CN113742087A - 一种工业互联网大数据服务器的保护方法及系统 - Google Patents

一种工业互联网大数据服务器的保护方法及系统 Download PDF

Info

Publication number
CN113742087A
CN113742087A CN202111109474.6A CN202111109474A CN113742087A CN 113742087 A CN113742087 A CN 113742087A CN 202111109474 A CN202111109474 A CN 202111109474A CN 113742087 A CN113742087 A CN 113742087A
Authority
CN
China
Prior art keywords
data
timeliness
transmitted
server
time
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
Application number
CN202111109474.6A
Other languages
English (en)
Other versions
CN113742087B (zh
Inventor
贾昌武
李鸿峰
黄筱炼
盛英杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xuanyu Technology Co ltd
Original Assignee
Shenzhen Xuanyu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xuanyu Technology Co ltd filed Critical Shenzhen Xuanyu Technology Co ltd
Priority to CN202111109474.6A priority Critical patent/CN113742087B/zh
Publication of CN113742087A publication Critical patent/CN113742087A/zh
Application granted granted Critical
Publication of CN113742087B publication Critical patent/CN113742087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5055—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering software capabilities, i.e. software resources associated or available to the machine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明适用于计算机技术领域，尤其涉及一种工业互联网大数据服务器的保护方法及系统，所述方法包括：获取待处理数据包；对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包：对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态；根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。本发明通过对需要处理的数据进行分类处理，将其划分为不同的数据流，进而对时效性要求更高的数据流优先处理，从而避免了数据处理扎堆的情况，由于数据处理量恒定，不超过最大限度，因此服务器运行稳定，不会出现过载的情况。

Description

一种工业互联网大数据服务器的保护方法及系统
技术领域
本发明属于计算机技术领域，尤其涉及一种工业互联网大数据服务器的保护方法及系统。
背景技术
工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。
大数据或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
当前的工业物联网中，服务器是必不可少的设备，服务器是数据处理中心，因此对其安全性要求非常高；但是现有的服务器缺乏自我保护，容易在数据处理量大的时候出现数据处理缓慢的问题。
发明内容
本发明实施例的目的在于提供一种工业互联网大数据服务器的保护方法，旨在解决现有的服务器缺乏自我保护，容易在数据处理量大的时候出现数据处理缓慢的问题，本发明通过对数据进行分类处理，从而实行对数据的分时处理，避免应为数据拥堵对服务器造成损伤，实现了对服务器的自我保护。
本发明实施例是这样实现的，一种工业互联网大数据服务器的保护方法，所述方法包括：
获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据；
对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包：
对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态；
根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
优选的，所述对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包的步骤，具体包括：
分析监控视频数据，将其划分为实时监控数据和留存监控数据；
对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据；
将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
优选的，所述对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态的步骤，具体包括：
对待传输时效性数据包进行数据处理，将其按照时效性要求进行等级划分；
按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理；
在处理过程中，获取服务器的实时工作状态。
优选的，所述根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理的步骤，具体包括：
调取服务器的硬件参数，并根据硬件参数以及实时工作状态计算剩余数据处理量；
根据剩余数据处理量计算预设时间步长内能够完成的预期数据处理量；
根据预期数据处理量从待传输非时效性数据包中分割出对应大小的分割数据包，并完成对该分割数据包的数据处理。
优选的，所述硬件参数至少包括服务器的处理器的工作频率。
优选的，所述对待传输非时效性数据包进行动态数据处理进行的步骤中，还包括对待传输非时效性数据包进行重复数据合并。
优选的，当待传输时效性数据包中没有数据时，则直接对待传输非时效性数据包进行数据处理。
本发明实施例的另一目的在于提供一种工业互联网大数据服务器的保护系统，所述系统包括：
数据获取模块，用于获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据；
数据分类模块，用于对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包：
第一数据处理模块，用于对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态；
第二数据处理模块，用于根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
优选的，所述数据分类模块包括：
数据分析单元，用于分析监控视频数据，将其划分为实时监控数据和留存监控数据；
数据归类单元，用于对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据；
数据打包单元，用于将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
优选的，所述第一数据处理模块包括：
等级划分单元，用于对待传输时效性数据包进行数据处理，将其按照时效性要求进行等级划分；
数据排序单元，用于按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理；
状态获取单元，用于在处理过程中，获取服务器的实时工作状态。
本发明实施例提供的一种工业互联网大数据服务器的保护方法，通过对需要处理的数据进行分类处理，将其划分为不同的数据流，进而对时效性要求更高的数据流优先处理，从而避免了数据处理扎堆的情况，由于数据处理量恒定，不超过最大限度，因此服务器运行稳定，不会出现过载的情况。
附图说明
图1为本发明实施例提供的一种工业互联网大数据服务器的保护方法的流程图；
图2为本发明实施例提供的对待处理数据包进行分类处理并将其划分为待传输时效性数据包和待传输非时效性数据包的步骤的流程图；
图3为本发明实施例提供的对待传输时效性数据包进行数据处理并获取服务器的实时工作状态的步骤的流程图；
图4为本发明实施例提供的根据服务器的实时工作状态计算剩余数据处理量并根据剩余数据处理量对待传输非时效性数据包进行动态数据处理的步骤的流程图；
图5为本发明实施例提供的一种工业互联网大数据服务器的保护系统的架构图；
图6为本发明实施例提供的数据分类模块的架构图；
图7为本发明实施例提供的第一数据处理模块的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
大数据或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。当前的工业物联网中，服务器是必不可少的设备，服务器是数据处理中心，因此对其安全性要求非常高；但是现有的服务器缺乏自我保护，容易在数据处理量大的时候出现数据处理缓慢的问题。
在本发明中，通过对需要处理的数据进行分类处理，将其划分为不同的数据流，进而对时效性要求更高的数据流优先处理，从而避免了数据处理扎堆的情况，由于数据处理量恒定，不超过最大限度，因此服务器运行稳定，不会出现过载的情况。
如图1所示，为本发明实施例提供的一种工业互联网大数据服务器的保护方法的流程图，所述方法包括：
S100，获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据。
在本步骤中，获取待处理数据包，待处理数据包包括工业设备数据和监控视频数据，工业设备数据来自于各个工业设备，监控视频数据来自于监控设备，在常规的工业环境中，都会存在大量的工业设备，例如在机械加工厂中，会存在大量的机床，并且会设置监控设备，有些机床之间是具有先后关系，在前一个机床完成其工作之后，就会将相应的数据通过服务器发送至后一个工序对应的机床，此时服务器之间的数据传输则是对时效性有要求的，否则就会影响加工的效率，而在加工完成后，机床会有此次加工的参数记录，需要进行留存，这种类型的数据则为对时效性没有要求的数据，同样的，对于监控视频来说，需要进行实时监控的数据则是具有时效性要求的，而对于记录过程的视频监控是没有时效性要求的。
S200，对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包。
在本步骤中，对待处理数据包进行分类处理分别对待处理数据包中包含的工业设备数据和监控视频数据进行独立处理，将工业设备数据中的数据进行划分，并判断该数据的时效性要求，因此能够得到两类工业设备数据，一类是具有时效性要求的，而另一部分是没有时效性要求的，同样的，对监控视频数据中的数据进行划分，也会得到两类监控视频数据，也同样以时效性作为界限对其进行划分。
S300，对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态。
在本步骤中，对待传输时效性数据包进行数据处理，此部分数据是具有明确的时效性要求的，需要优先处理，服务器本身的数据处理能力是固定不变的，因此在优先对待传输时效性数据包进行处理的过程中，将会占用服务器自身数据处理能力的一部分，以满足对待传输时效性数据处理的需求，此时服务器若仍为达到满载的状态，则将剩余部分的数据处理能力用于对待传输非时效性数据包进行处理。
S400，根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
在本步骤中，根据服务器的实时工作状态计算剩余数据处理量，服务器的总数据处理能力是已知的，并且当前由于处理待传输时效性数据包被占用的比例也是已知的，因此能够推算出剩余数据处理量，那么在此范围内进行数据处理，就不会使服务器过载，利用这一部分数据处理量对待传输非时效性数据包进行动态处理，所谓动态处理，即每个时刻处理的待传输非时效性数据包的大小不同，这是根据当前服务器的实时工作状态得到的；当待传输时效性数据包中没有数据时，则直接对待传输非时效性数据包进行数据处理；对待传输非时效性数据包进行动态数据处理进行的步骤中，还包括对待传输非时效性数据包进行重复数据合并。
如图2所示，作为本发明的一个优选实施例，所述对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包的步骤，具体包括：
S201，分析监控视频数据，将其划分为实时监控数据和留存监控数据。
在本步骤中，对监控视频数据进行分析，根据监控视频数据中包含的视频的内容进行划分，将需要传输至监控室等具有明显时效性特征的视频分为一类，将其他仅需要保存的视频分为一类，从而得到实时监控数据和留存监控数据。
S202，对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据。
在本步骤中，对工业设备数据进行分类，根据工业设备数据中包含的数据内容进行划分，将具有明显时效性特征的工业设备数据划分为实时交互参数数据，剩余部分则为运行记录数据。
S203，将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
在本步骤中，将实时监控数据和实时交互参数数据打包为待传输时效性数据包，待传输时效性数据包中包含的数据均为有时效性要求的，因此会优先处理，将留存监控数据和运行记录数据打包为待传输非时效性数据包，此部分的数据不具有时效性要求，因此在待传输时效性数据包完之后进行处理。
如图3所示，作为本发明的一个优选实施例，所述对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态的步骤，具体包括：
S301，对待传输时效性数据包进行分析，将其按照时效性要求进行等级划分。
在本步骤中，对待传输时效性数据包进行分析，根据数据内容来判断所有数据的时效性，在获得时效性之后，按照时效性要求对数据进行等级划分，从而将时效性要求相同的数据划分为一类，以便于同时处理。
S302，按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理。
在本步骤中，按照划分的等级对时效性数据包进行排序，得到等级顺序之后按照排序顺序进行编号，然后在处理过程中，依次进行处理。
S303，在处理过程中，获取服务器的实时工作状态。
在本步骤中，在处理过程中，获取服务器的实时工作状态，实时工作状态至少包括服务器的处理器的工作频率。
如图4所示，作为本发明的一个优选实施例，所述根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理的步骤，具体包括：
S401，调取服务器的硬件参数，并根据硬件参数以及实时工作状态计算剩余数据处理量。
在本步骤中，先调取服务器的硬件参数，服务器在生产出来后，其硬件参数就已经确定，因此，根据其硬件参数就能够知晓其最大数据处理能力，然后根据硬件参数以及实时工作状态计算剩余数据处理量。
S402，根据剩余数据处理量计算预设时间步长内能够完成的预期数据处理量。
S403，根据预期数据处理量从待传输非时效性数据包中分割出对应大小的分割数据包，并完成对该分割数据包的数据处理。
在本步骤中，划分时间步长，每次计算在一个时间步长内能够完成的预期数据处理量，此时，这部分就能够用于对待传输非时效性数据包进行处理，先从待传输非时效性数据包中分割出对应大小的分割数据包，然后完成对该分割数据包的数据处理。
如图5所示，为本发明提供的一种工业互联网大数据服务器的保护系统，所述系统包括：
数据获取模块100，用于获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据。
在本系统中，数据获取模块100获取待处理数据包，待处理数据包包括工业设备数据和监控视频数据，工业设备数据来自于各个工业设备，监控视频数据来自于监控设备。
数据分类模块200，用于对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包。
在本系统中，数据分类模块200对待处理数据包进行分类处理分别对待处理数据包中包含的工业设备数据和监控视频数据进行独立处理，将工业设备数据中的数据进行划分，并判断该数据的时效性要求，因此能够得到两类工业设备数据，一类是具有时效性要求的，而另一部分是没有时效性要求的，同样的，对监控视频数据中的数据进行划分，也会得到两类监控视频数据，也同样以时效性作为界限对其进行划分。
第一数据处理模块300，用于对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态。
在本系统中，第一数据处理模块300对待传输时效性数据包进行数据处理，此部分数据是具有明确的时效性要求的，需要优先处理，服务器本身的数据处理能力是固定不变的，因此在优先对待传输时效性数据包进行处理的过程中，将会占用服务器自身数据处理能力的一部分，以满足对待传输时效性数据处理的需求，此时服务器若仍为达到满载的状态，则将剩余部分的数据处理能力用于对待传输非时效性数据包进行处理。
第二数据处理模块400，用于根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
在本系统中，第二数据处理模块400根据服务器的实时工作状态计算剩余数据处理量，服务器的总数据处理能力是已知的，并且当前由于处理待传输时效性数据包被占用的比例也是已知的，因此能够推算出剩余数据处理量，那么在此范围内进行数据处理，就不会使服务器过载，利用这一部分数据处理量对待传输非时效性数据包进行动态处理，所谓动态处理，即每个时刻处理的待传输非时效性数据包的大小不同，这是根据当前服务器的实时工作状态得到的；当待传输时效性数据包中没有数据时，则直接对待传输非时效性数据包进行数据处理；对待传输非时效性数据包进行动态数据处理进行的步骤中，还包括对待传输非时效性数据包进行重复数据合并。
如图6所示，作为本发明的一个优选实施例，所述数据分类模块包括：
数据分析单元201，用于分析监控视频数据，将其划分为实时监控数据和留存监控数据。
在本模块中，数据分析单元201对监控视频数据进行分析，根据监控视频数据中包含的视频的内容进行划分，将需要传输至监控室等具有明显时效性特征的视频分为一类，将其他仅需要保存的视频分为一类，从而得到实时监控数据和留存监控数据。
数据归类单元202，用于对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据。
在本模块中，数据归类单元202对工业设备数据进行分类，根据工业设备数据中包含的数据内容进行划分，将具有明显时效性特征的工业设备数据划分为实时交互参数数据，剩余部分则为运行记录数据。
数据打包单元203，用于将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
在本模块中，数据打包单元203将实时监控数据和实时交互参数数据打包为待传输时效性数据包，待传输时效性数据包中包含的数据均为有时效性要求的，因此会优先处理，将留存监控数据和运行记录数据打包为待传输非时效性数据包，此部分的数据不具有时效性要求，因此在待传输时效性数据包完之后进行处理。
如图7所示，作为本发明的一个优选实施例，所述第一数据处理模块包括：
等级划分单元301，用于对待传输时效性数据包进行数据处理，将其按照时效性要求进行等级划分。
在本模块中，等级划分单元301对待传输时效性数据包进行分析，根据数据内容来判断所有数据的时效性，在获得时效性之后，按照时效性要求对数据进行等级划分，从而将时效性要求相同的数据划分为一类，以便于同时处理。
数据排序单元302，用于按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理。
在本模块中，数据排序单元302按照划分的等级对时效性数据包进行排序，得到等级顺序之后按照排序顺序进行编号，然后在处理过程中，依次进行处理。
状态获取单元303，用于在处理过程中，获取服务器的实时工作状态。
在本模块中，状态获取单元303在处理过程中，获取服务器的实时工作状态，实时工作状态至少包括服务器的处理器的工作频率。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种工业互联网大数据服务器的保护方法，其特征在于，所述方法包括：
获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据；
对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包：
对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态；
根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
2.根据权利要求1所述的工业互联网大数据服务器的保护方法，其特征在于，所述对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包的步骤，具体包括：
分析监控视频数据，将其划分为实时监控数据和留存监控数据；
对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据；
将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
3.根据权利要求1所述的工业互联网大数据服务器的保护方法，其特征在于，所述对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态的步骤，具体包括：
对待传输时效性数据包进行数据处理，将其按照时效性要求进行等级划分；
按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理；
在处理过程中，获取服务器的实时工作状态。
4.根据权利要求1所述的工业互联网大数据服务器的保护方法，其特征在于，所述根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理的步骤，具体包括：
调取服务器的硬件参数，并根据硬件参数以及实时工作状态计算剩余数据处理量；
根据剩余数据处理量计算预设时间步长内能够完成的预期数据处理量；
根据预期数据处理量从待传输非时效性数据包中分割出对应大小的分割数据包，并完成对该分割数据包的数据处理。
5.根据权利要求4所述的工业互联网大数据服务器的保护方法，其特征在于，所述硬件参数至少包括服务器的处理器的工作频率。
6.根据权利要求1所述的工业互联网大数据服务器的保护方法，其特征在于，所述对待传输非时效性数据包进行动态数据处理进行的步骤中，还包括对待传输非时效性数据包进行重复数据合并。
7.根据权利要求1所述的工业互联网大数据服务器的保护方法，其特征在于，当待传输时效性数据包中没有数据时，则直接对待传输非时效性数据包进行数据处理。
8.一种工业互联网大数据服务器的保护系统，其特征在于，所述系统包括：
数据获取模块，用于获取待处理数据包，所述待处理数据包包括工业设备数据和监控视频数据；
数据分类模块，用于对待处理数据包进行分类处理，将其划分为待传输时效性数据包和待传输非时效性数据包：
第一数据处理模块，用于对待传输时效性数据包进行数据处理，并获取服务器的实时工作状态；
第二数据处理模块，用于根据服务器的实时工作状态，计算剩余数据处理量，根据剩余数据处理量对待传输非时效性数据包进行动态数据处理。
9.根据权利要求8所述的工业互联网大数据服务器的保护系统，其特征在于，所述数据分类模块包括：
数据分析单元，用于分析监控视频数据，将其划分为实时监控数据和留存监控数据；
数据归类单元，用于对工业设备数据进行分类，将其划分为实时交互参数数据和运行记录数据；
数据打包单元，用于将实时监控数据和实时交互参数数据打包为待传输时效性数据包，将留存监控数据和运行记录数据打包为待传输非时效性数据包。
10.根据权利要求8所述的工业互联网大数据服务器的保护系统，其特征在于，所述第一数据处理模块包括：
等级划分单元，用于对待传输时效性数据包进行数据处理，将其按照时效性要求进行等级划分；
数据排序单元，用于按照划分的等级对时效性数据包进行排序，并按照排序对其进行处理；
状态获取单元，用于在处理过程中，获取服务器的实时工作状态。
CN202111109474.6A 2021-09-22 2021-09-22 一种工业互联网大数据服务器的保护方法及系统 Active CN113742087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111109474.6A CN113742087B (zh) 2021-09-22 2021-09-22 一种工业互联网大数据服务器的保护方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111109474.6A CN113742087B (zh) 2021-09-22 2021-09-22 一种工业互联网大数据服务器的保护方法及系统

Publications (2)

Publication Number Publication Date
CN113742087A true CN113742087A (zh) 2021-12-03
CN113742087B CN113742087B (zh) 2023-12-12

Family

ID=78740346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111109474.6A Active CN113742087B (zh) 2021-09-22 2021-09-22 一种工业互联网大数据服务器的保护方法及系统

Country Status (1)

Country Link
CN (1) CN113742087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115174494A (zh) * 2022-06-12 2022-10-11 上海慧程工程技术服务有限公司 一种工业物联网网关中的数据处理方法及工业物联网网关

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202287A1 (en) * 2009-02-12 2010-08-12 Raul Diaz System and method for network optimization by managing low priority data transfers
CN102111383A (zh) * 2009-12-28 2011-06-29 北京安码科技有限公司 一种利用优先级队列防止dos攻击的方法
US20110282920A1 (en) * 2010-05-12 2011-11-17 International Business Machines Corporation Request processing system, method and program product
WO2017182354A1 (en) * 2016-04-21 2017-10-26 Philips Lighting Holding B.V. Systems and methods for commissioning and localizing devices used for cloud-based monitoring and control of physical environments
WO2017182363A1 (en) * 2016-04-21 2017-10-26 Philips Lighting Holding B.V. Systems and methods for registering and localizing building servers for cloud-based monitoring and control of physical environments
CN111274348A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 服务特征数据提取方法、装置及电子设备
CN112118462A (zh) * 2020-09-27 2020-12-22 成都辰迈科技有限公司 一种基于工业互联网操作系统的数据采集方法、系统
CN112434044A (zh) * 2020-12-04 2021-03-02 深圳华制智能制造技术有限公司 一种工业互联网平台监测数据传输交换方法和系统
WO2021051531A1 (zh) * 2019-09-19 2021-03-25 平安科技（深圳）有限公司 处理多集群作业记录的方法、装置、设备及存储介质
WO2021202017A1 (en) * 2020-03-31 2021-10-07 Micron Technology, Inc. Lightweight artificial intelligence layer to control the transfer of big data

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202287A1 (en) * 2009-02-12 2010-08-12 Raul Diaz System and method for network optimization by managing low priority data transfers
CN102111383A (zh) * 2009-12-28 2011-06-29 北京安码科技有限公司 一种利用优先级队列防止dos攻击的方法
US20110282920A1 (en) * 2010-05-12 2011-11-17 International Business Machines Corporation Request processing system, method and program product
WO2017182354A1 (en) * 2016-04-21 2017-10-26 Philips Lighting Holding B.V. Systems and methods for commissioning and localizing devices used for cloud-based monitoring and control of physical environments
WO2017182363A1 (en) * 2016-04-21 2017-10-26 Philips Lighting Holding B.V. Systems and methods for registering and localizing building servers for cloud-based monitoring and control of physical environments
CN111274348A (zh) * 2018-12-04 2020-06-12 北京嘀嘀无限科技发展有限公司 服务特征数据提取方法、装置及电子设备
WO2021051531A1 (zh) * 2019-09-19 2021-03-25 平安科技（深圳）有限公司 处理多集群作业记录的方法、装置、设备及存储介质
WO2021202017A1 (en) * 2020-03-31 2021-10-07 Micron Technology, Inc. Lightweight artificial intelligence layer to control the transfer of big data
CN112118462A (zh) * 2020-09-27 2020-12-22 成都辰迈科技有限公司 一种基于工业互联网操作系统的数据采集方法、系统
CN112434044A (zh) * 2020-12-04 2021-03-02 深圳华制智能制造技术有限公司 一种工业互联网平台监测数据传输交换方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JAMES R. MOYNE ET.AL: "The Emergence of Industrial Control Networks for Manufacturing Control, Diagnostics, and Safety Data", 《PROCEEDINGS OF THE IEEE 》, vol. 95, no. 01 *
数据工匠: "典型工业企业大数据平台解决方案(含数据治理)", 《CSDN博客》 *
靳继伟: "基于互联网医疗大数据的分析平台设计与开发", 《中国优秀硕士论文全文数据库（信息科技辑）》, no. 03 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115174494A (zh) * 2022-06-12 2022-10-11 上海慧程工程技术服务有限公司 一种工业物联网网关中的数据处理方法及工业物联网网关
CN115174494B (zh) * 2022-06-12 2023-09-22 上海慧程工程技术服务有限公司 一种工业物联网网关中的数据处理方法及工业物联网网关

Also Published As

Publication number Publication date
CN113742087B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
CN106815112B (zh) 一种基于深度包检测的海量数据监控系统及方法
CN113742087A (zh) 一种工业互联网大数据服务器的保护方法及系统
CN111881448B (zh) 恶意文件的确定方法及装置
CN115412371B (zh) 基于物联网的大数据安全防护方法、系统及云平台
CN105871619A (zh) 一种基于n-gram多特征的流量载荷类型检测方法
US20070162629A1 (en) Method of assigning objects to processing units
CN111586150A (zh) 车辆数据上传方法、装置、计算机设备和存储介质
CN113077065A (zh) 车辆生产线故障的处理方法、装置、设备及存储介质
CN108415912A (zh) 基于MapReduce模型的数据处理方法和设备
CN113114524A (zh) 基于Spark流式的DNS隧道检测方法、装置及电子设备
CN111858659A (zh) 基于行键盐值的数据查询方法、装置、设备及存储介质
CN110908796A (zh) 一种Gaia系统中的多作业合并与优化系统及方法
CN113259367B (zh) 工控网络流量多级异常检测方法及装置
CN115913730B (zh) 基于物联网设备的信息处理方法、装置、设备及存储介质
CN115378826B (zh) 针对多工作流的网络漏洞识别方法及系统
CN107222343A (zh) 基于支持向量机的专用网络流分类方法
CN116304257A (zh) 一种基于大数据的分类存储方法及系统
CN114168610B (zh) 一种基于线序划分的分布式存储和查询方法及系统
CN115514784A (zh) 基于物联网的多源数据采集中台
CN109922087A (zh) 工控协议的解析方法、装置、系统及计算机存储介质
CN111586155A (zh) 车辆数据处理方法和系统
CN112383949B (zh) 一种边缘计算与通信资源分配方法及系统
CN117857649B (zh) 一种传输控制协议数据包的传输方法及系统
CN116757734B (zh) 基于云计算的大数据信息分析方法及系统
CN115144735B (zh) 测试程序确定方法、装置、电子设备及可读存储介质

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