CN111935279A - 基于区块链和大数据的物联网络维护方法及计算节点 - Google Patents
基于区块链和大数据的物联网络维护方法及计算节点 Download PDFInfo
- Publication number
- CN111935279A CN111935279A CN202010792278.2A CN202010792278A CN111935279A CN 111935279 A CN111935279 A CN 111935279A CN 202010792278 A CN202010792278 A CN 202010792278A CN 111935279 A CN111935279 A CN 111935279A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- target
- sequence
- data sequence
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013480 data collection Methods 0.000 claims abstract description 59
- 238000012795 verification Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims 3
- 238000003672 processing method Methods 0.000 claims 3
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提出一种基于区块链和大数据的物联网络维护方法及计算节点，涉及物联网技术领域，首先获取目标报文字段中与目标计算节点对应的第一待处理数据、第二待处理数据和数据收集效率统计策略；接着根据第一待处理数据、第二待处理数据和数据收集效率统计策略能够确定出目标数据统计效率；最后将目标数据统计效率保存至目标计算节点对应的状态记录文件，并在目标计算节点所属的信息验证区块网络中广播包含目标数据统计效率的状态维护报文。本申请的实施例提供的技术方案能够有效的针对物联网络平台所管理的各个数据采集设备计算各自的数据统计效率，并在区块网络中进行保存，提高数据的可靠性。
Description
技术领域
本申请涉及物联网技术领域，具体而言，涉及一种基于区块链和大数据的物联网络维护方法及计算节点。
背景技术
随着信息技术在工业领域的发展应用，采用大规模网络结构将所有的生产设备构建在同一个物联网络中，能够集中对工业应用中的各个生产设备进行集中式管理，而无需分散采用多套信息管理系统，从而提升工业工厂的信息管理效率。
然而，现有的管理方式一般是各个网络节点单独进行保存，且利用传统的方式进行加密，其可靠性较低。
发明内容
本申请的目的在于提供一种基于区块链和大数据的物联网络维护方法及计算节点，能够有效的针对物联网络平台所管理的各个数据采集设备计算各自的数据统计效率，并在区块网络中进行保存，提高数据的可靠性。
为了实现上述目的，本申请采用的技术方案如下：
第一方面，本申请提供一种基于区块链和大数据的物联网络维护方法，所述方法包括：
响应于接收的状态维护请求，获取目标报文字段中与目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段，所述目标计算节点为物联网络平台包含的所有计算节点中的其中一个；
获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率；
将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
可选地，所述获取目标报文字段中与目标计算节点对应的第一待处理数据，包括：
获取所述目标报文字段中对应的数据收集模式为宕机收集的所有采集数据，并记录为第一初始采集数据；
根据所述目标计算节点对应的节点数据统计规则，对所述第一初始采集数据进行数据清洗，以在所述第一初始采集数据中获取与所述目标计算节点对应的数据收集模式为宕机收集的所有采集数据，并记录为第二初始采集数据；
将所述第二初始采集数据中的采集数据的数量与数据的采集时间范围相除，以获取单位采集时间范围内的单位数据采集速率；
将预设的数据采集速率阈值与所述单位数据采集速率进行比对；
若所述预设的数据采集速率阈值与所述单位数据采集速率相等，则所述第二初始采集数据对应的目标数据采集设备当前处于最大数据采集状态；
若所述预设的数据采集速率阈值大于所述单位数据采集速率，则所述第二初始采集数据对应的目标数据采集设备当前未处于最大数据采集状态；
对当前未处于最大数据采集状态的初始采集数据进行数据清洗，以获取当前未处于最大数据采集状态的初始采集数据作为所述第一待处理数据。
可选地，所述第二待处理数据包括所述目标计算节点的第二采集数据总接收量和对应的数据收集模式为正常收集的所有采集数据的正常收集数据的总量；所述数据收集效率统计策略包括设置的最少期望数据采集量和数据的采集时间范围；
所述根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率，包括：
将所述正常收集数据的总量与所述最少期望数据采集量相减，以生成正常收集状态下的富余收集量，其中，所述正常收集状态下的富余收集量大于或等于零；
将所述正常收集状态下的富余收集量与所述数据的采集时间范围相乘，以获取富余数据收集上限量；
将所述第二采集数据总接收量与所述富余数据收集上限量相减，以获取目标富余收集量；
根据所述第一待处理数据中的第一采集数据总接收量、所述最少期望数据采集量和所述数据的采集时间范围确定目标采集数据的数量；
将所述目标富余收集量和所述目标采集数据的数量中的较小者，与所述数据的采集时间范围相除，以生成所述目标数据统计效率。
可选地，所述将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文，包括：
在将所述目标数据统计效率保存至所述目标计算节点的对应的状态记录文件后，在初始维护报文中对应于统计效率的字段填充所述目标数据统计效率，以生成状态维护报文；
根据所述目标计算节点的区块网络指示标识，确定出所述目标计算节点对应的信息验证区块网络，并在所述信息验证区块网络中广播所述状态维护报文。
可选地，所述方法还包括：
获取所述目标报文字段中记录的故障信息数据；
对所述故障信息数据按时间序列进行故障数据划分，得到多个故障数据序列；
提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，并提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型；
对所述第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型进行比对；
当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标故障序列的状态维护报文。
可选地，当所述故障对应的优先级为第一优先级时，所述提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，包括：
对所述第一故障数据序列进行故障信息识别，得到所述第一故障数据序列的故障设备标识和故障内容摘要；
对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型；
相应地，所述提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型，包括：
对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要；
对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
可选地，当所述故障对应的优先级为第二优先级时，所述提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，包括：
对所述第一故障数据序列进行故障内容摘要的信息识别，得到包含所述第一故障数据序列的故障内容摘要，其中，所述故障内容摘要用于针对故障的内容进行描述；
对所述第一故障数据序列进行故障设备标识的信息识别，得到包含所述第一故障数据序列的故障设备标识，其中，所述故障设备标识用于指示故障的发生设备；
根据所述第一故障数据序列的故障等级标识，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型；
相应地，所述提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型，包括：
对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要；
根据所述第二故障数据序列的故障等级标识，对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
可选地，所述对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接之前，还包括：
对所述第一故障数据序列的故障设备标识进行设备类别查找，得到目标设备类别标识；
对所述目标设备类别标识进行故障类别等级查找，得到所述第一故障数据序列的故障等级标识；
其中，所述故障等级标识用于表征所述第一故障数据序列中的故障所对应的故障等级；
相应地，所述根据所述第一故障数据序列的故障等级标识，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型，包括：
针对所述第一故障数据序列的故障设备标识中的各位段的标识值执行以下处理：
将所述第一故障数据序列的故障等级标识中对应所述位段的标识值、与所述位段的标识值相乘，以得到所述位段的设备故障程度标识值；
对所述第一故障数据序列的各位段的设备故障程度标识值进行信息拼接，得到所述第一故障数据序列的第一设备故障程度标识值；
对所述第一故障数据序列的故障等级标识以及所述第一故障数据序列的故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障等级内容摘要；
对所述第一故障数据序列的第一设备故障程度标识值以及所述第一故障数据序列的故障等级内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型。
可选地，所述对所述第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型进行比对，包括：
针对所述第一故障数据序列的故障类型中的各位段的标识符执行以下处理：
将所述第二故障数据序列的故障类型中对应所述位段的标识符、与所述位段的标识符进行字符拼接，以得到所述位段的组合字符项；
对各位段的组合字符项进行信息拼接，得到类型标识字符串；
对所述类型标识字符串进行相似度运算，得到对应所述第一故障数据序列与所述第二故障数据序列的相似度矩阵；
对所述相似度矩阵进行故障类别等级匹配，得到所述第一故障数据序列中的故障与所述第二故障数据序列中的故障两者的对应相似度；
当所述对应的相似度小于设定的相似度阈值时，确定所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同。
可选地，所述对所述故障信息数据按时间序列进行故障数据划分，得到多个故障数据序列，包括：
通过以下任一方式对所述故障信息数据进行故障数据划分，以得到多个故障数据序列：
对所述故障信息数据按照第一时间梯度进行故障数据划分，得到第一初始故障数据序列，并对所述故障信息数据按照第二时间梯度进行故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度；
对所述故障信息数据进行第一时间梯度故障数据划分，得到第一初始故障数据序列，并对所述第一初始故障数据序列进行第二时间梯度故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度；
相应地，所述当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，包括：
当所述第一初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第一初始故障数据序列中的所述第二故障数据序列确定为所述第一初始故障数据序列中的目标故障序列；
当所述第二初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列的故障不同时，将所述第二初始故障数据序列中所述第二故障数据序列确定为所述第二初始故障数据序列中的目标故障序列；
所述方法还包括：
对多个所述第一初始故障数据序列中的目标故障序列、以及多个所述第二初始故障数据序列中的目标故障序列进行序列拼接，得到拼接后的目标故障序列，并
对所述拼接后的目标故障序列进行相同元素过滤，得到多个所述故障信息数据的目标故障序列。
可选地，所述方法还包括：
通过预先构建的故障类型识别网络，对故障数据序列样本对中的第一故障数据序列样本进行故障类型识别，得到所述第一故障数据序列样本的训练故障类型，并对所述故障数据序列样本对中的第二故障数据序列样本进行故障类型识别，得到所述第二故障数据序列样本的训练故障类型；
对所述第一故障数据序列样本的训练故障类型以及所述第二故障数据序列样本的训练故障类型进行预测处理，以得到所述故障数据序列样本对的故障预测结果；其中，所述故障预测结果表征所述第一故障数据序列样本中的故障与所述第二故障数据序列样本中的故障是否相同；
根据得到的第一故障数据序列样本的故障等级标识、以及所述第一故障数据序列样本的故障等级标识标注，构建所述第一故障数据序列样本的对应的损失函数；
根据得到的第二故障数据序列样本的故障等级标识、以及所述第二故障数据序列样本的故障等级标识标注，构建所述第二故障数据序列样本的对应的损失函数；
根据所述故障数据序列样本对的故障预测结果、以及预先为所述故障数据序列样本对标注的期望故障结果，构建对应的优先级故障数据序列样本对所对应的损失函数；
对所述第一故障数据序列样本的对应的损失函数、所述第二故障数据序列样本的对应的损失函数以及对应的优先级故障数据序列样本对所对应的损失函数进行加权求和，以得到所述故障类型识别网络的损失函数；
更新所述故障类型识别网络的参数直至所述故障类型识别网络的损失函数收敛，将该损失函数收敛时所述故障类型识别网络的更新的参数，作为训练后的所述故障类型识别网络的参数。
第二方面，本申请提供一种基于区块链和大数据的物联网络维护装置，所述装置包括：
处理模块，用于响应于接收的状态维护请求，获取目标报文字段中与目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段，所述目标计算节点为物联网络平台包含的所有计算节点中的其中一个；
所述处理模块还用于，获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率；
维护模块，用于将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
第三方面，本申请提供一种基于区块链和大数据的物联网络维护系统，所述物联网络维护系统包括通过网络建立通信的多个计算节点，所述多个计算节点中包括目标计算节点；
所述目标计算节点用于，响应于接收的状态维护请求，获取目标报文字段中与所述目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段；
所述目标计算节点还用于，获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率；
所述目标计算节点还用于，将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
第四方面，本申请提供一种计算节点，所述计算节点包括存储器，用于存储一个或多个程序；处理器；当所述一个或多个程序被所述处理器执行时，实现上述的基于区块链和大数据的物联网络维护方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于区块链和大数据的物联网络维护方法。
本申请提供的一种基于区块链和大数据的物联网络维护方法及计算节点，首先获取目标报文字段中与目标计算节点对应的第一待处理数据、第二待处理数据和数据收集效率统计策略；接着根据第一待处理数据、第二待处理数据和数据收集效率统计策略能够确定出目标数据统计效率；最后将目标数据统计效率保存至目标计算节点对应的状态记录文件，并在目标计算节点所属的信息验证区块网络中广播包含目标数据统计效率的状态维护报文。本申请的实施例提供的技术方案能够有效的针对物联网络平台所管理的各个数据采集设备计算各自的数据统计效率进行统计，并在区块网络中进行保存，提高数据的可靠性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请提供的物联网络维护平台的示意图。
图2为本申请提供的通用计算节点的一种示意性图。
图3为本申请提供的基于人工智能和大数据的物联网络维护方法的流程图。
图4为本申请提供的基于人工智能和大数据的物联网络维护装置的结构图。
图中：100-通用计算节点；101-存储器；102-处理器；103-通信接口；400-物联网络维护装置；410-处理模块；420-维护模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请的一些实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请选定的一些实施例。基于本申请中的一部分实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
结合图1所示，本申请提供一种物联网络维护平台，所述物联网络维护平台包括多个计算节点，每一计算节点用于负责处理对应的一个数据采集组的所有数据，每个所述数据采集组可以包括有多个数据采集设备；比如，一个数据采集组可以是一个生产科室的所有生产设备的集合，该生产科室对应的计算节点可以负责处理该生产科室的所有生产设备所产生的数据。
可以理解的是，上述仅工业工厂为例，对所述物联网络平台的应用场景进行说明，本申请提供的物联网络平台还可以应用在例如智慧医疗、智慧城市管理、通用业务监控管理等可以应用大数据的场景中。
请参阅图2，图2为本申请提供的通用计算节点100的一种示意性图，在本实施例中，所述通用计算节点可以作为图1中的物联网络平台中的任意一个计算节点。
其中，在本实施例中，所述通用计算节点100包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器101可用于存储软件程序及模块，如本申请提供的基于人工智能和大数据的物联网络维护装置对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理，进而执行本申请提供的基于人工智能和大数据的物联网络维护方法的步骤。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除可编程只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图2所示的结构仅为示意，通用计算节点100还可以包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图3，图3为本申请提供的基于人工智能和大数据的物联网络维护方法的流程图，所述物联网络维护方法包括以下步骤：
步骤S310，响应于接收的状态维护请求，获取目标报文字段中与目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段，所述目标计算节点为物联网络平台包含的所有计算节点中的其中一个。
在本申请实施例中，以所述物联网络平台包含的所有计算节点中的其中一个作为目标计算节点为例，所述目标计算节点可以通过接收用户的输入、或者是其他控制设备的输入等方式，获得一状态维护请求，并基于所述状态维护请求，执行步骤S310。
其中，所述物联网络平台所负责维护的所有数据采集设备中，每个数据采集设备的数据收集模式包括宕机收集及正常收集，宕机收集是指对应的数据采集设备处于故障工作状态，正常收集则是指对应的数据采集设备处于稳定正常的工作状态；另外，维护人员还可以为每个数据采集设备配置数据采集状态，也即每个数据采集设备进行数据采集的效率，比如，所述数据采集状态可以包括比如采集的效率在100%时的最大数据采集状态、采集效率在70%时的普通数据采集状态、以及采集效率在30%时的节能数据采集状态。
步骤S320，获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率。
在本实施例中，所述目标数据采集设备在产生每个数据时，可以为每个数据添加数据类型标识，以指示对应的数据为第一待处理数据或者是第二待处理数据，从而使目标计算节点能够根据每个数据的数据类型标识，识别出所述第一待处理数据和所述第二待处理数据。
步骤S330，将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
在本实施例中，所述物联网络平台中的每个计算节点还各自所属有一个信息验证区块网络，该信息验证区块网络用于保存对应的计算节点产生的一些关键信息，比如对应计算节点产生的状态维护报文、验证信息、区块属性等等。
在本实施例中，在通过步骤S320获得所述目标数据统计效率后，可以在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文，从而使所述目标计算节点所属的信息验证区块网络中的每一个区块节点能够对所述状态维护报文中包含的目标数据统计效率进行保存，以提高所述目标数据统计效率的保存可靠性。
可见，在本申请的实施例所提供的技术方案中，首先获取目标报文字段中与目标计算节点对应的第一待处理数据、第二待处理数据和数据收集效率统计策略；接着根据第一待处理数据、第二待处理数据和数据收集效率统计策略能够确定出目标数据统计效率；最后将目标数据统计效率保存至目标计算节点对应的状态记录文件，并在目标计算节点所属的信息验证区块网络中广播包含目标数据统计效率的状态维护报文。本申请的实施例提供的技术方案能够有效的针对物联网络平台所管理的各个数据采集设备计算各自的数据统计效率进行统计，并在区块网络中进行保存，提高数据的可靠性。
其中，在本实施例中，为了准确的获取到所述第一待处理数据，可以通过以下方式执行步骤S210：
首先，获取所述目标报文字段中对应的数据收集模式为宕机收集的所有采集数据，并记录为第一初始采集数据。
在本实施例中，可以根据所述目标报文字段中每一数据各自对应的标签，确定出对应的数据收集模式为宕机收集的所有采集数据；比如，假定标签000代表的是宕机收集，标签001代表的是正常收集，则可以将识别到的所有对应的标签为000的采集数据记录为所述第一初始采集数据。
接下来，根据所述目标计算节点对应的节点数据统计规则，对所述第一初始采集数据进行数据清洗，以在所述第一初始采集数据中获取与所述目标计算节点对应的数据收集模式为宕机收集的所有采集数据，并记录为第二初始采集数据。
在本实施例中，为了确保所述物联网络平台中每个计算节点各自处理的数据准确可靠，可以为每个计算节点可以配置有不同的节点数据统计规则，使得每个计算节点采用不同的节点数据统计数据对数据进行处理。
然后，将所述第二初始采集数据中的采集数据的数量与数据的采集时间范围相除，以获取单位采集时间范围内的单位数据采集速率。
接下来，将预设的数据采集速率阈值与所述单位数据采集速率进行比对。
如此，若所述预设的数据采集速率阈值与所述单位数据采集速率相等，则所述第二初始采集数据对应的目标数据采集设备当前处于最大数据采集状态；即该数据是处于正常收集状态下采集的数据。
若所述预设的数据采集速率阈值大于所述单位数据采集速率，则所述第二初始采集数据对应的目标数据采集设备当前未处于最大数据采集状态；就该数据是处于宕机收集状态下采集的数据。
接下来，对当前未处于最大数据采集状态的初始采集数据进行数据清洗，以获取当前未处于最大数据采集状态的初始采集数据作为所述第一待处理数据。
在本实施例中，在确定出当前未处于最大数据采集状态的初始采集数据后，可以将该部分数据进一步进行数据清洗，比如去除除开数据本身以外的信息标识，从而将数据清洗后的当前未处于最大数据采集状态的初始采集数据作为所述第一待处理数据。
另外，作为一种实施方式，在本实施例中，所述第二待处理数据包括所述目标计算节点的第二采集数据总接收量和对应的数据收集模式为正常收集的所有采集数据的正常收集数据的总量；所述数据收集效率统计策略包括设置的最少期望数据采集量和数据的采集时间范围。
因此，在本实施例中，步骤S320可以包括以下子步骤：
子步骤S321，将所述正常收集数据的总量与所述最少期望数据采集量相减，以生成正常收集状态下的富余收集量，其中，所述正常收集状态下的富余收集量大于或等于零。
子步骤S322，将所述正常收集状态下的富余收集量与所述数据的采集时间范围相乘，以获取富余数据收集上限量。
子步骤S323，将所述第二采集数据总接收量与所述富余数据收集上限量相减，以获取目标富余收集量；
子步骤S324，根据所述第一待处理数据中的第一采集数据总接收量、所述最少期望数据采集量和所述数据的采集时间范围确定目标采集数据的数量。
在本实施例中，所述第一采集数据总接收量为所述第一待处理数据中总的数据的量，在执行步骤S324时，可以将所述第一采集数据总接收量与所述最少期望数据采集量相减，得到期望富余采集量；并按照预设的宕机收集下的最低采集效率，乘以所述数据的采集时间范围，从而得到宕机收集下的基础采集量，然后将所述基础采集量与所述期望富余采集量进行叠加求和，从而得到所述目标采集数据的数量。
子步骤S325，将所述目标富余收集量和所述目标采集数据的数量中的较小者，与所述数据的采集时间范围相除，以生成所述目标数据统计效率。
另外，在本实施例中，可以通过以下方式执行步骤S330：
首先，在将所述目标数据统计效率保存至所述目标计算节点的对应的状态记录文件后，在初始维护报文中对应于统计效率的字段填充所述目标数据统计效率，以生成状态维护报文。
然后，根据所述目标计算节点的区块网络指示标识，确定出所述目标计算节点对应的信息验证区块网络，并在所述信息验证区块网络中广播所述状态维护报文。
如此，按照本实施例提供的上述实施方式，能够有效的针对物联网络平台所管理的各个数据采集设备计算各自的数据统计效率。
另外，在本实施例中，所述物联网络平台不仅可以统计各个数据采集设备的统计效率，以使维护人员可以利用各个数据采集设备的统计效率进行宕机分析，所述物联网络平台还可以对每个数据采集设备上报的故障数据进行处理并保存，以供维护人员还可以进行故障分析。
因此，在本实施例中，所述基于区块链和大数据的物联网络维护方法还可以包括以下步骤：
步骤340，获取所述目标报文字段中记录的故障信息数据。
步骤350，对所述故障信息数据按时间序列进行故障数据划分，得到多个故障数据序列。
步骤360，提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，并提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型。
步骤370，对所述第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型进行比对。
步骤380，当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标故障序列的状态维护报文。
可见，基于上述方案，通过提取故障信息数据中的第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型，并当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，从而可以准确并快速地从故障信息数据中确定出目标故障数据序列，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标故障序列的状态维护报文，进而使维护人员可以从该信息验证区块网络中获取所述目标故障数据序列，以使维护人员可以根据所述目标故障数据序列，对所述目标数据采集设备的故障情况进行分析。
另外，在本实施例中，可以将所述目标数据采集设备的故障情况分为两类，并为两类故障分别配置不同的优先级，比如分别配置第一优先级和第二优先级，且所述第一优先级高于所述第二优先级。
其中，当所述目标数据采集设备的故障对应的优先级为第一优先级时，可以采用以下方式执行步骤S360以提取所述第一故障数据序列的故障类型：
首先，对所述第一故障数据序列进行故障信息识别，得到所述第一故障数据序列的故障设备标识和故障内容摘要。
在本实施例中，所述故障设备标识用于指示对应故障的设备，所述故障内容摘要为针对所述目标数据采集设备发生的故障的简要说明。
然后，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型。
相应地，还可以采用以下方式执行步骤S360以提取所述第二故障数据序列的故障类型：
首先，对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要。
然后，对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
另一方面，当所述目标数据采集设备的故障对应的优先级为第二优先级时，可以采用以下方式执行步骤S360以提取所述第一故障数据序列的故障类型：
首先，对所述第一故障数据序列进行故障内容摘要的信息识别，得到包含所述第一故障数据序列的故障内容摘要，其中，所述故障内容摘要用于针对故障的内容进行描述。
然后，对所述第一故障数据序列进行故障设备标识的信息识别，得到包含所述第一故障数据序列的故障设备标识，其中，所述故障设备标识用于指示故障的发生设备。
接下来，根据所述第一故障数据序列的故障等级标识，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型。
在本实施例中，在对所述故障设备标识以及故障内容摘要进行信息拼接时，可以直接将两者的字符进行拼接，从而得到所述第一故障数据序列的故障类型。
相应地，还可以采用以下方式执行步骤S360以提取所述第二故障数据序列的故障类型：
首先，对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要。
然后，根据所述第二故障数据序列的故障等级标识，对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
另外，在一些实施例中，在执行对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接的步骤之前，该方法还可以包括以下步骤：
首先，可以对所述第一故障数据序列的故障设备标识进行设备类别查找，得到目标设备类别标识。
在本实施例中，所述目标设备类别标识可以用于指示所述第一故障数据序列的故障设备标识所属的设备类别。
然后，可以对所述目标设备类别标识进行故障类别等级查找，得到所述第一故障数据序列的故障等级标识。
在本实施例中，所述故障等级标识用于表征所述第一故障数据序列中的故障所对应的故障等级。
如此，在执行根据所述第一故障数据序列的故障等级标识，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型的步骤时，可以采用以下方式：
针对所述第一故障数据序列的故障设备标识中的各位段的标识值执行以下处理：
首先，将所述第一故障数据序列的故障等级标识中对应所述位段的标识值、与所述位段的标识值相乘，以得到所述位段的设备故障程度标识值。
在本实施例中，该故障设备标识可以包括有多个位段，每一个位段均有一个标识值；比如，假定该故障设备标识为“56501”，“56501”可以用于指示发生故障的设备编号，则该故障设备标识共计有5个位段，且每个位段的标识值分别为5、6、5、0、1；相应地，故障等级标识可以示意为“EEEE2”，其中，为了便于位数对应，可以将故障等级中的一些位段的值用字符替代；如此，按照该示例，则每个所述位段对应相乘的结果则为5E、6E、5E、0E、2。
接下来，对所述第一故障数据序列的各位段的设备故障程度标识值进行信息拼接，得到所述第一故障数据序列的第一设备故障程度标识值。
在本实施例中，按照上述示例，则得到的第一设备故障程度标识值则为：5E6E5E0E2。
然后，对所述第一故障数据序列的故障等级标识以及所述第一故障数据序列的故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障等级内容摘要。
接下来，对所述第一故障数据序列的第一设备故障程度标识值以及所述第一故障数据序列的故障等级内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型。
如此，按照本实施例提供的上述实现方式，可以提高第一故障数据序列的故障类型的准确性，避免确定出重复的故障类型。
可以理解的是，上述是以所述第一故障数据序列的故障类型的生成方式进行举例说明，在本实施例中，所述第二故障数据序列的故障类型也可以采用与上述相同的方式进行生成，为简要描述，本申请在此不再进行赘述。
另外，在本实施例中，基于上述得到的第一故障数据序列的故障类型，可以采用以下方式执行步骤S370：
针对所述第一故障数据序列的故障类型中的各位段的标识符执行以下处理：
首先，可以将所述第二故障数据序列的故障类型中对应所述位段的标识符、与所述位段的标识符进行字符拼接，以得到所述位段的组合字符项。
接下来，对各位段的组合字符项进行信息拼接，得到类型标识字符串。
然后，对所述类型标识字符串进行相似度运算，得到对应所述第一故障数据序列与所述第二故障数据序列的相似度矩阵。
接下来，对所述相似度矩阵进行故障类别等级匹配，得到所述第一故障数据序列中的故障与所述第二故障数据序列中的故障两者的对应相似度。
如此，当所述对应的相似度小于设定的相似度阈值时，确定所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同。
另外，在本实施例中，可以采用以下方式执行步骤S350：
通过以下任一方式对所述故障信息数据进行故障数据划分，以得到多个故障数据序列：
对所述故障信息数据按照第一时间梯度进行故障数据划分，得到第一初始故障数据序列，并对所述故障信息数据按照第二时间梯度进行故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度；
对所述故障信息数据进行第一时间梯度故障数据划分，得到第一初始故障数据序列，并对所述第一初始故障数据序列进行第二时间梯度故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度。
也就是说，在本实施例中，可以选择上述任意一个方式将所述故障信息数据划分为多个故障数据序列。
相应地，可以通过以下方式执行步骤S380：
当所述第一初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第一初始故障数据序列中的所述第二故障数据序列确定为所述第一初始故障数据序列中的目标故障序列；
当所述第二初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列的故障不同时，将所述第二初始故障数据序列中所述第二故障数据序列确定为所述第二初始故障数据序列中的目标故障序列。
另外，在上述得出的目标故障序列的基础上，还可以对得出的目标故障序列进行优化更新。
比如，在本实施例中，上述的物联网维护方法还可以包括以下步骤：
对多个所述第一初始故障数据序列中的目标故障序列、以及多个所述第二初始故障数据序列中的目标故障序列进行序列拼接，得到拼接后的目标故障序列，并
对所述拼接后的目标故障序列进行相同元素过滤，得到多个所述故障信息数据的目标故障序列。
如此，通过本实施例提供的上述实现方式，可以使获得的目标故障序列识别更精确，提高维护人员分析的准确度。
其中，在一些实施例中，为了故障识别的准确度，可以基于人工智能的方式，利用训练好的故障类型识别网络进行故障识别。
首先，可以预先构建一故障类型识别网络，比如可以基于BiLSTM（Bi-Long Short-Term Memory，双向长短期记忆人工神经网络）构建该故障类型识别网络
其中，针对该预先构建的故障类型识别网络，对故障数据序列样本对中的第一故障数据序列样本进行故障类型识别，得到所述第一故障数据序列样本的训练故障类型，并对所述故障数据序列样本对中的第二故障数据序列样本进行故障类型识别，得到所述第二故障数据序列样本的训练故障类型。
然后，可以对所述第一故障数据序列样本的训练故障类型以及所述第二故障数据序列样本的训练故障类型进行预测处理，以得到所述故障数据序列样本对的故障预测结果；其中，所述故障预测结果表征所述第一故障数据序列样本中的故障与所述第二故障数据序列样本中的故障是否相同。
接下来，可以根据得到的第一故障数据序列样本的故障等级标识、以及所述第一故障数据序列样本的故障等级标识标注，构建所述第一故障数据序列样本的对应的损失函数。
然后，可以根据得到的第二故障数据序列样本的故障等级标识、以及所述第二故障数据序列样本的故障等级标识标注，构建所述第二故障数据序列样本的对应的损失函数。
接下来，可以根据所述故障数据序列样本对的故障预测结果、以及预先为所述故障数据序列样本对标注的期望故障结果，构建对应的优先级故障数据序列样本对所对应的损失函数。
然后，可以对所述第一故障数据序列样本的对应的损失函数、所述第二故障数据序列样本的对应的损失函数以及对应的优先级故障数据序列样本对所对应的损失函数进行加权求和，以得到所述故障类型识别网络的损失函数。
接下来，可以更新所述故障类型识别网络的参数直至所述故障类型识别网络的损失函数收敛，将该损失函数收敛时所述故障类型识别网络的更新的参数，作为训练后的所述故障类型识别网络的参数。
如此，通过将利用上述方式得到训练好的故障类型识别网络对故障信息数据进行识别，能够提高故障识别的准确度。
另外，结合图4所示，本申请还提供一种基于区块链和大数据的物联网络维护装置，该物联网络维护装置400包括处理模块410及维护模块420。
处理模块410，用于响应于接收的状态维护请求，获取目标报文字段中与目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段，所述目标计算节点为物联网络平台包含的所有计算节点中的其中一个。
所述处理模块410还用于，获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率。
维护模块420，用于将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
并且，本申请还提供一种例如图1所示的基于区块链和大数据的物联网络维护系统，所述物联网络维护系统包括通过网络建立通信的多个计算节点，所述多个计算节点中包括目标计算节点；
所述目标计算节点用于，响应于接收的状态维护请求，获取目标报文字段中与所述目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段；
所述目标计算节点还用于，获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率；
所述目标计算节点还用于，将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
可以理解的是，上述的基于区块链和大数据的物联网络维护装置400以及基于区块链和大数据的物联网络维护系统均与上述的基于区块链和大数据的物联网络维护方法属于相同的发明构思，其具体的功能模块以及目标计算节点的具体实现方式，请参照本实施例提供的上述基于区块链和大数据的物联网络维护方法的具体实现步骤，为了方便简要描述，本实施例在此不再进行赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的一些实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请的一些实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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，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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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）执行本申请的一些实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的部分实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于区块链和大数据的物联网络维护方法，其特征在于，所述方法包括：
响应于接收的状态维护请求，获取目标报文字段中与目标计算节点对应的第一待处理数据，其中，所述第一待处理数据对应的目标数据采集设备被配置为最大数据采集状态且数据收集模式为宕机收集，所述目标报文字段为接收的报文中与所述目标计算节点相对应的字段，所述目标计算节点为物联网络平台包含的所有计算节点中的其中一个；
获取所述目标报文字段中与所述目标计算节点对应的第二待处理数据和数据收集效率统计策略，根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率；
将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文；其中，所述状态维护报文用于指示接收的区块节点记录该状态维护报文中记录的数据统计效率。
2.根据权利要求1所述的信息处理方法，其特征在于，所述获取目标报文字段中与目标计算节点对应的第一待处理数据，包括：
获取所述目标报文字段中对应的数据收集模式为宕机收集的所有采集数据，并记录为第一初始采集数据；
根据所述目标计算节点对应的节点数据统计规则，对所述第一初始采集数据进行数据清洗，以在所述第一初始采集数据中获取与所述目标计算节点对应的数据收集模式为宕机收集的所有采集数据，并记录为第二初始采集数据；
将所述第二初始采集数据中的采集数据的数量与数据的采集时间范围相除，以获取单位采集时间范围内的单位数据采集速率；
将预设的数据采集速率阈值与所述单位数据采集速率进行比对；
若所述预设的数据采集速率阈值与所述单位数据采集速率相等，则所述第二初始采集数据对应的目标数据采集设备当前处于最大数据采集状态；
若所述预设的数据采集速率阈值大于所述单位数据采集速率，则所述第二初始采集数据对应的目标数据采集设备当前未处于最大数据采集状态；
对当前未处于最大数据采集状态的初始采集数据进行数据清洗，以获取当前未处于最大数据采集状态的初始采集数据作为所述第一待处理数据。
3.根据权利要求1所述的信息处理方法，其特征在于，所述第二待处理数据包括所述目标计算节点的第二采集数据总接收量和对应的数据收集模式为正常收集的所有采集数据的正常收集数据的总量；所述数据收集效率统计策略包括设置的最少期望数据采集量和数据的采集时间范围；
所述根据所述第二待处理数据、所述数据收集效率统计策略和所述第一待处理数据确定目标数据统计效率，包括：
将所述正常收集数据的总量与所述最少期望数据采集量相减，以生成正常收集状态下的富余收集量，其中，所述正常收集状态下的富余收集量大于或等于零；
将所述正常收集状态下的富余收集量与所述数据的采集时间范围相乘，以获取富余数据收集上限量；
将所述第二采集数据总接收量与所述富余数据收集上限量相减，以获取目标富余收集量；
根据所述第一待处理数据中的第一采集数据总接收量、所述最少期望数据采集量和所述数据的采集时间范围确定目标采集数据的数量；
将所述目标富余收集量和所述目标采集数据的数量中的较小者，与所述数据的采集时间范围相除，以生成所述目标数据统计效率。
4.根据权利要求1所述的信息处理方法，其特征在于，所述将所述目标数据统计效率保存至所述目标计算节点对应的状态记录文件中，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标数据统计效率的状态维护报文，包括：
在将所述目标数据统计效率保存至所述目标计算节点的对应的状态记录文件后，在初始维护报文中对应于统计效率的字段填充所述目标数据统计效率，以生成状态维护报文；
根据所述目标计算节点的区块网络指示标识，确定出所述目标计算节点对应的信息验证区块网络，并在所述信息验证区块网络中广播所述状态维护报文。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标报文字段中记录的故障信息数据；
对所述故障信息数据按时间序列进行故障数据划分，得到多个故障数据序列；
提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，并提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型；
对所述第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型进行比对；
当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，并在所述目标计算节点所属的信息验证区块网络中广播包含所述目标故障序列的状态维护报文。
6.根据权利要求5所述的方法，其特征在于，当所述故障对应的优先级为第一优先级时，所述提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，包括：
对所述第一故障数据序列进行故障信息识别，得到所述第一故障数据序列的故障设备标识和故障内容摘要；
对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型；
相应地，所述提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型，包括：
对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要；
对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
7.根据权利要求5所述的方法，其特征在于，
当所述故障对应的优先级为第二优先级时，所述提取所述多个故障数据序列中的第一故障数据序列的故障类型，得到所述第一故障数据序列的故障类型，包括：
对所述第一故障数据序列进行故障内容摘要的信息识别，得到包含所述第一故障数据序列的故障内容摘要，其中，所述故障内容摘要用于针对故障的内容进行描述；
对所述第一故障数据序列进行故障设备标识的信息识别，得到包含所述第一故障数据序列的故障设备标识，其中，所述故障设备标识用于指示故障的发生设备；
根据所述第一故障数据序列的故障等级标识，对所述第一故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第一故障数据序列的故障类型；
相应地，所述提取所述第一故障数据序列之后的第二故障数据序列的故障类型，得到所述第二故障数据序列的故障类型，包括：
对所述第二故障数据序列进行故障信息识别，得到所述第二故障数据序列的故障设备标识和故障内容摘要；
根据所述第二故障数据序列的故障等级标识，对所述第二故障数据序列的故障设备标识以及故障内容摘要进行信息拼接，得到所述第二故障数据序列的故障类型。
8.根据权利要求5所述的方法，其特征在于，所述对所述第一故障数据序列的故障类型以及所述第二故障数据序列的故障类型进行比对，包括：
针对所述第一故障数据序列的故障类型中的各位段的标识符执行以下处理：
将所述第二故障数据序列的故障类型中对应所述位段的标识符、与所述位段的标识符进行字符拼接，以得到所述位段的组合字符项；
对各位段的组合字符项进行信息拼接，得到类型标识字符串；
对所述类型标识字符串进行相似度运算，得到对应所述第一故障数据序列与所述第二故障数据序列的相似度矩阵；
对所述相似度矩阵进行故障类别等级匹配，得到所述第一故障数据序列中的故障与所述第二故障数据序列中的故障两者的对应相似度；
当所述对应的相似度小于设定的相似度阈值时，确定所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同。
9.根据权利要求5所述的方法，其特征在于，所述对所述故障信息数据按时间序列进行故障数据划分，得到多个故障数据序列，包括：
通过以下任一方式对所述故障信息数据进行故障数据划分，以得到多个故障数据序列：
对所述故障信息数据按照第一时间梯度进行故障数据划分，得到第一初始故障数据序列，并对所述故障信息数据按照第二时间梯度进行故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度；
对所述故障信息数据进行第一时间梯度故障数据划分，得到第一初始故障数据序列，并对所述第一初始故障数据序列进行第二时间梯度故障数据划分，得到第二初始故障数据序列，其中，所述第一时间梯度大于所述第二时间梯度；
相应地，所述当所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第二故障数据序列确定为所述故障信息数据的目标故障序列，包括：
当所述第一初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列中的故障不同时，将所述第一初始故障数据序列中的所述第二故障数据序列确定为所述第一初始故障数据序列中的目标故障序列；
当所述第二初始故障数据序列中的所述第一故障数据序列中的故障与所述第二故障数据序列的故障不同时，将所述第二初始故障数据序列中所述第二故障数据序列确定为所述第二初始故障数据序列中的目标故障序列；
所述方法还包括：
对多个所述第一初始故障数据序列中的目标故障序列、以及多个所述第二初始故障数据序列中的目标故障序列进行序列拼接，得到拼接后的目标故障序列，并
对所述拼接后的目标故障序列进行相同元素过滤，得到多个所述故障信息数据的目标故障序列。
10.一种计算节点，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-9中任一项所述的基于区块链和大数据的物联网络维护方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110397270.0A CN113285978B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的故障识别方法及通用计算节点 |
| CN202010792278.2A CN111935279B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的物联网络维护方法及计算节点 |
| CN202110397269.8A CN113285977B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的网络维护方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010792278.2A CN111935279B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的物联网络维护方法及计算节点 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110397270.0A Division CN113285978B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的故障识别方法及通用计算节点 |
| CN202110397269.8A Division CN113285977B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的网络维护方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111935279A true CN111935279A (zh) | 2020-11-13 |
| CN111935279B CN111935279B (zh) | 2021-07-09 |
Family
ID=73308052
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010792278.2A Active CN111935279B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的物联网络维护方法及计算节点 |
| CN202110397270.0A Active CN113285978B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的故障识别方法及通用计算节点 |
| CN202110397269.8A Active CN113285977B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的网络维护方法及系统 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110397270.0A Active CN113285978B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的故障识别方法及通用计算节点 |
| CN202110397269.8A Active CN113285977B (zh) | 2020-08-08 | 2020-08-08 | 基于区块链和大数据的网络维护方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN111935279B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116089520B (zh) * | 2022-12-04 | 2023-11-10 | 四川九天惯通科技有限公司 | 一种基于区块链和大数据的故障识别方法及通用计算节点 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532739A (zh) * | 2013-09-25 | 2014-01-22 | 上海斐讯数据通信技术有限公司 | 一种基于网络服务与应用的监控分析系统 |
| CN108040074A (zh) * | 2018-01-26 | 2018-05-15 | 华南理工大学 | 一种基于大数据的实时网络异常行为检测系统及方法 |
| CN109558462A (zh) * | 2018-11-02 | 2019-04-02 | 深圳智链物联科技有限公司 | 数据统计方法及装置 |
| CN109840262A (zh) * | 2018-12-29 | 2019-06-04 | 深圳云天励飞技术有限公司 | 数据统计方法及相关装置 |
| US20200042426A1 (en) * | 2018-08-03 | 2020-02-06 | Dynatrace Llc | Method And System For Automatic Real-Time Causality Analysis Of End User Impacting System Anomalies Using Causality Rules And Topological Understanding Of The System To Effectively Filter Relevant Monitoring Data |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6085576B2 (ja) * | 2014-02-20 | 2017-02-22 | 日本電信電話株式会社 | ネットワーク評価装置及び方法及びプログラム |
| US20160203036A1 (en) * | 2015-01-09 | 2016-07-14 | Ecorithm, Inc. | Machine learning-based fault detection system |
| JP2016173782A (ja) * | 2015-03-18 | 2016-09-29 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 故障予測システム、故障予測方法、故障予測装置、学習装置、故障予測プログラム及び学習プログラム |
| US10796000B2 (en) * | 2016-06-11 | 2020-10-06 | Intel Corporation | Blockchain system with nucleobase sequencing as proof of work |
| CN106657410B (zh) * | 2017-02-28 | 2018-04-03 | 国家电网公司 | 基于用户访问序列的异常行为检测方法 |
| CN107084754A (zh) * | 2017-04-27 | 2017-08-22 | 深圳万发创新进出口贸易有限公司 | 一种变压器故障检测装置 |
| CN110096406A (zh) * | 2018-01-31 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 一种故障事件发现方法和服务器 |
| US11176101B2 (en) * | 2018-02-05 | 2021-11-16 | Bank Of America Corporation | System and method for decentralized regulation and hierarchical control of blockchain architecture |
| CN108896287A (zh) * | 2018-06-20 | 2018-11-27 | 浙江工业大学 | 一种基于多尺度分析的控制阀故障检测方法 |
| US11627151B2 (en) * | 2018-10-31 | 2023-04-11 | General Electric Company | Industrial asset cyber-attack detection algorithm verification using secure, distributed ledger |
| US11132248B2 (en) * | 2018-11-29 | 2021-09-28 | Nec Corporation | Automated information technology system failure recommendation and mitigation |
| CN110502499A (zh) * | 2019-06-26 | 2019-11-26 | 中电万维信息技术有限责任公司 | 基于贝叶斯算法的数据故障事件处理方法以及维护系统 |
| CN110287347A (zh) * | 2019-07-05 | 2019-09-27 | 黑龙江电力调度实业有限公司 | 采用大数据检测电力机房故障的方法 |
| CN110569909B (zh) * | 2019-09-10 | 2023-07-18 | 腾讯科技（深圳）有限公司 | 基于区块链的故障预警方法、装置、设备及存储介质 |
| CN110704231A (zh) * | 2019-09-30 | 2020-01-17 | 深圳前海微众银行股份有限公司 | 一种故障处理方法及装置 |
-
2020
- 2020-08-08 CN CN202010792278.2A patent/CN111935279B/zh active Active
- 2020-08-08 CN CN202110397270.0A patent/CN113285978B/zh active Active
- 2020-08-08 CN CN202110397269.8A patent/CN113285977B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532739A (zh) * | 2013-09-25 | 2014-01-22 | 上海斐讯数据通信技术有限公司 | 一种基于网络服务与应用的监控分析系统 |
| CN108040074A (zh) * | 2018-01-26 | 2018-05-15 | 华南理工大学 | 一种基于大数据的实时网络异常行为检测系统及方法 |
| US20200042426A1 (en) * | 2018-08-03 | 2020-02-06 | Dynatrace Llc | Method And System For Automatic Real-Time Causality Analysis Of End User Impacting System Anomalies Using Causality Rules And Topological Understanding Of The System To Effectively Filter Relevant Monitoring Data |
| CN109558462A (zh) * | 2018-11-02 | 2019-04-02 | 深圳智链物联科技有限公司 | 数据统计方法及装置 |
| CN109840262A (zh) * | 2018-12-29 | 2019-06-04 | 深圳云天励飞技术有限公司 | 数据统计方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113285977B (zh) | 2022-07-05 |
| CN113285977A (zh) | 2021-08-20 |
| CN111935279B (zh) | 2021-07-09 |
| CN113285978A (zh) | 2021-08-20 |
| CN113285978B (zh) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112422351B (zh) | 一种基于深度学习的网络告警预测模型建立方法及装置 | |
| CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
| CN111897705B (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
| CN109062769B (zh) | It系统性能风险趋势预测的方法、装置和设备 | |
| CN112769605A (zh) | 一种异构多云的运维管理方法及混合云平台 | |
| CN113516174B (zh) | 调用链异常检测方法、计算机设备以及可读存储介质 | |
| CN112800061B (zh) | 一种数据存储方法、装置、服务器及存储介质 | |
| CN113986595A (zh) | 一种异常定位方法及装置 | |
| CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
| CN115225536A (zh) | 一种基于无监督学习的虚拟机异常检测方法及系统 | |
| CN115514627A (zh) | 一种故障根因定位方法、装置、电子设备及可读存储介质 | |
| CN113537337A (zh) | 训练方法、异常检测方法、装置、设备和存储介质 | |
| CN112801434A (zh) | 性能指标健康度的监测方法、装置、设备和存储介质 | |
| CN114356734A (zh) | 服务异常检测方法和装置、设备、存储介质 | |
| CN111913824A (zh) | 确定数据链路故障原因的方法及相关设备 | |
| CN111935279B (zh) | 基于区块链和大数据的物联网络维护方法及计算节点 | |
| CN117271177B (zh) | 基于链路数据的根因定位方法、装置、电子设备及存储介质 | |
| CN117149486B (zh) | 告警和根因定位方法、模型训练方法、装置、设备及介质 | |
| CN113240139A (zh) | 告警因果评估方法、故障根因定位方法及电子设备 | |
| CN114297034B (zh) | 云平台监控方法及云平台 | |
| CN114756401B (zh) | 基于日志的异常节点检测方法、装置、设备及介质 | |
| CN113535458B (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
| CN113052509B (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
| CN113259402B (zh) | 一种异常网络协议地址的确定方法和装置 | |
| CN113537519B (zh) | 一种识别异常设备的方法和装置 |
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: 20210621 Address after: 224200 1st floor, block B, R & D center, Chengdong new district, Dongtai City, Yancheng City, Jiangsu Province Applicant after: Jiangsu Xiaomeng Technology Co.,Ltd. Address before: 518000 A701, industrialization complex building, Yuexing Sandao Virtual University Park, Xuefu Road, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Zhan Nengyong |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |