CN111464650B - 一种数据分析方法、设备、系统及存储介质 - Google Patents
一种数据分析方法、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN111464650B CN111464650B CN202010259639.7A CN202010259639A CN111464650B CN 111464650 B CN111464650 B CN 111464650B CN 202010259639 A CN202010259639 A CN 202010259639A CN 111464650 B CN111464650 B CN 111464650B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- data analysis
- analysis
- edge computing
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种数据分析方法、设备、系统及存储介质。该方法将数据分析设置在私有云中的边缘计算一级节点,接收公有云模型分发服务器分发的分析模型,将目标设备上的目标数据采集到边缘计算一级节点进行数据分析,并将分析结果存储到本地的存储设备上。如此,在无需将关键数据传送到公有云的情况下,仍可使用公有云模型分发服务器分发的分析模型,从而利用边缘计算技术保护了关键数据的安全性。另一方面,在边缘网络侧对大数据量的数据进行分析,也大大减轻了公有云的负荷,进一步提升了处理效率。
Description
技术领域
本发明涉及物联网领域,尤其涉及一种基于边缘计算的数据分析方法、设备、系统及存储介质。
背景技术
目前,随着电子、通信、网络技术的不断发展和进步,物联网可通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。
物联网的应用领域涉及到方方面面,在工业、农业、环境、交通、物流、安保等基础设施领域的应用,有效的推动了这些方面的智能化发展,使得有限的资源更加合理的使用分配,从而提高了行业效率、效益。在家居、医疗健康、教育、金融与服务业、旅游业等与生活息息相关的领域的应用,从服务范围、服务方式到服务的质量等方面都有了极大的改进,大大的提高了人们的生活质量。
特别是在医疗行业,随着目标设备、检测手段和医学成像技术等信息化程度的不断提高,从各个医疗设备和网点采集医疗数据,并对这些医疗数据进行汇总分析,对医学研究和大众健康指导具有重要意义。
但是,医疗数据也具有一些特殊性。一方面,医疗数据中会包一些设备的运营数据、医疗机构运营情况等商业敏感信息。本发明人就发现很多医疗机构对将这些数据放到公有云中都持有保守态度。另一方面,医疗数据的数据量也是非常巨大的,如果在公有云中对这些数据进行汇总和分析也必定会占用大量的资源,对云服务提供商来说也是一个巨大挑战。
发明内容
边缘计算是近些年较受关注的一种新兴技术,主要是通过在靠近物或数据源头的一侧就近提供数据处理、计算和分析等服务,其应用程序可以在物联网的近端发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
如果能在医疗数据采集和分析系统中采用边缘计算架构,则有可能较好地解决上述问题,基于以上发明思路,本发明人对医疗采集设备和现有系统进行了深入研究,并创造性地提出了一种基于边缘计算的数据分析方法、设备、系统及存储介质。
根据本发明实施例第一方面,一种数据分析方法,该方法应用于边缘计算一级节点,该边缘计算一级节点为私有云边缘计算节点,该方法包括:从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息;根据目标设备地址和待采集数据信息采集目标数据;利用数据分析模型对目标数据进行数据分析,得到分析结果;将分析结果存储到本地存储设备。
根据本发明一实施方式,其中,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息,包括:向公有云模型分发服务器发送分析模型分发请求;接收公有云模型分发服务器分发的数据分析模型、目标设备地址和待采集数据信息。
根据本发明一实施方式,其中,向公有云模型分发服务器发送分析模型分发请求,包括:向公有云模型分发服务器发送分析模型分发请求,请求指定版本的分析模型。
根据本发明一实施方式,其中,根据目标设备地址和待采集数据信息采集目标数据,包括:借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,边缘计算二级节点为物联网采集节点。
根据本发明一实施方式,其中,借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,包括:向边缘计算二级节点发送数据采集指令,数据采集指令携带有目标设备地址和待采集数据信息;接收由边缘二级节点从目标设备地址对应的目标设备按照待采集数据信息采集的、经过数据预处理后的目标数据。
根据本发明实施例第二方面,还提供一种数据分析设备,设备设置于边缘计算一级节点,边缘计算一级节点为私有云边缘计算节点,设备包括:获取模块,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息;采集模块,用于根据目标设备地址和待采集数据信息采集目标数据;分析模块,用于利用数据分析模型对目标数据进行数据分析,得到分析结果;存储模块,用于将分析结果存储到本地存储设备。
根据本发明一实施方式,其中,获取模块包括:发送单元,用于向公有云模型分发服务器发送分析模型分发请求;接收单元,用于接收公有云模型分发服务器分发的数据分析模型、目标设备地址和待采集数据信息。
根据本发明一实施方式,其中,发送单元具体用于向公有云模型分发服务器发送分析模型分发请求,请求指定版本的分析模型。
根据本发明一实施方式,其中,采集模块具体用于借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,边缘计算二级节点为物联网采集节点。
根据本发明一实施方式,其中,采集模块包括:发送单元,用于向边缘计算二级节点发送数据采集指令,数据采集指令携带有目标设备地址和待采集数据信息;接收单元,用于接收由边缘二级节点从目标设备地址对应的目标设备按照待采集数据信息采集的、经过数据预处理后的目标数据。
根据本发明实施例第三方面,提供一种基于边缘计算的数据分析系统,该系统包括:公有云模型分发服务器,用于分发数据分析模型、目标设备地址和待采集数据信息;边缘计算一级节点,边缘计算一级节点为私有云边缘计算节点,设置有数据分析设备和存储设备,其中,数据分析设备用于执行上述任一项的数据分析方法,存储设备用于存储数据分析结果;物联网,设置有目标设备,目标设备用于存储目标数据;边缘计算一级节点通过第一网关与公有云模型分发服务器网络相连,通过第二网关与物联网相连。
根据本发明一实施方式,其中,物联网还包括:边缘计算二级节点,边缘计算二级节点为物联网采集节点,用于接收边缘计算一级节点的数据分析设备发送的采集指令,数据采集指令携带有目标设备地址和待采集数据信息;从目标设备地址对应的目标设备按照待采集数据信息采集目标数据;对目标数据进行预处理;向边缘计算一级节点的数据分析设备发送经过数据预处理后的目标数据。
根据本发明一实施方式,其中,边缘计算一级节点通过第一网关与公有云模型分发服务器网络相连,通过第二网关与物联网相连,包括:边缘计算一级节点通过采用网络地址转化技术的第一网关与公有云模型分发服务器网络相连,通过采用网络地址转化技术的第二网关与物联网相连。
根据本发明实施例第四方面,又提供一种计算机存储介质,存储介质包括一组计算机可执行指令,当指令被执行时用于执行上述任一项的数据分析方法。
本发明实施例数据分析方法、装置及存储介质,将数据分析设置在私有云中的边缘计算一级节点,接收公有云模型分发服务器分发的分析模型,将目标设备上的目标数据采集到边缘计算一级节点进行数据分析,并将分析结果存储到本地的存储设备上。如此,在无需将医疗数据传送到公有云的情况下,仍可使用公有云模型分发服务器分发的分析模型,从而利用边缘计算技术保护了医疗数据的安全性。另一方面,在边缘网络侧对大数据量的医疗数据进行分析,也大大减轻了公有云的负荷,进一步提升了处理效率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例数据分析方法的实现流程示意图;
图2为本发明实施例数据分析设备的组成结构示意图;
图3为本发明实施例数据分析系统一的系统示意图;
图4为本发明实施例数据分析系统二的系统示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
图1示出了本发明实施例基于边缘计算的数据分析方法的实现流程。参考图1,本发明实施例数据分析方法,方法应用于边缘计算一级节点,边缘计算一级节点为私有云边缘计算节点,方法包括:操作110,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息;操作120,根据目标设备地址和待采集数据信息采集目标数据;操作130,利用数据分析模型对目标数据进行数据分析,得到分析结果;操作140,将分析结果存储到本地存储设备。
在操作110中,这里的分析模型时根据业务需要,根据业务逻辑和指定的分析方法建立的。该分析模型的输入为指定的相关数据,输出为分析结果。该分析模型可以采用任何适用的形式来实现,包括但不限于:1)计算机程序能够直接调用的动态或静态库文件,例如Windows系统中经编译后生成的DLL文件、Linux系统经编译后so文件、未经编译但可以直接动态执行的py或者js文件等;2)独立运行在计算机上的计算服务,经应用程序界面(API)或者远程过程调用(RPC)被其他服务调用完成相应的分析计算。通常,该分析模型是由模型分发服务器下发的,而模型分发服务器是设置在公有云中的。模型下载的传输实现,既可以是HTTP文件下载这类TCP短连接的流式文件传输方式,也可以是rsync文件同步这类TCP长连接的文件同步服务,更可以是开发者自行实现的基于TCP/UDP的含版本管理的文件同步程序。这里使用的分析模型是可以根据实际评估的结果进行持续优化,因此,公有云模型分发服务器会不断更新该分析模型并分发到各个边缘计算一级节点。这样的好处在于分析模型可以在公有云模型分发服务器得到集中管理和版本控制,而各个边缘计算一级节点只需进行数据分析,而无须关心分析模型的管理和更新。这里需要说明的是,每次数据分析所要采集的数据会因为分析模型的不同、数据分析的用途不同等也会有所不同,所以公有云模型分发服务器在下发分析模型的同时还会指定目标设备地址和待采集数据信息。目标设备地址是用于指定本次数据分析从哪个或哪些设备采集数据信息,而待采集数据信息则是用于指定在目标设备上的采集哪些数据信息。通常,可以在待采集数据信息中可以指定一个日志文件列表,则表示待采集数据信息可以从这个日志文件列表中的日志文件中获取。
在操作120中,这里的目标数据就是本次数据分析需要采集的、分析模型要输入的相关数据。在本发明实施例中,数据分析方法应用于边缘计算一级节点,该边缘计算一级节点位于存储目标数据的目标设备近端,可较为快捷地采集到这些目标数据。而且该边缘计算一级节点是区别于公有云的私有云边缘计算一级节点。相对于公有云,私有云网络会通过更为严密的网关设置和安全措施对访问该边缘计算一级节点的网络连接和数据传输进行管理和控制。数据分析方法应用于边缘计算一级节点,将目标数据采集到边缘计算一级节点,而无需将要采集的数据传送到公有云中,从而可以更好地保护客户的私密信息和关键数据。
在操作130中,对目标数据的分析也是在边缘计算一级节点中进行的,这里的分析主要指依据分析模型对目标数据进行处理,采用某种分析方法从目标数据中提取想要的信息,得到某一结论或决策建议等。由于对数据的分析是在边缘计算一级节点进行的,这样也可大大节约公有云的资源,更好地提高资源利用效率。
在操作140中,在边缘计算一级节点进行数据分析后所得到的分析结果存储到本地的存储设备。存储设备设置于边缘计算一级节点内进行本地存储,一方面可以更快速、更便捷地保存分析结果;另一方面也是处于保护关键数据的考虑。
根据本发明一实施方式,其中,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息,包括:向公有云模型分发服务器发送分析模型分发请求;接收公有云模型分发服务器分发的数据分析模型、目标设备地址和待采集数据信息。
根据本发明一实施方式,其中,向公有云模型分发服务器发送分析模型分发请求,包括:向公有云模型分发服务器发送分析模型分发请求,请求指定版本的分析模型。
本发明实施例基于边缘计算的数据分析方法可以根据本地需要,请求云端公有云模型分发服务器分发指定版本的分析模型,如果不指定分析模型的版本,云端公有云模型分发服务器就会缺省分发最新版本的分析模型。这一功能特别适用于最新版本出现问题需要回滚到之前某个版本时的情况。
根据本发明一实施方式,其中,根据目标设备地址和待采集数据信息采集目标数据,包括:借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,边缘计算二级节点为物联网采集节点。
根据本发明一实施方式,其中,借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,包括:向边缘计算二级节点发送数据采集指令,数据采集指令携带有目标设备地址和待采集数据信息;接收由边缘二级节点从目标设备地址对应的目标设备按照待采集数据信息采集的、经过数据预处理后的目标数据。
在本发明实施例中,还可以通过边缘计算二级节点,即物联网数据采集节点,来采集目标数据。物联网数据采集节点与目标设备直接相连,设置于目标设备所在的同一个局域网内。物联网数据采集节点可以监听数据采集指令,一旦接收到采集指令、目标设备地址和待采集数据信息等,就可以根据这些信息去目标设备处采集目标数据,并将采集到的目标数据返回给边缘计算一级节点。通常,一个物联网数据采集节点可以管理多个目标设备,并汇总同类目标数据。如此,数据分析服务不用和每一目标设备建立连接进行通信,大大减少了管理网络通信的成本降低了大量网络连接可能产生的相关风险。此外,边缘计算二级节点还会对目标数据进行一些数据预处理,比如根据某些条件进行筛选、进行格式转换或二次加工等。这些数据预处理原本是需要在进行数据分析之前由边缘计算一级节点来进行,但其中一些数据预处理会占用较多资源,而且需要与目标设备进行多次数据交换,因此将这部分数据预处理的工作抽取出来放到物联网数据采集节点形成边缘计算的二级节点,可以大大减轻边缘计算一级节点的数据处理负担,而节省出来的相应资源又可进行更多的数据分析,从而极大地提高了边缘计算一级节点数据分析服务的处理能力,还可大大减少边缘计算一级节点与目标设备之间的IO操作和网络传输。
进一步地,基于如上文描述的基于边缘计算的数据分析方法,本发明实施例还提供一种数据分析设备,该设备设置于边缘计算一级节点,边缘计算一级节点为私有云边缘计算节点。如图2所示,该设备20包括:获取模块201,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息;采集模块202,用于根据目标设备地址和待采集数据信息采集目标数据;分析模块203,用于利用数据分析模型对目标数据进行数据分析,得到分析结果;存储模块204,用于将分析结果存储到本地存储设备。
根据本发明一实施方式,其中,获取模块201包括:发送单元,用于向公有云模型分发服务器发送分析模型分发请求;接收单元,用于接收公有云模型分发服务器分发的数据分析模型、目标设备地址和待采集数据信息。
根据本发明一实施方式,其中,发送单元具体用于向公有云模型分发服务器发送分析模型分发请求,请求指定版本的分析模型。
根据本发明一实施方式,其中,采集模块202具体用于借助边缘计算二级节点根据目标设备地址和待采集数据信息采集目标数据,边缘计算二级节点为物联网采集节点。
根据本发明一实施方式,其中,采集模块202包括:发送单元,用于向边缘计算二级节点发送数据采集指令,数据采集指令携带有目标设备地址和待采集数据信息;接收单元,用于接收由边缘二级节点从目标设备地址对应的目标设备按照待采集数据信息采集的、经过数据预处理后的目标数据。
同样,基于如上文描述的数据分析方法,本发明实施例还提供一种基于边缘计算的数据分析系统。如图3所示,该系统包括:公有云1中的公有云模型分发服务器10,用于分发数据分析模型、目标设备地址和待采集数据信息;边缘计算一级节点2,边缘计算一级节点2为私有云边缘计算节点,设置有数据分析设备20和存储设备21,其中,数据分析设备20用于执行上述任一项的数据分析方法,存储设备21用于存储数据分析结果;物联网3,设置有目标设备30,目标设备30用于存储目标数据;边缘计算一级节点2通过第一网关22与公有云模型分发服务器10网络相连,通过第二网关23与物联网3相连。
根据本发明一实施方式,如图4,物联网3还包括:边缘计算二级节点31,边缘计算二级节点为物联网采集节点,用于接收边缘计算一级节点2的数据分析设备20发送的采集指令,数据采集指令携带有目标设备地址和待采集数据信息;从目标设备地址对应的目标设备30按照待采集数据信息采集目标数据;对目标数据进行预处理;向边缘计算一级节点2的数据分析设备20发送经过数据预处理后的目标数据。
根据本发明一实施方式,其中,边缘计算一级节点通过第一网关与公有云模型分发服务器网络相连,通过第二网关与物联网相连,包括:边缘计算一级节点通过采用网络地址转化技术的第一网关与公有云模型分发服务器网络相连,通过采用网络地址转化技术的第二网关与物联网相连。
在本发明实施例中,采用网络地址转化技术(Network Address Translation,NAT)的网关来保护边缘计算一级节点,并通过该网络与公有云和物联网进行数据交换。采用这一方案的益处在于:一方面,采用该技术方案可以节约IP资源。理论上,只需一个公网IP地址就能实现与公网中的外部资源进行互通,如果不采用网络地址转化技术,而使用桥接网络的话,则需要近10个公网IP地址。类似的,只需一个局域网的私有IP地址就能实现与边缘网络之外的局域网互通。另一方面,采用网络地址转化技术,可以隐藏边缘网络内相关设备的地址或端口,因而可以较好地抵制恶意攻击和病毒传播,能对边缘网络内的数据和资源进行更好的保护。
此外,基于如上文描述的数据分析方法,本发明实施例还提供一种计算机存储介质,该计算机存储介质存储有程序,当程序被处理器执行时,使得处理器至少执行如下的操作步骤:操作110,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息;操作120,根据目标设备地址和待采集数据信息采集目标数据;操作130,利用数据分析模型对目标数据进行数据分析,得到分析结果;操作140,将分析结果存储到本地存储设备。
这里需要指出的是:以上针对数据分析设备实施例的描述、以上针对基于边缘计算的数据分析系统实施例的描述和以上针对计算机存储介质实施例的描述,与前述图1所示的方法实施例的描述是类似的,具有同前述图1所示的方法实施例相似的有益效果,因此不做赘述。对于本发明以上对数据分析设备实施例的描述、以上对基于边缘计算的数据分析系统实施例的描述和以上对计算机存储介质实施例的描述尚未披露的技术细节,请参照本发明前述图1所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个装置,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以利用硬件的形式实现,也可以利用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储介质、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储介质、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种数据分析方法,其特征在于,所述方法应用于边缘计算一级节点,所述边缘计算一级节点为私有云边缘计算节点,所述方法包括:
从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息,所述待采集数据信息因为所述数据分析模型的不同、数据分析的用途不同有所不同;
根据所述目标设备地址和待采集数据信息采集目标数据;
利用所述数据分析模型对所述目标数据进行数据分析,得到分析结果,所述数据分析指依据所述数据分析模型对所述目标数据进行处理,从所述目标数据中提取目标信息;
将所述分析结果存储到本地存储设备。
2.根据权利要求1所述的方法,其特征在于,所述从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息,包括:
向所述公有云模型分发服务器发送分析模型分发请求;
接收所述公有云模型分发服务器分发的数据分析模型、目标设备地址和待采集数据信息。
3.根据权利要求2所述的方法,其特征在于,所述向所述公有云模型分发服务器发送分析模型分发请求,包括:
向所述公有云模型分发服务器发送分析模型分发请求,请求指定版本的分析模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标设备地址和待采集数据信息采集目标数据,包括:
借助边缘计算二级节点根据所述目标设备地址和待采集数据信息采集目标数据,所述边缘计算二级节点为物联网采集节点。
5.根据权利要求4所述的方法,其特征在于,所述借助边缘计算二级节点根据所述目标设备地址和待采集数据信息采集目标数据,包括:
向边缘计算二级节点发送数据采集指令,所述数据采集指令携带有所述目标设备地址和待采集数据信息;
接收由所述边缘计算二级节点从所述目标设备地址对应的目标设备按照所述待采集数据信息采集的、经过数据预处理后的目标数据。
6.一种数据分析设备,其特征在于,所述设备设置于边缘计算一级节点,所述边缘计算一级节点为私有云边缘计算节点,所述设备包括:
获取模块,从公有云模型分发服务器获取数据分析模型、目标设备地址和待采集数据信息,所述待采集数据信息因为所述数据分析模型的不同、数据分析的用途不同有所不同;
采集模块,用于根据所述目标设备地址和待采集数据信息采集目标数据;
分析模块,用于利用所述数据分析模型对所述目标数据进行数据分析,得到分析结果,所述数据分析指依据所述数据分析模型对所述目标数据进行处理,从所述目标数据中提取目标信息;
存储模块,用于将所述分析结果存储到本地存储设备。
7.一种基于边缘计算的数据分析系统,其特征在于,所述系统包括:
公有云模型分发服务器,用于分发数据分析模型、目标设备地址和待采集数据信息;
边缘计算一级节点,所述边缘计算一级节点为私有云边缘计算节点,设置有数据分析设备和存储设备,其中,所述数据分析设备用于执行权利要求1至5任一项所述的数据分析方法,所述存储设备用于存储数据分析结果;
物联网,设置有目标设备,所述目标设备用于存储目标数据;
所述边缘计算一级节点通过第一网关与所述公有云模型分发服务器网络相连,通过第二网关与所述物联网相连。
8.根据权利要求7所述的数据分析系统,其特征在于,所述物联网还包括:
边缘计算二级节点,所述边缘计算二级节点为物联网采集节点,用于接收所述边缘计算一级节点的数据分析设备发送的采集指令,所述数据采集指令携带有所述目标设备地址和待采集数据信息;从所述目标设备地址对应的目标设备按照所述待采集数据信息采集目标数据;对所述目标数据进行预处理;向所述边缘计算一级节点的数据分析设备发送经过数据预处理后的目标数据。
9.根据权利要求7所述的数据分析系统,其特征在于,所述边缘计算一级节点通过第一网关与所述公有云模型分发服务器网络相连,通过第二网关与所述物联网相连,包括:
所述边缘计算一级节点通过采用网络地址转化技术的第一网关与所述公有云模型分发服务器网络相连,通过采用网络地址转化技术的第二网关与所述物联网相连。
10.一种计算机存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1至5任一项所述的数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010259639.7A CN111464650B (zh) | 2020-04-03 | 2020-04-03 | 一种数据分析方法、设备、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010259639.7A CN111464650B (zh) | 2020-04-03 | 2020-04-03 | 一种数据分析方法、设备、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111464650A CN111464650A (zh) | 2020-07-28 |
CN111464650B true CN111464650B (zh) | 2023-06-16 |
Family
ID=71680289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010259639.7A Active CN111464650B (zh) | 2020-04-03 | 2020-04-03 | 一种数据分析方法、设备、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111464650B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541183B (zh) * | 2020-12-23 | 2022-11-04 | 苏州三六零智能安全科技有限公司 | 数据处理方法及装置、边缘计算设备、存储介质 |
CN113055478A (zh) * | 2021-03-16 | 2021-06-29 | 海尔数字科技(青岛)有限公司 | 一种设备数据的处理方法、装置、设备及介质 |
CN113094497B (zh) * | 2021-06-07 | 2021-09-14 | 华中科技大学 | 一种电子健康记录推荐方法及共享边缘计算平台 |
CN113596158A (zh) * | 2021-07-29 | 2021-11-02 | 杭州海康威视系统技术有限公司 | 一种基于场景的算法配置方法和装置 |
CN114389883B (zh) * | 2022-01-14 | 2023-10-24 | 平安科技(深圳)有限公司 | 应用网关数据处理方法、电子设备及存储介质 |
CN117234739B (zh) * | 2023-11-10 | 2024-02-23 | 中国信息通信研究院 | 用于工业数据分析的方法及装置、系统、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334079A (zh) * | 2018-01-17 | 2018-07-27 | 佛山杰致信息科技有限公司 | 无人驾驶汽车路况信息实时获取方法 |
CN109151072A (zh) * | 2018-10-26 | 2019-01-04 | 上海方融科技有限责任公司 | 一种基于雾节点的边缘计算系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101995419B1 (ko) * | 2016-11-08 | 2019-07-02 | 한국전자통신연구원 | 데이터 분석 시스템 및 그 방법 |
CN108667924B (zh) * | 2018-04-18 | 2020-04-28 | 大连理工大学 | 一种提供边缘计算服务的网关设备建立方法 |
CN109995853A (zh) * | 2019-03-15 | 2019-07-09 | 上海益普索信息技术有限公司 | 一种基于私有云的数据传输中心及方法 |
-
2020
- 2020-04-03 CN CN202010259639.7A patent/CN111464650B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334079A (zh) * | 2018-01-17 | 2018-07-27 | 佛山杰致信息科技有限公司 | 无人驾驶汽车路况信息实时获取方法 |
CN109151072A (zh) * | 2018-10-26 | 2019-01-04 | 上海方融科技有限责任公司 | 一种基于雾节点的边缘计算系统 |
Non-Patent Citations (1)
Title |
---|
面向边缘计算的制造资源感知接入与智能网关技术研究;邹萍等;《计算机集成制造系统》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111464650A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111464650B (zh) | 一种数据分析方法、设备、系统及存储介质 | |
Pasquier et al. | Data provenance to audit compliance with privacy policy in the Internet of Things | |
Psychoula et al. | Privacy risk awareness in wearables and the internet of things | |
Rekha et al. | Integration of fog computing and internet of things: an useful overview | |
Mishra et al. | Performance evaluation of real-time stream processing systems for Internet of Things applications | |
CN103023983A (zh) | 用于分布计算机安全任务的处理的系统及方法 | |
Pal et al. | Novel probabilistic resource migration algorithm for cross-cloud live migration of virtual machines in public cloud | |
Carnevale et al. | Osmotic computing as a distributed multi-agent system: The body area network scenario | |
Satpathy et al. | Sensing and actuation as a service delivery model in cloud edge centric internet of things | |
Segarra et al. | Using Trusted Execution Environments for Secure Stream Processing of Medical Data: (Case Study Paper) | |
Akhare et al. | Proposed framework for fog computing to improve quality-of-service in IoT applications | |
Chen | Embedding the MRC and SC schemes into trust management algorithm applied to IoT security protection | |
Yang et al. | On construction of a network log management system using ELK Stack with Ceph | |
Laštovička et al. | Situational awareness: detecting critical dependencies and devices in a network | |
KR20180118393A (ko) | 분산형 클라우드 컴퓨팅 시스템, 이에 적용되는 장치 및 장치의 동작 방법 | |
Ammi et al. | Leveraging a cloud-native architecture to enable semantic interconnectedness of data for cyber threat intelligence | |
Kamal et al. | Privacy and security federated reference architecture for Internet of Things | |
Singh et al. | A reliable client detection system during load balancing for multi-tenant cloud environment | |
Paul et al. | A serverless architecture for wireless body area network applications | |
Sarrab et al. | Assisted fog computing approach for data privacy preservation in IoT-based healthcare | |
Thomas et al. | Design and implementation of a platform for hyperconnected cyber physical systems | |
Brasileiro et al. | Flexible federation of cloud providers: The EUBrazil cloud connect approach | |
CN116566656A (zh) | 资源访问方法、装置、设备及计算机存储介质 | |
Alulema et al. | A Cross-Device Architecture for Modelling Authentication Features in IoT Applications. | |
Kalutarage et al. | Early warning systems for cyber defence |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |