CN113485842A - 一种基于设备集群进行数据分析的方法及设备 - Google Patents
一种基于设备集群进行数据分析的方法及设备 Download PDFInfo
- Publication number
- CN113485842A CN113485842A CN202110868300.1A CN202110868300A CN113485842A CN 113485842 A CN113485842 A CN 113485842A CN 202110868300 A CN202110868300 A CN 202110868300A CN 113485842 A CN113485842 A CN 113485842A
- Authority
- CN
- China
- Prior art keywords
- target
- equipment
- data
- analysis
- attribute information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007405 data analysis Methods 0.000 claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 147
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 71
- 238000010586 diagram Methods 0.000 description 19
- 230000036760 body temperature Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 11
- 230000011664 signaling Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000010205 computational analysis Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/544—Buffers; Shared memory; Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种基于设备集群进行数据分析的方法及设备,设备集群中的第一设备监听设各个第二设备发送的推送消息,根据监听到的推送消息确定满足分析条件的至少一个目标第二设备;分别向至少一个目标第二设备发送数据分析请求;与至少一个目标第二设备建立点对点连接后,分别向至少一个目标第二设备发送待分析数据以及接收至少一个目标第二设备返回的智能分析结果,其中,第一设备所需的资源数量达到第一设备的可用资源上限,第二设备已用的资源数量小于第二设备的可用资源上限,通过设备集群,第二设备分享出剩余资源数量来分担第一设备的智能分析任务,提高了第一设备的智能分析性能,以及第二设备的资源利用率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于设备集群进行数据分析的方法及设备。
背景技术
随着视频监控技术的高速发展,用户对监控高清化、网络化、大规模接入以及可靠性的需求不断增强,很多项目都需要接入几千甚至上万路的前端摄像头,传输的数据量较大。而互联网技术的不断发展提高了网络传输能力,从而保证了视频监控技术中数据的传输效率。
然而,后端设备对前端摄像头传来的数据的处理能力参差不齐,对于一些处理性能较低的设备,当对接收的数据进行智能分析所需的资源数量超过其自身能够提供的资源数量时,则无法对接收的数据进行智能分析,例如人脸识别、体温识别、智能视频监控(Intelligent Video Surveillance,IVS)等,从而无法实现监控功能。
发明内容
本申请实施例提供一种基于设备集群进行数据分析的方法及设备,用以实现低端设备对数据的智能分析,提高高端设备的资源利用率。
第一方面,本申请实施例提供一种基于设备集群进行数据分析的方法,包括:
设备集群中的第一设备监听所述设备集群中的各个第二设备发送的推送消息;其中,所述第一设备和所述各个第二设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带相应第二设备的标识以及属性信息;
所述第一设备根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备;
所述第一设备分别向所述至少一个目标第二设备发送数据分析请求,所述数据分析请求携带所述第一设备的标识以及属性信息,以使所述至少一个目标第二设备根据所述第一设备的标识以及属性信息与所述第一设备建立点对点连接;
所述第一设备分别向所述至少一个目标第二设备发送待分析数据;
所述第一设备分别接收所述至少一个目标第二设备对相应待分析数据的智能分析结果。
第二方面,本申请实施例提供一种基于设备集群进行数据分析的方法,包括:
设备集群中的第二设备分别向所述设备集群中的各个第一设备发送推送消息;其中,所述第二设备和所述各个第一设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带所述第二设备的标识以及属性信息;
所述第二设备接收所述各个第一设备中的至少一个目标第一设备发送的数据分析请求;其中,所述数据分析请求是所述至少一个目标第一设备根据监听到的所述推送消息携带的所述第二设备的标识以及属性信息,确定所述第二设备满足分析条件后发送的,所述数据分析请求携带相应目标第一设备的标识以及属性信息;
所述第二设备根据所述至少一个目标第一设备的标识以及属性信息,分别与所述至少一个目标第一设备建立点对点连接;
所述第二设备分别接收所述至少一个目标第一设备发送的待分析数据;
所述第二设备将所述至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备。
第三方面,本申请实施例提供一种第一设备,包括:
监听模块,用于监听设备集群中的各个第二设备发送的推送消息;其中,所述第一设备和所述各个第二设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带相应第二设备的标识以及属性信息;
确定模块,用于根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备;
发送模块,用于分别向所述至少一个目标第二设备发送数据分析请求,以及,分别向所述至少一个目标第二设备发送待分析数据;其中,所述数据分析请求携带所述第一设备的标识以及属性信息,以使所述至少一个目标第二设备根据所述第一设备的标识以及属性信息与所述第一设备建立点对点连接;
接收模块,用于分别接收所述至少一个目标第二设备对相应待分析数据的智能分析结果。
第四方面,本申请实施例提供一种第二设备,包括:
发送模块,分别向设备集群中的各个第一设备发送推送消息,以及,将所述至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备;其中,所述第二设备和所述各个第一设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带所述第二设备的标识以及属性信息;
接收模块,用于接收所述各个第一设备中的至少一个目标第一设备发送的数据分析请求,以及,分别接收所述至少一个目标第一设备发送的待分析数据;其中,所述数据分析请求是所述至少一个目标第一设备根据监听到的所述推送消息携带的所述第二设备的标识以及属性信息,确定所述第二设备满足分析条件后发送的,所述数据分析请求携带相应目标第一设备的标识以及属性信息;
连接建立模块,用于根据所述至少一个目标第一设备的标识以及属性信息,分别与所述至少一个目标第一设备建立点对点连接。
第五方面,本申请实施例提供一种计算机存储介质,计算机存储介质中存储有计算机程序指令,当指令在计算机上运行时,使得计算机执行本申请实施例提供的基于设备集群进行数据分析的方法。
本申请的上述实施例中,将同一局域网内具有不同用于数据分析的资源数量的设备(包含各个第一设备和各个第二设备)组成设备集群,其中,设备集群中已用的资源数量小于自身可用资源上限的各个第二设备,分别向设备集群中的各个第一设备发送推送消息,推送消息携带相应第二设备的标识以及属性信息,而所需的资源数量达到自身可用资源上限的各个第一设备,对设备集群中的各个第二设备进行监听,根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备,并分别向至少一个目标第二设备发送数据分析请求,至少一个目标第二设备根据数据分析请求携带的标识和属性信息分别与相应的目标第一设备建立点对点连接后,至少一个目标第一设备分别向相应的目标第二设备发送待分析数据,至少一个目标第二设备分别将对待分析数据的智能分析结果返回给相应的目标第一设备。通过设备集群,在第一设备所需的资源数量达到可用资源上限时,通过确定能够分享出剩余资源数量的至少一个目标第二设备来分担智能分析任务,从而实现了对待分析资源的智能分析,并提高了至少一个目标第二设备资源的利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示例性示出了本申请实施例提供的设备集群系统架构图;
图2示例性示出了本申请实施例提供一种基于设备集群进行数据分析的方法流程图;
图3a示例性示出了本申请实施例提供的第一种确定目标第二设备方法示意图;
图3b示例性示出了本申请实施例提供的第二种确定目标第二设备方法示意图;
图3c示例性示出了本申请实施例提供的第二种确定目标第二设备方法示意图;
图4示例性示出了本申请实施例提供另一种基于设备集群进行数据分析的方法流程图;
图5a示例性示出了本申请实施例提供的点对点连接方式示意图;
图5b示例性示出了本申请实施例提供的另一点对点连接方式示意图;
图5c示例性示出了本申请实施例提供的多数据分析类型的设备进行数据分析的方法示意图;
图6示例性示出了本申请实施例提供的第一设备和第二设备交互过程示意图;
图7示例性示出了本申请实施例提供的第一设备的功能结构图;
图8示例性示出了本申请实施例提供的第二设备的功能结构图;
图9示例性示出了本申请实施例提供的设备集群中设备的硬件结构图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请一部份实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
下面结合附图对本申请实施例进行详细描述。
图1示例性示出了本申请实施例提供的设备集群系统架构图;如图1所示,同一局域网内的多个设备通过无线网络相互连接,组成设备集群。各个设备对数据进行智能分析的能力不同,即各个设备用于进行数据分析的资源数量不同,智能分析能力与相应设备的可用资源数量呈正相关,可用资源数量越多,智能分析能力越强。因此,根据各个设备用于数据分析的资源数量,将集群中的设备分为低端设备(也称为第一设备)和高端设备(也称为第二设备或资源富足设备)。在不影响各个设备正常工作的前提下,可将剩余的计算分析能力(资源数量)贡献出来,提供给该集群中需要对数据进行智能分析但自身资源数量不足的设备使用。
其中,第一设备包含资源匮乏设备和资源满载设备,资源匮乏设备对数据进行智能分析所需的资源数量大于该设备的可用资源上限,表明该设备对数据进行智能分析的计算分析能力不足;资源满载设备对数据进行智能分析所需的资源数量等于该设备的可用资源上限,表明该设备不存在富余的计算分析能力。第二设备进行数据智能分析已用的资源数量小于第二设备的可用资源上限,表明该设备有富余的计算分析能力来分担其他设备的智能分析任务。
如图1示出的,该设备集群中不再需要局域网内具有强大智能分析能力的中心主机设备,各个设备都是主设备,每个设备存在唯一的标识(例如ID号)。第二设备主动向设备集群中的各个第一设备发送推送消息,以通知局网络内的其他设备其可分担智能分析的任务,第一设备主动监听局域网内的推送消息,以确定可分担智能分析的任务的设备,从而通过资源富足设备提供额外的智能分析任务,来实现资源满载设备和资源匮乏设备完成自身不能实现的智能分析任务。
可选的,该集群中的各个设备包括但不限于网络视频录像机(Network VideoRecorder,NVR)、数字视频录像机(Digital Video Recorder,DVR)。
本申请实施例中设备集群中的各个设备的功能不同,即对前端摄像头传输的数据进行智能分析的类型不同,例如,设备1和设备2可对前端摄像头传输的数据进行人脸识别,设备3可对前端摄像头传输的数据进行体温识别。
需要说明的是,设备集群中的同一设备可具有多个智能分析功能,例如,设备4既可以对前端摄像头传输的数据进行人脸识别,也可以对前端摄像头传输的数据进行体温识别。
基于图1示出的设备集群系统结构,图2示例性示出了本申请实施例提供的基于设备集群进行数据分析的方法,该方法由设备集群中的任一第一设备执行,主要包括以下几步:
S201:设备集群中的第一设备监听设备集群中的各个第二设备发送的推送消息。
该步骤中,第一设备接收到前端摄像头传输的待分析数据后,确定对待分析数据进行智能分析所需的资源数量,并与自身的可用资源上限进行比较,当第一设备所需的资源数量达到第一设备的可用资源上限,表明第一设备对待分析数据进行智能分析的能力不足,无法独自完成智能分析任务,需要设备集群中的其他设备分享出剩余资源数量来分担智能分析任务。如图1示出的,同一局域网内的各个第二设备中,任意一个第二设备已用的资源数量小于相应第二设备的可用资源上限,表明第二设备存在剩余资源数量,即对数据进行智能分析的能力存在富余,可分担设备集群中其他设备的智能分析任务。因此,在S201中,第一设备可通过主动监听寻找出更够分享出全部或部分剩余资源数量的第二设备来分担智能分析任务。
在S201中,第一设备通过监听方式获取各个第二设备发送的推送消息,推送消息携带相应第二设备的标识(比如ID号)以及属性信息,其中,属性信息包括相应第二设备的数据分析类型、用于数据分析的剩余资源数量、空闲处理能力(比如每秒处理的数据量)等信息。
例如,假设第二设备1对本设备接收的数据进行人脸识别已用的资源数量为5通道,可用资源上限为8通道,则第二设备1发送的推送消息1携带的数据分析类型为人脸识别,用于数据分析的剩余资源数量为3通道,剩余资源数量可分享给人脸识别能力不足的第一设备,从而提高其自身的资源利用率。
本申请实施例对推送消息的发送方式不做限制性要求,包括但不限于组播方式、广播方式。
S202:第一设备根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备。
该步骤中,第一设备根据监听到的各个第二设备发送的推送消息,从各个第二设备中选择至少一个满足分析条件目标第二设备。具体的,第一设备确定推送消息携带的相应第二设备的数据分析类型,是否属于第一设备的数据分析类型,以及,确定推送消息携带的相应第二设备的剩余资源数量是否不小于第一设备所需的资源数量与其可用资源上限的差值,若是,则将至少一个推送消息各自携带的标识所指示的第二设备,分别确定为满足分析条件的至少一个目标第二设备,否则,继续进行监听。
例如,如图3a所示,假设第一设备1对本设备接收的数据进行人脸识别所需的资源数量为9通道,该设备的可用资源上限为5通道,表明第一设备人脸识别的能力不足,需要其他设备分享出4通道的资源数量来分担智能分析任务;第二设备1发送的推送消息1携带的数据分析类型为人脸识别,剩余资源数量为3通道;第二设备2发送的推送消息2携带的数据分析类型为体温识别,剩余资源数量为6通道;第二设备3发送的推送消息3携带的数据分析类型为人脸识别,剩余资源数量为5通道。当第一设备1监听到推送消息1时,推送消息1携带的数据分析类型与第一设备1相同,但由于第二设备1的剩余资源数量<第一设备1所需的资源数量与可用资源上限的差值,表明第二设备1的剩余资源数量不足以满足第一设备1的需求,则继续监听;当第一设备1监听到推送消息2时,推送消息2携带的数据分析类型与第一设备1不同,第一设备1继续监听;当第一设备1监听到推送消息3时,推送消息3携带的数据分析类型与第一设备1相同,且第二设备3的剩余资源数量>第一设备1所需的资源数量与可用资源上限的差值,表明第二设备3的剩余资源数量足以满足第一设备1的需求,第一设备1将第二设备3确定为目标第二设备(在图3a中用实线表示)。
再例如,如图3b所示,假设第一设备1对本设备接收的数据进行人脸识别所需的资源数量为9通道,该设备的可用资源上限为5通道,所需的资源数量与可用资源上限的差值为4通道;第二设备1发送的推送消息1携带的数据分析类型为人脸识别,剩余资源数量为3通道;第二设备2发送的推送消息2携带的数据分析类型为体温识别,剩余资源数量为6通道;第二设备3发送的推送消息3携带的数据分析类型为人脸识别,剩余资源数量为3通道。当第一设备1监听到推送消息1、2、3时,第一设备1确定第二设备1和第二设备3的数据分析类型与其相同,且第二设备1和第二设备3剩余资源数量的和大于第一设备所需的资源数量与可用资源上限的差值,则将第二设备1和第二设备3确定为满足分析条件的目标第二设备(在图3b中用实线表示)。
S203:第一设备分别向至少一个目标第二设备发送数据分析请求。
该步骤中,数据分析请求携带第一设备的标识以及属性信息,其中,第一设备的属性信息包括第一设备的数据分析类型,第一设备所需的资源数量与其自身可用资源上限的差值。目标第二设备根据数据分析请求携带的差值,确定是否与接收的数据分析请求携带的标识所指示的第一设备建立点对点连接。
例如,以图3a为例,第二设备3为目标第二设备,第一设备向第二设备3发送数据分析请求,数据分析请求携带的第一设备的标识为1、数据分析类型为人脸识别、所需的资源数量与可用资源上限的差值为4通道,第二设备3确定分享出4通道的剩余资源数量后,仍有1通道的剩余资源数量,可以与第一设备1建立点对点连接。
再例如,以图3b为例,第二设备1和第二设备3均为目标第二设备,第一设备分别向第二设备1和第二设备3发送数据分析请求。其中,向第二设备1发送的数据分析请求携带的第一设备的标识为1、数据分析类型为人脸识别、所需的资源数量与可用资源上限的差值的一半(2通道),第二设备1确定分享出2通道的剩余资源数量后,仍有1通道的剩余资源数量,可以与第一设备1建立点对点连接;向第二设备3发送的数据分析请求携带的第一设备的标识为1、数据分析类型为人脸识别、所需的资源数量与可用资源上限的差值的一半(2通道),第二设备3确定分享出2通道的剩余资源数量后,仍有1通道的剩余资源数量,可以与第一设备1建立点对点连接。
S204:第一设备分别向至少一个目标第二设备发送待分析数据。
该步骤中,待分析数据可以视频音频、视频、图片、文件等。第一设备与至少一个目标第二设备建立点对点连接后,创建点对点的数据传输通道,第一设备通过数据传输通道向相应的目标第二设备发送待分析数据,从而在第一设备的智能分析能力不足时(即所需的资源数量达到自身可用资源上限时),由目标第二设备分担智能分析任务,使原来不具有智能分析能力或智能分析能力较弱的第一设备拥有智能分析的能力,扩展了第一设备的智能分析性能。
例如,以图3a为例,第二设备3为目标第二设备,第一设备与第二设备3建立点对点连接后,创建数据传输通道,第一设备通过数据传输通道向第二设备3发送4通道的待分析数据。
再例如,以图3b为例,第二设备1和第二设备3为目标第二设备,第一设备与第二设备1,以及第一设备与第二设备3分别建立点对点连接后,在分别创建数据传输通道,第一设备通过数据传输通道1向第二设备1发送2通道的待分析数据,通过数据传输通道2向第二设备3发送2通道的待分析数据。
S205:第一设备分别接收至少一个目标第二设备对相应待分析数据的智能分析结果。
该步骤中,由于目标第二设备的数据分析类型与第一设备相同,当至少一个目标第二设备分别接收到相应待分析数据后,按照相同的数据分析类型,对待分析数据进行智能分析,并将智能分析结果,分别返回给第一设备。
例如,以图3a为例,第一设备和第二设备3的数据分析类型为人脸识别,第二设备3接收到4通道的待分析数据后,对待分析数据进行人脸识别,并将人脸识别的结果返回给第一设备。
再例如,以图3b为例,第一设备和第二设备1、第二设备3的数据分析类型为人脸识别,第二设备1接收到2通道的待分析数据后,对待分析数据进行人脸识别,并将人脸识别的结果返回给第一设备,第二设备3接收到2通道的待分析数据后,对待分析数据进行人脸识别,并将人脸识别的结果返回给第一设备。
考虑到目标第二设备的数据分析类型可能有多种,因此,第一设备分别与至少一个目标第二设备建立点对点连接后,在分别创建信令交互通道,第一设备通过信令交互通道分别向相应的目标第二设备发送分析指令,分析指令用于指示待分析数据对应的数据分析类型。
在执行S205时,第一设备分别接收至少一个目标第二设备发送的智能分析结果,智能分析结果是相应的目标第二设备按照接收的分析指令所指示的数据分析类型,对相应的待分析数据进行智能分析得到的。
如图3c所示,假设第一设备1对本设备接收的数据进行人脸识别所需的资源数量为9通道,该设备的可用资源上限为5通道,第一设备所需的资源数量与可用资源上限的差值为4通道;第二设备1发送的推送消息1携带的数据分析类型为人脸识别,剩余资源数量为3通道;第二设备2发送的推送消息2携带的数据分析类型为体温识别和人脸识别,剩余资源数量为6通道;第二设备3发送的推送消息3携带的数据分析类型为人脸识别,剩余资源数量为5通道。当第一设备1监听到推送消息1、2、3时,第一设备1确定第二设备2和第二设备3存在其相同的数据分析类型,且第二设备2和第二设备3的剩余资源数量均大于第一设备所需的资源数量与可用资源上限的差值,因此,第二设备2和第二设备3确定为满足分析条件的目标第二设备。由于第二设备2的剩余资源数量大于第二设备3的剩余资源数量,因此,第一设备1与第二设备2建立点对点连接后,创建信令交互通道,第一设备1向第二设备2发送分析指令,分析指令用于指示待分析数据对应的数据分析类型为人脸识别,第二设备2根据分析指令,对接收的4通道待分析数据进行人脸识别,并将识别结果返回给第一设备1。
在一些实施例中,在S204后,目标第二设备接收到前端摄像头重新传来的待分析数据时,其自身业务量增加,需要利用剩余资源数量对自身接收的待分析数据进行智能分析,当确定剩余资源数量仅够用于对其自身接收的待分析数据进行智能分析时,则主动断开与第一设备的点对点连接,优先保证目标第二设备对自身接收的待分析数据进行智能分析的能力。
进一步地,当目标第二设备主动断开与第一设备的点对点连接时,第一设备在预设时段内未接收到目标第二设备发送的响应消息,则第一设备重新监听设备集群中的各个第二设备发送的推送消息,直至重新监听到满足分析条件的目标第二设备。
需要说明的是,本申请实施例中对第一设备和目标第二设备点对点连接的中断方式不做限制性要求,例如,当目标第二设备出现故障时,也会中断连接。
需要说明的是,本申请实施例也适用于设备集群中的设备接收到某一类型的待分析数据后,其自身不具备该类型的智能分析功能,也可以由其他设备协助其实现对该类型的待分析数据的智能分析功能。
与图1示出的设备集群中的第一设备相对应,图4示例性示出了本申请实施例提供的基于设备集群进行数据分析的方法,该方法由设备集群中的任一第二设备执行,主要包括以下几步:
S401:设备集群中的第二设备向设备集群中的各个第一设备发送推送消息。
该步骤中,设备集群中的第二设备实时检测自身的资源数量,在第二设备对自身接收的待分析数据进行智能分析已用的资源数量,小于第二设备的可用资源上限时,第二设备存在剩余资源数量来分担其他设备的智能分析任务,因此,第二设备通过广播或组播的方式向设备集群中的各个第一设备发送推送消息。其中,推送消息携带第二设备的标识以及属性信息,第二设备的属性信息包括相应第二设备的数据分析类型、用于数据分析的剩余资源数量、空闲处理能力(比如每秒处理的数据量)等信息。
设备集群中的各个第一设备监听第二设备发送的推送消息后,对推送消息进行解析,确定推送消息携带的第二设备的数据分析类型是否属于其自身的数据分析类型,以及剩余资源数量是否不小于所需的资源数量与其自身的可用资源上限的差值,若是,则确定第二设备满足分析条件。将各个第一设备中存在对应的能够满足分析条件的第二设备的至少一个第一设备,确定为目标第一设备,并分别向第二设备发送数据分析请求。
S402:第二设备接收各个第一设备中的至少一个目标第一设备发送的数据分析请求。
该步骤中,数据分析请求是至少一个目标第一设备根据监听到的推送消息携带的第二设备的标识以及属性信息,确定第二设备满足分析条件后发送的。数据分析请求携带相应目标第一设备的标识以及属性信息,第一设备的属性信息包括第一设备的数据分析类型,以及第一设备所需的资源数量与第一设备的可用资源上限的差值。
在S402中,对于在预设时段内未接收到数据分析请求的第二设备,则继续监听各个第一设备发送到局域网内的数据分析请求。
S403:第二设备根据至少一个目标第一设备的标识以及属性信息,分别与至少一个目标第一设备建立点对点连接。
该步骤中,第二设备对接收的至少一个目标第一设备发送的数据分析请求进行解析,得到相应目标第一设备的标识以及属性信息,根据第一设备的属性信息,第二设备确定是否满足第一设备的智能分析需求,若是,则与解析得到的标识所指示的相应目标第一设备建立点对点连接。
例如,如图5a所示,假设第二设备的数据分析类型为人脸识别,剩余资源数量为5通道,第一设备1发送的数据分析请求1携带的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为7通道,第一设备2发送的数据分析请求2携带的数据分析类型为体温识别,所需的资源数量与可用资源上限的差值为6通道,第一设备3发送的数据分析请求3携带的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为4通道。当第二设备接收到数据分析请求1、2、3时,第二设备的数据分析类型与第一设备1、3相同,剩余资源数量大于第一设备3所需的资源数量与可用资源上限的差值,可分担第一设备3的人脸识别任务,因此,与第一设备3建立点对点连接(在图5a中用实线表示)。
再例如,如图5b所示,假设第二设备的数据分析类型为人脸识别,剩余资源数量为5通道,第一设备1发送的数据分析请求1携带的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为3通道,第一设备2发送的数据分析请求2携带的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为2通道,第一设备3发送的数据分析请求3携带的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为6通道。当第二设备接收到数据分析请求1、2、3时,第二设备与第一设备1和第一设备2的数据分析类型相同,剩余资源数量既可以满足第一设备1人脸识别的需求,又可以满足第一设备2人脸识别的需求,因此,可同时分担第一设备1和第一设备2的智能分析任务,因此,第二设备分别与第一设备1和第一设备2建立点对点连接(在图5b中用实线表示)。
S404:第二设备分别接收至少一个目标第一设备发送的待分析数据。
例如,以图5a为例,第一设备3为目标第一设备,第二设备和第一设备3建立点对点连接后,第二设备与第一设备3建立数据传输通道,第二设备通过数据传输通道接收第一设备3发送的4通道待分析数据。
再例如,以图5b为例,第一设备1和第一设备2为目标第一设备,第二设备和第一设备1建立点对点连接后,与第一设备1建立数据传输通道1,第二设备通过数据传输通道1接收第一设备1发送的3通道待分析数据;第二设备和第一设备2建立点对点连接后,与第一设备2建立数据传输通道2,第二设备通过数据传输通道2接收第一设备2发送的2通道待分析数据。
S405:第二设备将至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备。
例如,以图5a为例,第二设备通过数据传输通道接收第一设备3发送的4通道待分析数据后,第二设备利用剩余资源对待分析数据进行人脸识别,并将识别结果发送给第一设备3。
再例如,以图5b为例,第二设备通过数据传输通道1接收第一设备1发送的3通道待分析数据后,利用3通道的剩余资源对第一设备1发送的待分析数据进行人脸识别,并将识别结果通过数据传输通道1发送给第一设备1;第二设备通过数据传输通道2接收第一设备2发送的2通道待分析数据后,利用2通道的剩余资源对第一设备2发送的待分析数据进行人脸识别,并将识别结果通过数据传输通道2发送给第一设备2。
在一些实施例中,第二设备异步返回的智能分析结果包括目标第一设备的标识、属性信息、数据传输通道信息中的至少一项,以便相应的第一目标接收对应的智能分析结果。
考虑到第二设备的数据分析类型可能有多种,因此,第二设备分别与至少一个目标第一设备建立点对点连接后,在建立与相应目标第一设备的信令交互通道,通过信令交互通道接收相应第一目标设备发送的分析指令,分析指令用于指示待分析数据对应的数据分析类型,进一步地,第二设备按照接收的分析指令所指示的数据类型,对相应目标第一设备发送的待分析数据进行智能分析,得到相应的智能分析结果,并将智能分析结果发送给相应的目标第一设备。
如图5c所示,假设第二设备的数据分析类型为人脸识别和体温识别,剩余资源数量为5通道,第一设备1的数据分析类型为人脸识别,所需的资源数量与可用资源上限的差值为3通道,第一设备2的数据分析类型为体温识别,所需的资源数量与可用资源上限的差值为2通道。第二设备包含第一设备1和第一设备2的数据分析类型,且剩余资源数量既可以满足第一设备1人脸识别的需求,又可以满足第一设备2体温识别的需求。因此,第二设备与第一设备1建立信令交互通道1,第二设备通过信令交互通道1接收第一设备1发送的分析指令1,分析指令所指示的数据分析类型为人脸识别,第二设备利用3通道的剩余资源对第一设备发送的待分析数据进行人脸识别,并将人脸识别结果发送给第一设备1;并且,第二设备与第一设备2建立信令交互通道2,第二设备通过信令交互通道2接收第一设备2发送的分析指令2,分析指令所指示的数据分析类型为体温识别,第二设备利用2通道的剩余资源对第一设备发送的待分析数据进行体温识别,并将体温识别结果发送给第一设备2。
在一些实施例中,第二设备分别对至少一个目标第一设备的待分析数据进行智能分析后,需更新自身的剩余资源数量。具体的,目标第一设备的数量为一个时,第二设备根据目标第一设备所需的资源数量与目标第一设备的可用资源上限的差值,更新其自身的剩余资源数量;当目标第一设备的数量为多个时,第二设备根据多个目标第一设备对应的差值之和,更新其自身的剩余资源数量。
在一些实施例中,为保证第二设备对自身接收的待分析数据的处理的能力,在第二设备的剩余资源数量小于预设阈值时,第二设备不向相应的目标第一设备发送响应消息,并断开与相应目标第一设备的点对点连接。
在一些实施例中,当第二设备发送的待分析数据为视频流时,由于视频流所需的资源数量较大,第二设备在接收到数据分析请求后,需要确定其接入能力(每秒处理的数据量、传输带宽等)是否满足视频流的传输需求,若满足,则对视频流进行智能分析,否则,断开与相应目标第一设备的点对点连接,并重新向设备集群中的各个第一设备发送推送消息。
本申请的上述实施例中,将智能分析能力不同的多个设备通过网络搭建成设备集群,利用该设备集群,存在剩余资源数量的高端设备向网络中发送推送消息,主动分享出自己的剩余资源数量来分担智能分析任务,所需的资源数量达到自身可用资源上限的低端设备(资源匮乏设备和资源满载设备),通过主动监听确定能够分享剩余资源数量为其分担智能分析任务的高端设备,从而实现低端设备共享高端设备计算分析能力目的,使得高端设备的硬件资源得到充分利用,降低成本。并且,该设备集群中的每个设备都是主设备,通过网络自动完成资源的合理调度,不再需要一个智能分析能力强大的中心主机设备,通过高端设备主动推送其富余的分析能力到网络中,低端设备主动监听网络中存在富余分析能力的设备,提高了设备集群的合理化设计。进一步地,提高了后端设备的智能分析能力,提升用户使用体验。
下面详细描述设备集群中的第一设备和第二设备的完整交互过程,如图6所示,该流程主要包括以下几步:
S601:第二设备检测自身的是否存在剩余资源数量,若存在,则执行S602,否则结束。
该步骤中,当第二设备存在剩余资源数量时,表明第二设备的计算分析能力存在富余,可分担其他设备的智能分析任务。
S602:第二设备向各个第一设备发送推送消息,推送消息携带第二设备的标识以及属性信息。
该步骤中,第二设备和各个第一设备位于同一局域网,第一设备所需的资源数量达到第一设备的可用资源上限,第二设备已用的资源数量小于第二设备的可用资源上限。第二设备通过广播或组播的方式向各个第一设备发送推送消息,推送消息携带第二设备的标识以及属性信息,第二设备的属性信息包括第二设备的数据分析类型、用于数据分析的剩余资源数量、空闲处理能力(比如每秒处理的数据量)等信息。具体描述参见S401,在此不再重复。
S603:第一设备检测自身是否存在剩余资源数量,若不存在,则执行S604,否则结束。
该步骤中,当第一设备不存在剩余资源数量时,表明第一设备的计算分析能力不足,需要其他设备分享出剩余资源数量以分担其智能分析任务。
S604:第一设备监听到第二设备发送的推送消息,根据推送消息携带的第二设备的标识以及属性信息,确定第二设备是否满足分析条件,若满足,则执行S605,否则返回S603,继续监听。
该步骤的详细描述参见S202,在此不再重复。
S605:第一设备向否满足分析条件的第二设备发送数据分析请求。
该步骤中,数据分析请求携带第一设备的标识以及属性信息,第一设备的属性信息包括第一设备的数据分析类型,第一设备所需的资源数量与其自身可用资源上限的差值。具体描述参见S203,在此不再重复。
S606:第二设备接收数据分析请求,根据数据分析请求携带的第一设备的标识以及属性信息,确定是否与第一设备建立点对点连接,若是,则执行S606,否则,执行S601。
该步骤的详细描述参见S403,在此不再重复。
S607~S608:第一设备与第二设备建立数据传输通道,通过数据传输通道向第二设备发送待分析数据。
该步骤中,第一设备与第二设备建立数据传输通道,通过数据传输通道向第二设备发送待分析数据。
S609:第二设备接收待分析数据后,确定待分析数据是否为视频流,若是,则执行S610,否则,执行S611。
该步骤中,待分析数据不同,对第二设备接入能力的需求也不同,由于视频流所需的资源数量较大,第二设备需考虑其数据分析类型和剩余资源数量外,还需要考虑每秒处理的数据量以及传输带宽等接入能力,对于所需的资源数量较小的待分析数据,例如图片流,则无需考虑接入能力。
S610:第二设备确定其自身的接入能力是否满足视频流的传输需求,若是,则执行S611,否则,断开点对点连接,执行S601。
S611:第二设备根据第一设备所指示的数据分析类型,对待分析数据进行智能分析。
S612:第二设备将智能分析结果发送给第一设备。
该步骤中,第二设备异步返回智能分析结果。其中,智能分析结果包含第一设备的标识、属性信息、数据传输通道中的至少一项,以便第一设备能准确接收相应的智能分析结果。
基于相同的技术构思,本申请实施例提供一种第一设备,该第一设备可实现前述实施例中设备集群中的第一设备侧的方法,且能达到同样的技术效果,在此不再赘述。
参见图7,该第一设备包括监听模块701、确定模块702、发送模块703、接收模块704:
监听模块701,用于监听设备集群中的各个第二设备发送的推送消息;其中,第一设备和各个第二设备位于同一局域网,第一设备所需的资源数量达到第一设备的可用资源上限,第二设备已用的资源数量小于第二设备的可用资源上限,推送消息携带相应第二设备的标识以及属性信息;
确定模块702,用于根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备;
发送模块703,用于分别向至少一个目标第二设备发送数据分析请求,以及,分别向至少一个目标第二设备发送待分析数据;其中,数据分析请求携带第一设备的标识以及属性信息,以使至少一个目标第二设备根据第一设备的标识以及属性信息与第一设备建立点对点连接;
接收模块704,用于分别接收至少一个目标第二设备对相应待分析数据的智能分析结果。
可选的,推送消息携带的属性信息包括相应第二设备的数据分析类型以及用于数据分析的剩余资源数量,数据分析请求携带的属性信息包括第一设备的数据分析类型,以及第一设备所需的资源数量与第一设备的可用资源上限的差值;
确定模块702具体用于:
根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备,包括:
确定相应第二设备的数据分析类型,是否属于第一设备的数据分析类型,以及,确定相应第二设备的剩余资源数量是否不小于差值;
若是,则将各个推送消息携带的标识所指示的第二设备,确定为满足分析条件的至少一个目标第二设备。
可选的,发送模块703还用于:分别向至少一个目标第二设备发送分析指令,分析指令用于指示待分析数据对应的数据分析类型;
接收模块704具体用于:分别接收至少一个目标第二设备发送的智能分析结果,智能分析结果是相应的目标第二设备按照接收的分析指令所指示的数据分析类型,对相应的待分析数据进行智能分析得到的。
可选的,监听模块701还用于:
在预设时段内未接收到至少一个目标第二设备发送的响应消息,则断开点对点连接,并重新监听设备集群中的各个第二设备发送的推送消息。
基于相同的技术构思,本申请实施例提供一种第二设备,该设备可实现前述实施例中设备集群中的第二设备侧的方法,且能达到同样的技术效果,在此不再赘述。
参见图8,该第二设备包括发送模块801、接收模块802、连接建立模块803:
发送模块801,分别向设备集群中的各个第一设备发送推送消息,以及,将至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备;其中,第二设备和各个第一设备位于同一局域网,第一设备所需的资源数量达到第一设备的可用资源上限,第二设备已用的资源数量小于第二设备的可用资源上限,推送消息携带第二设备的标识以及属性信息;
接收模块802,用于接收各个第一设备中的至少一个目标第一设备发送的数据分析请求,以及,分别接收至少一个目标第一设备发送的待分析数据;其中,数据分析请求是至少一个目标第一设备根据监听到的推送消息携带的第二设备的标识以及属性信息,确定第二设备满足分析条件后发送的,数据分析请求携带相应目标第一设备的标识以及属性信息;
连接建立模块803,用于根据至少一个目标第一设备的标识以及属性信息,分别与至少一个目标第一设备建立点对点连接。
可选的,待分析数据为视频流时,第二设备还包括判断模块804,用于:
确定接入能力是否满足视频流的传输需求;
若满足,则对视频流进行智能分析,否则,断开与相应目标第一设备的点对点连接,并由发送模块801重新向设备集群中的各个第一设备发送推送消息。
可选的,至少一个目标第一设备的属性信息包含相应目标第一设备所需的资源数量与第一设备的可用资源上限的差值,第二设备还包括更新模块805,用于:
根据至少一个目标第一设备相应的差值,更新剩余资源数量。
可选的,发送模块801还用于:
第二设备的剩余资源数量小于预设阈值时,不向相应的目标第一设备发送响应消息,并断开与相应目标第一设备的点对点连接。
可选的,属性信息包含的数据分析类型为至少一种,发送模块801还用于:
分别接收至少一个目标第一设备发送的分析指令,分析指令用于指示待分析数据对应的数据分析类型;
发送模块801具体用于:
按照接收的分析指令所指示的数据分析类型,对相应的待分析数据进行智能分析,得到的相应的智能分析结果;
将至少一个智能分析结果分别发送给相应的目标第一设备。
基于相同的技术构思,本申请实施例提供了一种设备,该设备可实现上述实施例设备集群中第一设备和第二设备侧的数据分析方法。
参见图9,该设备包括处理器901。其中,处理器901也可以为控制器。处理器901被配置为执行图2和图4中涉及的功能。该设备还可以包括存储器902,存储器902用于与处理器901耦合,其保存该设备必要的程序指令和数据。其中,处理器901和存储器902相连,该存储器902用于存储计算机可执行指令,该处理器901用于执行该存储器902存储的指令,以完成上述方法执行相应功能的步骤。
本申请实施例中,该设备所涉及的与本申请实施例提供的技术方案相关的概念,解释和详细说明及其他步骤请参见前述方法或其他实施例中关于这些内容的描述,此处不做赘述。
需要说明的是,本申请实施例上述涉及的处理器可以是中央处理器(centralprocessing unit,CPU),通用处理器,数字信号处理器(digital signal processor,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、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。其中,所述存储器可以集成在所述处理器中,也可以与所述处理器分开设置。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行上述实施例中的方法。
本申请实施例还提供一种计算机程序产品,用于存储计算机程序,该计算机程序用于执行前述实施例的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种基于设备集群进行数据分析的方法,其特征在于,包括:
设备集群中的第一设备监听所述设备集群中的各个第二设备发送的推送消息;其中,所述第一设备和所述各个第二设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带相应第二设备的标识以及属性信息;
所述第一设备根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备;
所述第一设备分别向所述至少一个目标第二设备发送数据分析请求,所述数据分析请求携带所述第一设备的标识以及属性信息,以使所述至少一个目标第二设备根据所述第一设备的标识以及属性信息与所述第一设备建立点对点连接;
所述第一设备分别向所述至少一个目标第二设备发送待分析数据;
所述第一设备分别接收所述至少一个目标第二设备对相应待分析数据的智能分析结果。
2.如权利要求1所述的方法,其特征在于,所述推送消息携带的属性信息包括相应第二设备的数据分析类型以及用于数据分析的剩余资源数量,所述数据分析请求携带的属性信息包括第一设备的数据分析类型,以及所述第一设备所需的资源数量与所述第一设备的可用资源上限的差值;
所述第一设备根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备,包括:
所述第一设备确定相应第二设备的数据分析类型,是否属于所述第一设备的数据分析类型,以及,确定相应第二设备的所述剩余资源数量是否不小于所述差值;
若是,则将各个推送消息携带的标识所指示的第二设备,确定为满足分析条件的至少一个目标第二设备。
3.如权利要求2所述的方法,其特征在于,所述数据分析类型为至少一种,所述方法还包括:
所述第一设备分别向所述至少一个目标第二设备发送分析指令,所述分析指令用于指示所述待分析数据对应的数据分析类型;
所述第一设备分别接收所述至少一个目标第二设备对相应待分析数据的智能分析结果,包括:
所述第一设备分别接收所述至少一个目标第二设备发送的智能分析结果,所述智能分析结果是相应的目标第二设备按照接收的分析指令所指示的数据分析类型,对相应的待分析数据进行智能分析得到的。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
在预设时段内未接收到所述至少一个目标第二设备发送的响应消息,则断开所述点对点连接,并重新监听所述设备集群中的各个第二设备发送的推送消息。
5.一种基于设备集群进行数据分析的方法,其特征在于,包括:
设备集群中的第二设备分别向所述设备集群中的各个第一设备发送推送消息;其中,所述第二设备和所述各个第一设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带所述第二设备的标识以及属性信息;
所述第二设备接收所述各个第一设备中的至少一个目标第一设备发送的数据分析请求;其中,所述数据分析请求是所述至少一个目标第一设备根据监听到的所述推送消息携带的所述第二设备的标识以及属性信息,确定所述第二设备满足分析条件后发送的,所述数据分析请求携带相应目标第一设备的标识以及属性信息;
所述第二设备根据所述至少一个目标第一设备的标识以及属性信息,分别与所述至少一个目标第一设备建立点对点连接;
所述第二设备分别接收所述至少一个目标第一设备发送的待分析数据;
所述第二设备将所述至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备。
6.如权利要求5所述的方法,其特征在于,所述待分析数据为视频流时,所述方法还包括:
所述第二设备确定接入能力是否满足所述视频流的传输需求;
若满足,则对所述视频流进行智能分析,否则,断开与相应目标第一设备的点对点连接,并重新向所述设备集群中的各个第一设备发送推送消息。
7.如权利要求5所述的方法,其特征在于,所述至少一个目标第一设备的属性信息包含相应目标第一设备所需的资源数量与所述第一设备的可用资源上限的差值,所述方法还包括:
所述第二设备根据所述至少一个目标第一设备相应的差值,更新剩余资源数量。
8.如权利要求5所述的方法,其特征在于,所述方法还包括:
所述第二设备的剩余资源数量小于预设阈值时,不向相应的目标第一设备发送响应消息,并断开与相应目标第一设备的点对点连接。
9.如权利要求5所述的方法,其特征在于,所述属性信息包含的数据分析类型为至少一种,所述方法还包括:
所述第二设备分别接收所述至少一个目标第一设备发送的分析指令,所述分析指令用于指示所述待分析数据对应的数据分析类型;
所述第二设备将所述至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备,包括:
所述第二设备按照接收的分析指令所指示的数据分析类型,对相应的待分析数据进行智能分析,得到的相应的智能分析结果;
将至少一个智能分析结果分别发送给相应的目标第一设备。
10.一种第一设备,其特征在于,包括:
监听模块,用于监听设备集群中的各个第二设备发送的推送消息;其中,所述第一设备和所述各个第二设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带相应第二设备的标识以及属性信息;
确定模块,用于根据监听到的推送消息携带的相应第二设备的标识以及属性信息,确定满足分析条件的至少一个目标第二设备;
发送模块,用于分别向所述至少一个目标第二设备发送数据分析请求,以及,分别向所述至少一个目标第二设备发送待分析数据;其中,所述数据分析请求携带所述第一设备的标识以及属性信息,以使所述至少一个目标第二设备根据所述第一设备的标识以及属性信息与所述第一设备建立点对点连接;
接收模块,用于分别接收所述至少一个目标第二设备对相应待分析数据的智能分析结果。
11.一种第二设备,其特征在于,包括:
发送模块,分别向设备集群中的各个第一设备发送推送消息,以及,将所述至少一个待分析数据的智能分析结果,分别发送给相应的目标第一设备;其中,所述第二设备和所述各个第一设备位于同一局域网,所述第一设备所需的资源数量达到所述第一设备的可用资源上限,所述第二设备已用的资源数量小于所述第二设备的可用资源上限,所述推送消息携带所述第二设备的标识以及属性信息;
接收模块,用于接收所述各个第一设备中的至少一个目标第一设备发送的数据分析请求,以及,分别接收所述至少一个目标第一设备发送的待分析数据;其中,所述数据分析请求是所述至少一个目标第一设备根据监听到的所述推送消息携带的所述第二设备的标识以及属性信息,确定所述第二设备满足分析条件后发送的,所述数据分析请求携带相应目标第一设备的标识以及属性信息;
连接建立模块,用于根据所述至少一个目标第一设备的标识以及属性信息,分别与所述至少一个目标第一设备建立点对点连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868300.1A CN113485842B (zh) | 2021-07-30 | 2021-07-30 | 一种基于设备集群进行数据分析的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868300.1A CN113485842B (zh) | 2021-07-30 | 2021-07-30 | 一种基于设备集群进行数据分析的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113485842A true CN113485842A (zh) | 2021-10-08 |
CN113485842B CN113485842B (zh) | 2024-02-23 |
Family
ID=77944638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110868300.1A Active CN113485842B (zh) | 2021-07-30 | 2021-07-30 | 一种基于设备集群进行数据分析的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485842B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114827677A (zh) * | 2022-03-08 | 2022-07-29 | 浙江微能科技有限公司 | 一种人工智能分析负载均衡方法及装置 |
CN117750040A (zh) * | 2024-02-20 | 2024-03-22 | 浙江宇视科技有限公司 | 智能服务器集群的视频业务均衡方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071118A1 (zh) * | 2015-10-28 | 2017-05-04 | 西安中兴新软件有限责任公司 | 监控资源管理的方法、装置和cse、存储介质 |
CN109992422A (zh) * | 2019-04-11 | 2019-07-09 | 北京朗镜科技有限责任公司 | 一种面向gpu资源的任务调度方法、装置和系统 |
CN111901561A (zh) * | 2020-07-16 | 2020-11-06 | 苏州科达科技股份有限公司 | 监控系统中的视频数据处理方法、装置、系统及存储介质 |
CN112131903A (zh) * | 2019-06-24 | 2020-12-25 | 浙江宇视科技有限公司 | 设备数据的分析方法、装置、服务平台、系统及介质 |
CN112395140A (zh) * | 2020-11-17 | 2021-02-23 | 平安科技(深圳)有限公司 | 去中心化的任务调度方法、装置、设备及介质 |
-
2021
- 2021-07-30 CN CN202110868300.1A patent/CN113485842B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071118A1 (zh) * | 2015-10-28 | 2017-05-04 | 西安中兴新软件有限责任公司 | 监控资源管理的方法、装置和cse、存储介质 |
CN109992422A (zh) * | 2019-04-11 | 2019-07-09 | 北京朗镜科技有限责任公司 | 一种面向gpu资源的任务调度方法、装置和系统 |
CN112131903A (zh) * | 2019-06-24 | 2020-12-25 | 浙江宇视科技有限公司 | 设备数据的分析方法、装置、服务平台、系统及介质 |
CN111901561A (zh) * | 2020-07-16 | 2020-11-06 | 苏州科达科技股份有限公司 | 监控系统中的视频数据处理方法、装置、系统及存储介质 |
CN112395140A (zh) * | 2020-11-17 | 2021-02-23 | 平安科技(深圳)有限公司 | 去中心化的任务调度方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
徐力;夏海元;: "大规模计算集群技术的应用", 中国安防, no. 07, 1 July 2016 (2016-07-01) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114827677A (zh) * | 2022-03-08 | 2022-07-29 | 浙江微能科技有限公司 | 一种人工智能分析负载均衡方法及装置 |
CN114827677B (zh) * | 2022-03-08 | 2024-02-09 | 浙江微能科技有限公司 | 一种人工智能分析负载均衡方法及装置 |
CN117750040A (zh) * | 2024-02-20 | 2024-03-22 | 浙江宇视科技有限公司 | 智能服务器集群的视频业务均衡方法、装置、设备及介质 |
CN117750040B (zh) * | 2024-02-20 | 2024-06-07 | 浙江宇视科技有限公司 | 智能服务器集群的视频业务均衡方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113485842B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475276A (zh) | 一种基于边缘计算的任务管理方法及其装置 | |
CN113485842B (zh) | 一种基于设备集群进行数据分析的方法及设备 | |
CN111800443B (zh) | 数据处理系统和方法、装置以及电子设备 | |
CN109802986B (zh) | 设备管理方法、系统、装置及服务器 | |
CN112055422B (zh) | 一种5g信令与用户面数据的关联方法及装置 | |
CN105991412A (zh) | 消息推送方法及装置 | |
CN109446204B (zh) | 一种即时通信的数据存储方法、装置、电子设备和介质 | |
CN111737353A (zh) | 一种元数据同步方法及装置 | |
CN112835703B (zh) | 任务处理方法、装置、设备及存储介质 | |
CN111901561B (zh) | 监控系统中的视频数据处理方法、装置、系统及存储介质 | |
CN115883639A (zh) | 一种web实时消息推送方法及装置、设备、存储介质 | |
WO2014015795A1 (zh) | 在移动设备中为多个候选应用提供通信连接的方法与设备 | |
CN109889545B (zh) | 数据通信方法和装置 | |
CN112817732A (zh) | 一种适应云边协同多数据中心场景下的流数据处理方法及系统 | |
CN118264762B (zh) | 智能业务的gpu集群调度方法、系统与设备 | |
CN112995095A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN113098914B (zh) | 消息总线系统及消息传输方法、装置、电子设备 | |
CN113747100B (zh) | 音视频通话方法、装置、存储介质及电子设备 | |
CN115643558B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
US11876730B2 (en) | Method and apparatus for using high availability controller with local area network (LAN) for local cloud | |
US20230171310A1 (en) | Method and apparatus for using nonstop controller with local area network (lan) for local cloud | |
CN111935313B (zh) | 一种连接池管理方法及装置 | |
CN115865651B (zh) | 一种数据采集方法、装置、电子设备及存储介质 | |
CN117412405A (zh) | 数据传输方法、装置、电子设备及计算机可读存储介质 | |
CN109561324B (zh) | 软件定义的视频处理系统和处理方法 |
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 |