CN110990470A - 基于分布式计算的qar数据译码方法、系统及存储介质 - Google Patents
基于分布式计算的qar数据译码方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110990470A CN110990470A CN201911134228.9A CN201911134228A CN110990470A CN 110990470 A CN110990470 A CN 110990470A CN 201911134228 A CN201911134228 A CN 201911134228A CN 110990470 A CN110990470 A CN 110990470A
- Authority
- CN
- China
- Prior art keywords
- data
- decoding
- frame configuration
- qar
- subframe
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000012795 verification Methods 0.000 claims description 20
- 230000001360 synchronised effect Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/275—Synchronous replication
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开一种基于分布式计算的QAR数据译码方法、系统及存储介质，该方法包括：基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。相对于现有技术，本发明提升了QAR数据译码速度和效率。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于分布式计算的QAR数据译码方法、系统及存储介质。
背景技术
数据被赋予背景，就是信息；被提炼出规律，就是知识；而经过系统分析后成为生产要素和管理工具，数据就是资源。探索以“大数据”为基础的解决方案，是管理升级、效益升级、效率升级的重要手段。“大数据”时代对航空运行业务体系的影响不言而喻。正是在这样的背景下，如何挖潜QAR(QuickAccessRecorder，即快速存取记录器)成为很多航空公司研究的新课题。当前的QAR译码软件通常采用单机译码的方式，支持的数据量小，在数据量过大时，译码速度太慢；且不支持分布式计算，译码效率低，使用成本高，不支持横向拓展，无法适应日益增长的海量原始数据。
发明内容
本发明的主要目的是提出一种基于分布式计算的QAR数据译码方法、系统及存储介质，旨在提升QAR数据译码速度和效率。
为实现上述目的，本发明提供一种基于分布式计算的QAR数据译码方法，所述方法包括以下步骤：
基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；
采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；
查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；
遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
本发明进一步的技术方案是，所述遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤包括：
遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值；
将所述二进制值转化为十进制值；
将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
本发明进一步的技术方案是，所述根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧的步骤包括：
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号；
根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号；
以帧序号和副帧序号为界，划出对应的副帧。
本发明进一步的技术方案是，所述对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析的步骤之后还包括：
对解析出来的文件进行验证，从验证通过的文件中提取出机号；
所述查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型的步骤包括：
查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
本发明进一步的技术方案是，所述遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤之后还包括：
将所述译码工程值存储于所述大数据译码平台。
为实现上述目的，本发明还提出一种基于分布式计算的QAR数据译码系统，所述系统包括存储器、处理器、以及存储于所述存储器上的基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被所述处理器运行时执行以下步骤：
基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；
采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；
查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；
遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
本发明进一步的技术方案是，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值；
将所述二进制值转化为十进制值；
将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
本发明进一步的技术方案是，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号；
根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号；
以帧序号和副帧序号为界，划出对应的副帧。
本发明进一步的技术方案是，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
对解析出来的文件进行验证，从验证通过的文件中提取出机号；
查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被处理器运行时实现如上所述的方法的步骤。
本发明基于分布式计算的QAR数据译码方法、系统及存储介质的有益效果是：本发明通过上述技术方案，基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值，可以存储海量的QAR数据并且具有高效的分布式译码能力，相对于现有技术，提升了QAR数据译码速度和效率，为国内航空飞行数据提供了一种更好的译码方式，同时，因为其本身的大数据特性，更有利于挖掘出航空飞行数据中所隐藏的价值，为航空公司的战略决策提供了强有力的数据支撑。
附图说明
图1是本发明基于分布式计算的QAR数据译码方法第一实施例的流程示意图；
图2是本发明基于分布式计算的QAR数据译码方法第二实施例的流程示意图；
图3是本发明基于分布式计算的QAR数据译码方法第三实施例的流程示意图；
图4是本发明基于分布式计算的QAR数据译码方法第四实施例的流程示意图；
图5是本发明基于分布式计算的QAR数据译码方法第五实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
考虑到当前的QAR译码软件通常采用单机译码的方式，支持的数据量小，在数据量过大时，译码速度太慢；且不支持分布式计算，译码效率低，使用成本高，不支持横向拓展，无法适应日益增长的海量原始数据，由此，本发明提出一种解决方案。
具体地，本发明提出一种基于分布式计算的QAR数据译码方法、系统及存储介质，本发明的主要解决方案是基于大数据分布式计算技术，通过搭建灵活易拓展的大数据平台存储飞机飞行过程中产生的海量QAR原始数据，根据飞行参数译码数据库及计算规则，对其进行高效地译码解析处理，为航空公司的战略决策提供数据支撑。
通过本发明可以轻松地存储海量的QAR数据，并且可以通过其分布式计算引擎高效地将QAR数据转化成真正的飞行工程值，突破了现有译码软件的数据瓶颈和计算瓶颈；同时，本发明拥有良好的水平拓展能力，支持对目前国内所有主流机型的QAR数据进行译码，并且可扩展新机型及新增飞行参数，拥有良好的灵活性。
请参照图1，图1是本发明基于分布式计算的QAR数据译码方法第一实施例的流程示意图。
本实施例中，该基于分布式计算的QAR数据译码方法包括以下步骤：
步骤S10，基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台。
QAR是飞机记载记录系统中的快速存储装置，可以弥补飞行记录器(黑匣子)不便于转录的缺点，实现了飞机飞行数据的便利存取。
步骤S20，采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析。
分布式计算是利用互联网上的计算机的中央处理器的闲置处理能力来解决大型计算问题的一种计算科学，分布式计算将应用分解成许多小部分，分配给多台计算机进行处理，这样可以节约整体计算时间，大大提高计算效率。
步骤S30，查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型。
需要说明的是，所述预设数据帧构型清单可以由飞机厂商提供。
步骤S40，根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧。
可以理解的是，所述数据帧构型可以划分为超帧、帧和副帧，其中，每1超帧等于16帧、每1帧等于16副帧，每一副帧等于512字槽，字槽是QAR的基本存储单元，是一个16位的二进制格式。
步骤S50，遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
本实施例通过上述技术方案，基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值，可以存储海量的QAR数据并且具有高效的分布式译码能力，相对于现有技术，提升了QAR数据译码速度和效率，为国内航空飞行数据提供了一种更好的译码方式，同时，因为其本身的大数据特性，更有利于挖掘出航空飞行数据中所隐藏的价值，为航空公司的战略决策提供了强有力的数据支撑。
请参照图2，图2是本发明基于分布式计算的QAR数据译码方法第一实施例的流程示意图。本实施例与图1所示的第一实施例的区别在于，上述步骤S50，遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤包括：
步骤S501，遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值。
步骤S502，将所述二进制值转化为十进制值。
步骤S503，将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
本实施例在根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧后，再遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值，将其转化为十进制值，并代入每个参数对应的转化算法计算出对应的译码工程值，能进一步提升QAR数据译码速度和效率。
请参照图3，图3是本发明基于分布式计算的QAR数据译码方法第三实施例的流程示意图。本实施例与图2所示的第二实施例的区别在于，上述步骤S40，根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧的步骤包括：
步骤S401，根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号。
步骤S402，根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号。
步骤S403，以帧序号和副帧序号为界，划出对应的副帧。
具体地，本实施例中，在查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型后，再根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，比如按512字槽划分(字槽是QAR数据的基本存储单元，是一个16位的二进制格式)，每512字槽的数据便为一个副帧，找到每一副帧的首字即同步字，译码后的值(即每一副帧的首字)对应副帧的序号，然后再按照构型顺序找到位于每一帧的第一副帧中的帧序号字，得到帧在超帧中的序号，最后以帧序号和副帧序号为界，划分出对应的副帧。由此，本实施例通过上述技术方案，能更进一步提升QAR数据译码速度和效率。
请参照图4，图4是本发明基于分布式计算的QAR数据译码方法第四实施例的流程示意图。本实施例与图1所示的第一实施例的区别在于，上述步骤S20，对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析的步骤之后还包括：
步骤S201，对解析出来的文件进行验证，从验证通过的文件中提取出机号。
其中，对解析出来的文件进行验证例如可以为验证所述解析出来的文件是否为QAR数据文件，文件格式是否符合规则，命名是否混乱，内容是否为空等，满足条件的文件即为验证通过的文件。其中，解析出来的文件中包括有对应的机号。若解析出来的文件为验证没有通过的文件，则删除该文件。
上述步骤S30，查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型的步骤包括：
步骤S301，查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
本实施例在对解析出来的文件进行验证，从验证通过的文件中提取出对应的机号后，再查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
请参照图5，图5是本发明基于分布式计算的QAR数据译码方法第四实施例的流程示意图，本实施例与上述各实施例的区别在于，上述步骤S50，遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤之后还包括：
步骤S60，将所述译码工程值存储于所述大数据译码平台。
可以理解的是，所述大数据译码平台具有存储大量数据的作用。
综上所述，本发明基于分布式计算的QAR数据译码方法通过上述技术方案，基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值，可以存储海量的QAR数据并且具有高效的分布式译码能力，相对于现有技术，提升了QAR数据译码速度和效率，为国内航空飞行数据提供了一种更好的译码方式，同时，因为其本身的大数据特性，更有利于挖掘出航空飞行数据中所隐藏的价值，为航空公司的战略决策提供了强有力的数据支撑。
为实现上述目的，本发明还提出一种基于分布式计算的QAR数据译码系统，所述系统包括存储器、处理器、以及存储于所述存储器上的基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被所述处理器运行时执行以下步骤：
基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台。
QAR是飞机记载记录系统中的快速存储装置，可以弥补飞行记录器(黑匣子)不便于转录的缺点，实现了飞机飞行数据的便利存取。
采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析。
分布式计算是利用互联网上的计算机的中央处理器的闲置处理能力来解决大型计算问题的一种计算科学，分布式计算将应用分解成许多小部分，分配给多台计算机进行处理，这样可以节约整体计算时间，大大提高计算效率。
查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型。
需要说明的是，所述预设数据帧构型清单可以由飞机厂商提供。
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧。
可以理解的是，所述数据帧构型可以划分为超帧、帧和副帧，其中，每1超帧等于16帧、每1帧等于16副帧，每一副帧等于512字槽，字槽是QAR的基本存储单元，是一个16位的二进制格式。
遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值。
将所述二进制值转化为十进制值。
将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
在根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧后，再遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值，将其转化为十进制值，并代入每个参数对应的转化算法计算出对应的译码工程值，能进一步提升QAR数据译码速度和效率。
所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号。
根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号。
以帧序号和副帧序号为界，划出对应的副帧。
在查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型后，再根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，比如按512字槽划分(字槽是QAR数据的基本存储单元，是一个16位的二进制格式)，每512字槽的数据便为一个副帧，找到每一副帧的首字即同步字，译码后的值(即每一副帧的首字)对应副帧的序号，然后再按照构型顺序找到位于每一帧的第一副帧中的帧序号字，得到帧在超帧中的序号，最后以帧序号和副帧序号为界，划分出对应的副帧。由此，能更进一步提升QAR数据译码速度和效率。
所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
对解析出来的文件进行验证，从验证通过的文件中提取出机号。
其中，对解析出来的文件进行验证例如可以为验证所述解析出来的文件是否为QAR数据文件，文件格式是否符合规则，命名是否混乱，内容是否为空等，满足条件的文件即为验证通过的文件。其中，解析出来的文件中包括有对应的机号。若解析出来的文件为验证没有通过的文件，则删除该文件。
查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
本发明基于分布式计算的QAR数据译码系统通过上述技术方案，基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值，可以存储海量的QAR数据并且具有高效的分布式译码能力，相对于现有技术，提升了QAR数据译码速度和效率，为国内航空飞行数据提供了一种更好的译码方式，同时，因为其本身的大数据特性，更有利于挖掘出航空飞行数据中所隐藏的价值，为航空公司的战略决策提供了强有力的数据支撑。
为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被处理器运行时实现如上实施例所述的方法的步骤，这里不再赘述。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于分布式计算的QAR数据译码方法，其特征在于，所述方法包括以下步骤：
基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；
采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；
查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；
遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
2.根据权利要求1所述的基于分布式计算的QAR数据译码方法，其特征在于，所述遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤包括：
遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值；
将所述二进制值转化为十进制值；
将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
3.根据权利要求2所述的基于分布式计算的QAR数据译码方法，其特征在于，所述根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧的步骤包括：
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号；
根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号；
以帧序号和副帧序号为界，划出对应的副帧。
4.根据权利要求1所述的基于分布式计算的QAR数据译码方法，其特征在于，所述对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析的步骤之后还包括：
对解析出来的文件进行验证，从验证通过的文件中提取出机号；
所述查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型的步骤包括：
查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
5.根据权利要求1-4任意一项所述的基于分布式计算的QAR数据译码方法，其特征在于，所述遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值的步骤之后还包括：
将所述译码工程值存储于所述大数据译码平台。
6.一种基于分布式计算的QAR数据译码系统，其特征在于，所述系统包括存储器、处理器、以及存储于所述存储器上的基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被所述处理器运行时执行以下步骤：
基于多台服务器节点搭建大数据译码平台，将QAR数据迁移至所述大数据译码平台；
采用分布式计算引擎读取所述大数据译码平台的QAR数据，并对所述大数据译码平台的QAR数据采用分布式计算方法进行数据解析；
查询预设数据帧构型清单，得到每个解析出来的文件的所属数据帧构型；
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，并以预设方式划分出对应的副帧；
遍历每一副帧的数据，根据预设译码规则计算出对应的译码工程值。
7.根据权利要求6所述的基于分布式计算的QAR数据译码系统，其特征在于，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
遍历每一副帧的数据，根据译码数据库中对应的飞行参数，截取出每个字槽中对应位置的二进制值；
将所述二进制值转化为十进制值；
将所述十进制值代入每个参数对应的转化算法计算出对应的译码工程值。
8.根据权利要求7所述的基于分布式计算的QAR数据译码系统，其特征在于，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
根据所述预设数据帧构型制定的帧长度对所述每个解析出来的文件的所属数据帧构型划分层次，找到每一副帧的同步字，所述同步字对应副帧的序号；
根据数据帧构型顺序找到位于每一帧的第一副帧的帧序号字，得到帧在超帧中的序号；
以帧序号和副帧序号为界，划出对应的副帧。
9.根据权利要求6所述的基于分布式计算的QAR数据译码系统，其特征在于，所述基于分布式计算的QAR数据译码程序被所述处理器运行时还执行以下步骤：
对解析出来的文件进行验证，从验证通过的文件中提取出机号；
查询预设数据帧构型清单，根据所述预设数据帧构型清单中对应的数据帧构型、所述机号判断所述验证通过的文件的所属数据帧构型。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于分布式计算的QAR数据译码程序，所述基于分布式计算的QAR数据译码程序被处理器运行时实现如权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911134228.9A CN110990470A (zh) | 2019-11-19 | 2019-11-19 | 基于分布式计算的qar数据译码方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911134228.9A CN110990470A (zh) | 2019-11-19 | 2019-11-19 | 基于分布式计算的qar数据译码方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110990470A true CN110990470A (zh) | 2020-04-10 |
Family
ID=70085078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911134228.9A Pending CN110990470A (zh) | 2019-11-19 | 2019-11-19 | 基于分布式计算的qar数据译码方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110990470A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115567166A (zh) * | 2022-11-10 | 2023-01-03 | 商飞软件有限公司 | 一种利用gpu进行总线数据并行计算译码的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104635507A (zh) * | 2013-11-12 | 2015-05-20 | 中国商用飞机有限责任公司 | 飞机运行实时监控系统的仿真验证系统 |
| CN105843906A (zh) * | 2016-03-23 | 2016-08-10 | 中国商用飞机有限责任公司 | 一种用于飞机实时空地数据的收发和处理的系统 |
| CN106656961A (zh) * | 2016-09-29 | 2017-05-10 | 海航航空技术有限公司 | 基于arinc767规范的飞行数据译码分析方法 |
| CN108417096A (zh) * | 2018-02-01 | 2018-08-17 | 四川九洲电器集团有限责任公司 | 一种飞行状态评估方法及系统 |
| CN108846568A (zh) * | 2018-06-05 | 2018-11-20 | 威海众成信息科技股份有限公司 | 面向航空发动机的综合性能趋势分析方法 |
| US20190312957A1 (en) * | 2018-04-04 | 2019-10-10 | Honeywell International Inc. | Systems and methods for aircraft interface device connectivity with mobile devices |
-
2019
- 2019-11-19 CN CN201911134228.9A patent/CN110990470A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104635507A (zh) * | 2013-11-12 | 2015-05-20 | 中国商用飞机有限责任公司 | 飞机运行实时监控系统的仿真验证系统 |
| CN105843906A (zh) * | 2016-03-23 | 2016-08-10 | 中国商用飞机有限责任公司 | 一种用于飞机实时空地数据的收发和处理的系统 |
| CN106656961A (zh) * | 2016-09-29 | 2017-05-10 | 海航航空技术有限公司 | 基于arinc767规范的飞行数据译码分析方法 |
| CN108417096A (zh) * | 2018-02-01 | 2018-08-17 | 四川九洲电器集团有限责任公司 | 一种飞行状态评估方法及系统 |
| US20190312957A1 (en) * | 2018-04-04 | 2019-10-10 | Honeywell International Inc. | Systems and methods for aircraft interface device connectivity with mobile devices |
| CN108846568A (zh) * | 2018-06-05 | 2018-11-20 | 威海众成信息科技股份有限公司 | 面向航空发动机的综合性能趋势分析方法 |
Non-Patent Citations (4)
| Title |
|---|
| 冯兴杰等: "QAR数据仓库在Hive中的构建", 《计算机工程与应用》 * |
| 汪鑫等: "基于Python的波音737NG飞机QAR译码实现", 《航空维修与工程》 * |
| 赵廷健等: "基于QAR数据的波音737NG飞机辅助排故系统", 《航空维修与工程》 * |
| 陈金等: "民机运行大数据分析平台整体架构研究", 《计算机测量与控制》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115567166A (zh) * | 2022-11-10 | 2023-01-03 | 商飞软件有限公司 | 一种利用gpu进行总线数据并行计算译码的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105205154B (zh) | 数据迁移方法以及装置 | |
| CN110990467B (zh) | 一种bim模型格式转换方法及转换系统 | |
| CN107870949B (zh) | 数据分析作业依赖关系生成方法和系统 | |
| CN109298948B (zh) | 分布式计算方法和系统 | |
| US9514184B2 (en) | Systems and methods for a high speed query infrastructure | |
| CN111562885A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
| CN110647318A (zh) | 一种有状态应用的实例创建方法、装置、设备及介质 | |
| US20150169379A1 (en) | Information processing method, information processing device, and recording medium | |
| CN110990470A (zh) | 基于分布式计算的qar数据译码方法、系统及存储介质 | |
| WO2016093839A1 (en) | Structuring of semi-structured log messages | |
| CN108595480B (zh) | 一种基于云计算的大数据etl工具系统及应用方法 | |
| CN110069392A (zh) | 一种反映数据中心it设备能效特征的获取方法 | |
| CN116088846A (zh) | 一种持续集成代码格式的处理方法、相关装置及设备 | |
| CN115329011A (zh) | 数据模型的构建方法、数据查询的方法、装置及存储介质 | |
| CN112650739A (zh) | 煤矿数据中台的数据存储处理方法和装置 | |
| CN116010380A (zh) | 一种基于可视化建模的数据仓库自动化管理方法 | |
| EP4323906A1 (en) | Method for analyzing data consisting of a large number of individual messages, computer program product and computer system | |
| CN115238103A (zh) | 一种非结构化数据地图的构建方法及装置 | |
| CN115269654A (zh) | 一种数据缓存补充方法、装置、设备及介质 | |
| Rakushev et al. | The Technique of Operational Processing of Heterogeneous Surveillance Data in Assessing Situation in Geographic Information Systems | |
| CN110955645B (zh) | 大数据集成处理方法及系统 | |
| CN102750353A (zh) | 一种在键值库中进行分布式数据分析的方法 | |
| CN112817930A (zh) | 一种数据迁移的方法和装置 | |
| CN111767288A (zh) | 一种项目申报数据处理方法及装置 | |
| CN113901332B (zh) | 任职历程信息挖掘方法和装置、以及存储介质和电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |