (en) * | 2015-08-31 | 2018-05-24 | Splunk Inc. | Event information access interface in data intake stage of a distributed data processing system |
CN109067732A (zh) * | 2018-07-26 | 2018-12-21 | 广州大学 | 物联网设备及数据接入系统、方法及计算机可读存储介质 |
CN109862011A (zh) * | 2019-02-01 | 2019-06-07 | 华南理工大学 | 一种基于雾计算的物联网环境实时监测系统 |
CN109889610A (zh) * | 2019-03-30 | 2019-06-14 | 谷红亮 | 一种集中式监控网络系统的通信与协作方法 |
CN110134675A (zh) * | 2019-05-23 | 2019-08-16 | 大连海事大学 | 一种面向海洋数据流的数据清洗方法和系统 |
-
2019
- 2019-08-22 CN CN201910779183.4A patent/CN110493817B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170070886A1 (en) * | 2013-09-13 | 2017-03-09 | Network Kinetix, LLC | System and method for an automated system for continuous observation, audit and control of user activities as they occur within a mobile network |
US20180146000A1 (en) * | 2015-08-31 | 2018-05-24 | Splunk Inc. | Event information access interface in data intake stage of a distributed data processing system |
CN106572189A (zh) * | 2016-11-14 | 2017-04-19 | 广州大学 | 一种基于物联网的多传感器智能监控系统 |
CN108038044A (zh) * | 2017-12-26 | 2018-05-15 | 北京航空航天大学 | 一种面向连续被监测对象的异常检测方法 |
CN109067732A (zh) * | 2018-07-26 | 2018-12-21 | 广州大学 | 物联网设备及数据接入系统、方法及计算机可读存储介质 |
CN109862011A (zh) * | 2019-02-01 | 2019-06-07 | 华南理工大学 | 一种基于雾计算的物联网环境实时监测系统 |
CN109889610A (zh) * | 2019-03-30 | 2019-06-14 | 谷红亮 | 一种集中式监控网络系统的通信与协作方法 |
CN110134675A (zh) * | 2019-05-23 | 2019-08-16 | 大连海事大学 | 一种面向海洋数据流的数据清洗方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116028930A (zh) * | 2023-03-28 | 2023-04-28 | 睿至科技集团有限公司 | 一种物联网中能源数据的防御检测方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110493817B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104935482B (zh) | 分布式监控系统及方法 | |
US20180247001A1 (en) | Digital simulation system of power distribution network | |
CN102004671B (zh) | 一种云计算环境下数据中心基于统计模型的资源管理方法 | |
CN101976842B (zh) | 基于电气分区的关键断面自动获取方法 | |
CN108415048B (zh) | 基于空间聚类的大规模网络rtk定位方法及系统 | |
US20070208535A1 (en) | System and method for efficient and collective adjustment of sensor reporting ranges for long-lived queries | |
CN102193832A (zh) | 云端计算资源排程方法与应用的系统 | |
CN108804383B (zh) | 基于度量空间的支撑点并行枚举方法及装置 | |
CN108021447B (zh) | 一种基于分布式数据确定最优资源策略的方法及系统 | |
CN110493817A (zh) | 基于代表对象的数据流监控方法及装置、介质和设备 | |
John et al. | Energy saving cluster head selection in wireless sensor networks for internet of things applications | |
CN114254761A (zh) | 一种适用于异构网络的通用联邦学习实现方法 | |
CN107341055A (zh) | 分布式内存文件系统的实时动态管理方法及系统 | |
CN118093175A (zh) | 基于大数据分析的计算机资源分配系统及方法 | |
CN114239960A (zh) | 基于资源动态优化的配网工程项目群进度管理方法及系统 | |
CN109962936B (zh) | 异构数据同步方法及系统 | |
CN101730113B (zh) | 基于Zigbee技术的可重构无线测控网络平台 | |
Song et al. | Federated dynamic spectrum access | |
CN110365546A (zh) | 节点数据流的监控方法、存储介质和计算设备 | |
CN110245019A (zh) | 一种自适应系统资源的线程并发方法及装置 | |
CN106912088B (zh) | 一种小基站休眠的控制方法及装置 | |
CN112988389B (zh) | 结合负载调节及周期性调节的自动伸缩方法及系统 | |
Liu et al. | A Distributed Resource Sharing Mechanism in Edge-Enabled IIoT Systems | |
Rohm et al. | Enabling resource-awareness for in-network data processing in wireless sensor networks | |
CN106686082A (zh) | 存储资源调整方法及管理节点 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220707 Address after: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou Applicant after: Guangzhou University Applicant after: National University of Defense Technology Address before: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou Applicant before: Guangzhou University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |