CN115344761A - 一种物联网节点的内存占用优化方法及系统 - Google Patents
一种物联网节点的内存占用优化方法及系统 Download PDFInfo
- Publication number
- CN115344761A CN115344761A CN202210904348.8A CN202210904348A CN115344761A CN 115344761 A CN115344761 A CN 115344761A CN 202210904348 A CN202210904348 A CN 202210904348A CN 115344761 A CN115344761 A CN 115344761A
- Authority
- CN
- China
- Prior art keywords
- node
- internet
- things
- nodes
- analysis result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 title claims description 23
- 238000004458 analytical method Methods 0.000 claims description 68
- 238000004445 quantitative analysis Methods 0.000 claims description 42
- 238000004451 qualitative analysis Methods 0.000 claims description 39
- 230000006855 networking Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 5
- 238000013439 planning Methods 0.000 abstract description 12
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010224 classification analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000005056 compaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种物联网节点的内存占用优化方法及系统,涉及物联网存储规划相关技术领域,获取物联网节点数据库,进而对其进行特征分析,得到物联网节点特征集合,基于物联网特征集合进行分类以获取节点类别信息,对节点类别信息进行定量与定性分析,获得节点类别分析结果,根据所述节点类别分析结果,构建内存结构,进一步进行分类优化存储,解决了现有技术中存在的对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用的技术问题,达到了对物联网节点的内存占比进行重新规划,以达到节点的分类优化存储的目的。
Description
技术领域
本发明涉及物联网存储规划相关技术领域,具体涉及一种物联网节点的内存占用优化方法及系统。
背景技术
随着物联网应用的快速发展,市场对内存的需求也相应的得到了提升,现如今,物联网由于存储数据量过大,易导致存储内存受限,无法满足功能性的存储要求,进而影响部分数据的调用,然而,现今对于物联网节点的存储划分其针对性不够明确,限制了存储空间的使用。
现如今还存在着部分相关问题未能解决,现有技术对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用。
发明内容
本申请提供了一种物联网节点的内存占用优化方法及系统,用于针对解决现有技术中存在的对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用的技术问题。
鉴于上述问题,本申请提供了一种物联网节点的内存占用优化方法及系统。
第一方面,本申请提供了一种物联网节点的内存占用优化方法,所述方法包括:获得物联网节点数据库;对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;对所述物联网特征集合进行分类,得到节点类别信息;对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;根据所述节点类别分析结果,构建内存结构;根据所述内存结构对物联网节点进行分类优化存储。
第二方面,本申请提供了一种物联网节点的内存占用优化系统,所述系统包括:数据获取模块,所述数据获取模块用于获得物联网节点数据库;特征分析模块,所述特征分析模块用于对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;特征分类模块,所述特征分类模块用于对所述物联网特征集合进行分类,得到节点类别信息;信息分析模块,所述信息分析模块用于对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;结构构建模块,所述结构构建模块用于根据所述节点类别分析结果,构建内存结构;节点优化模块,所述节点优化模块用于根据所述内存结构对物联网节点进行分类优化存储。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种物联网节点的内存占用优化方法,对物联网节点数据库进行获取,进一步对所述物联网节点数据库进行特征分析,获取物联网节点特征集合,基于所述物联网特征集合进行分类以获取相应节点类别信息,进一步对所述节点类别信息进行定量分析与定性分析,获得节点类别分析结果,基于所述节点类别分析结果进行内存结构的构建,基于构建的内存结构进行分类优化存储,解决了现有技术中存在的对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用的技术问题,通过对物联网节点的内存占用比进行优化,进而使得所述物联网节点得到分类优化存储。
附图说明
图1为本申请提供了一种物联网节点的内存占用优化方法流程示意图;
图2为本申请提供了一种物联网节点的内存占用优化方法中节点类别分析结果获取流程示意图;
图3为本申请提供了一种物联网节点的内存占用优化方法中内存结构构建流程示意图;
图4为本申请提供了一种物联网节点的内存占用优化系统结构示意图。
附图标记说明:数据获取模块a,特征分析模块b,特征分类模块c,信息分析模块d,结构构建模块e,节点优化模块f。
具体实施方式
本申请提供的一种物联网节点的内存占用优化方法及系统,通过进行物联网节点数据库的特征提取与分类,进一步对节点类别信息进行定量分析与定性分析,以进行内存结构的构建来进行物联网节点的分类优化存储,用于解决现有技术中存在的对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用的技术问题。
实施例一
如图1所示,本申请提供了一种物联网节点的内存占用优化方法,所述方法包括:
步骤S100:获得物联网节点数据库;
具体而言,本发明提供了一种物联网节点的内存占用优化方法,通过对物联网节点进行特征提取与分类,基于信息的定性与定量分析进行内存结构的构建,进而对物联网节点进行分类优化存储,其中,物联网作为一个将所有物体连接起来的物与物相连的互联网络,整体以树状目录组织形成结构,首先,对物联网节点数据库进行采集,基于所述物联网节点数据库,对物联网平台所覆盖的流数据、传感数据、FRID数据、时间序列数据等进行数据管理,进行所需数据信息的调用与存储,通过对所述物联网节点数据库进行获取,为后续进行多节点的归类分析提供了事实依据。
步骤S200:对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;
具体而言,通过对所述物联网数据库进行信息采集,获取相应的数据集合,基于电源、存储能力、计算能力、感知性、联网能力、移动性等几方面对获取的数据集合进行特征提取分析,获取其中所涵盖的数据特征,进而获取所述物联网节点特征集合,所述物联网节点特征集合主要包括全面感知、可靠传输和智能处理,其中,所述全面感知指利用FRID,即无线射频识别、传感器等相关手段可无需考虑时间地点进行物体信息的获取,进一步对相关信息进行协同处理以进行控制;所述可靠传输指通过有线网络和无线网络对获取的全面感知信息进行远程的实时传送,对相关信息进行共享交互;所述智能处理指基于各种智能计算机技术,对所接收到的多种不同种类的海量数据信息进行分析处理,进一步进行智能化的控制决策,通过进行所述物联网节点数据库的特征分析以获取相应的物联网节点特征集合,为后期进行物联网节点的分类分析提供了信息支撑。
步骤S300:对所述物联网特征集合进行分类,得到节点类别信息;
具体而言,通过对所述物联网数据库进行特征分析,获取相应的节点特征集合,进一步对获取的所述物联网特征集合进行分类,依据分类标准将其划分为无源cps节点、有源cps节点与互联网cps节点,其中,所述无源cps节点作为物联网中数量最多的节点类型,指代具有电子标签的物品类型,例如,携带有电子标签的人或物都可作为一个无源cps节点而存在;所述有源cps节点作为物联网的核心节点,指代具有感知、联网与控制能力的对应嵌入式系统 ,例如,具备可传感信息的人或物可作为一个无源cps节点而存在;所述互联网cps节点作为所述物联网的控制与信息中心,指代具有联网能力与控制能力的计算系统,例如,将安全可靠性较高的能提供时空约束的相关网络节点可作为一个互联网cps节点而存在,通过对所述物联网集合进行分类,为后期进行分类优化提供了信息支持。
步骤S400:对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;
具体而言,通过进行所述物联网特征集合的分类,对所述物联网进行节点划分,以获取相应的节点类别信息,基于所述节点类别信息,对获取的所述无源cps节点、有源cps节点与互联网cps节点分别进行定量分析与定性分析,通过进行定量分析,确定各个节点类型所包含的节点数量信息,并进行相关分析,进一步针对不同类型采用不同的序列号进行编码,便于进行辨别,通过对各个节点进行计算属性、联网属性、感知属性和存储属性的相关信息分析,进一步以此为基础对所述物联网包含的节点进行类别划分,进而确定相应的节点其相关的具体属性值,以进行具体分析,将定性分析结果与定量分析结果进行拟合,以获取相应的节点类别分析结果,基于所述节点类别分析结果,为进一步进行物联网内存结构的构建提供了依据。
步骤S500:根据所述节点类别分析结果,构建内存结构;
步骤S600:根据所述内存结构对物联网节点进行分类优化存储。
具体而言,基于所述节点类别分析结果,进行存储路径与存储空间容量的确定,所述存储路径指数据信息存储进程中正确的走向指引,引导待存储数据信息归于其对应的存储空间,所述存储空间容量指存储空间可存储数据的多少,进一步,依据所述存储路径与所述存储空间容量进行所述内存结构的构建,所述内存结构指所述物联网存储空间的相应结构构造,通过进行所述内存结构的构建,为进行所述物联网节点的分类优化存储提供了基础条件。
进一步而言,基于所构建的内存结构,对所述物联网节点进行分类优化存储,其中,所述内存结构包括本地存储模块、私有云存储模块和公有云存储模块,各个存储模块分别与所述无源cps节点、所述有源cps节点与所述互联网cps节点一一对应,将各个节点分别存入其相对应的存储模块,以达到所述物联网节点的分类优化存储。
进一步而言,对所述物联网特征集合进行分类,得到节点类别信息,本申请步骤S300还包括:
步骤S310:获得节点分类标签,所述节点分类标签包括:无源cps节点标签、有源cps节点标签和互联网cps节点标签;
步骤S320:以所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签为标准,结合所述物联网特征集合进行分析,对所述物联网节点数据库进行类别划分,得到所述节点类别信息。
具体而言,基于获取的所述物联网特征集合,对其进行节点类别信息的识别,以进行所述物联网中网络节点类型的划分,首先进行节点分类标签的获取,将其划分为无源cps节点标签、有源cps节点标签和互联网cps节点标签,基于获取的所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签对所述物联网特征集合进行具象分析,以所述节点分类标签为划分标准进行所述物联网数据库的节点类型的划分,在此基础上获得相对应的节点类别信息,获得所述无源cps节点、所述有源cps节点连接与所述互联网cps节点,进一步而言,上述多个网络节点之间存在着不同的连接类型,例如,所述无源cps节点与无源cps节点连接、所述无源cps节点与有源cps节点连接、所述无源cps节点与互联网cps节点连接等,通过进行所述物联网数据库的节点类别划分,便于后期进行针对性的分析优化,为进行物联网的结构优化奠定了相应基础。
进一步而言,如图2所示,对所述节点类别信息进行定量、定性分析,获得节点类别分析结果,本申请步骤S400还包括:
步骤S410:对所述节点类别信息进行定量分析,得到节点定量分析结果;
步骤S420:对所述节点类别信息进行定性分析,得到节点定性分析结果;
步骤S430:对所述节点定量分析结果和所述节点定性分析结果进行拟合,得到所述节点类别分析结果。
具体而言,基于所述物联网特征集合的分类结果,获得所述节点类别信息,进一步对所述节点类别信息进行各节点类别所涵盖的数据类别的识别,进一步确定同一节点类型所对应的节点数量信息与其中涵盖的各个节点相关的多个信息参数,对获取的多个参数数据进行归类整合分析,以获取所述节点定量分析结果,所述节点定量分析结果指依据划分节点类别进行针对性的相关节点数量提取,进而进行对应节点覆盖数据量的分析,进一步而言,对所述节点类别信息进行性质特点的相关分析,确定各个节点类型所包含的多个节点的信息突出性质特点,包括相关的计算属性、联网属性、感知属性和存储属性等,对其进行归类整合,进而获取所述节点定性分析结果,例如,所述无源cps节点具备可移动性,该类型节点通常不带电源,有少量数据存储能力,可被感知,然而不能进行计算与联网。
由于所述定量分析结果与所述定性分析结果之间互相联系,相辅相成,进一步对所述节点定量分析结果和所述节点定性分析结果进行拟合,将拟合后的总的分析结果作为所述节点类别分析结果进行存储,基于所述节点类别的相关分析,可以此为基本条件信息进行后续内存结构的构建。
进一步而言,对所述节点类别信息进行定量分析,得到节点定量分析结果,本申请步骤S410还包括:
步骤S411:根据所述节点类别信息,得到各类别中节点的数量信息;
步骤S412:对所述各类别中节点的数量信息按照数量比例进行编码,得到编码信息,其中,所述编码信息与所述各类别中节点的数量信息具有对应关系;
步骤S413:根据所述编码信息,确定所述节点定量分析结果。
具体而言,通过进行所述节点类别信息的获取,基于获取的所述无源cps节点、有源cps节点和互联网cps节点,分别对各个节点的数量信息进行提取划分,例如,以所述无源cps节点作为一种类型对所述节点类别信息中的信息进行分类识别,确定属于该节点的所有节点数量信息,对其进行归类整合处理,进一步的,对所述各个类别中的节点数量信息按照数量比例进行编码,例如,对所述无源cps节点类型,对同属该类型的节点以01、02……进行编码,便于后期进行调用识别,所述编码信息与各节点类型中的数量信息一一对应,将编码后的节点数量信息进行整合作为所述编码信息进行存储,以获取的所述编码信息作为分析材料对所述节点进行定量分析,获取所述节点定量分析结果,通过进行所述节点类别信息的定量分析,了进一步对各个类型所覆盖节点的数量进行确定,为后期进行内存结构构建提供了相应的基础条件。
进一步而言,对所述节点类别信息进行定性分析,获得节点定性分析结果,本申请步骤S420还包括:
步骤S421:获得所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签的计算属性、联网属性、感知属性和存储属性;
步骤S422:基于所述计算属性、所述联网属性所述感知属性和所述存储属性对所述节点类别信息进行分析,得到所述节点定性分析结果。
具体而言,基于获取的所述节点类别信息,进行节点分类标签的获取,将其划分为所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签,在此基础上对各个标签的计算属性、联网属性、感知属性与存储属性进行具体分析,其中,所述无源cps节点标签不具备计算属性与联网属性,具备被感知能力,且具有少量的存储能力,所述有源cps节点标签具备计算属性、联网属性、感知属性与存储属性,但其性能较所述互联网cps节点标签较弱,所述互联网cps节点标签可具有感知属性,并且具备较强的计算属性、联网属性与存储属性,分别对所述物联网所包含的多个节点进行计算属性、联网属性、感知属性与存储属性的相关分析,以确定其所属的相应节点类型,进而获取所述节点定性分析结果,通过对所述节点类别信息进行定性分析,对各个节点的类型进行相应的判定,以确定各个节点类型标签所涵盖的节点信息,为后续进行内存结构的构建提供信息支持。
进一步而言,如图3所示,根据所述节点类别分析结果,构建内存结构,本申请步骤S500还包括:
步骤S510:基于所述节点类别分析结果,确定对应存储路径;
步骤S520:根据所述对应存储路径和所述节点类别分析结果,确定对应存储空间容量;
步骤S530:根据所述对应存储空间容量,确定空间容量配比;
步骤S540:根据所述存储对应路径、所述空间容量配比,构建所述内存结构。
具体而言,通过进行所述节点类别信息的定性分析与定量分析,获取所述节点类别分析结果,在此基础上,对所述物联网的存储路径进行确定,依据节点类别不同确定其相对应的存储路径,基于所述对应存储路径与所述节点类别分析结果,进一步确定相应的存储空间容量,所述存储空间容量指所能存储的数据量的大小,依据确定的所述对应存储空间容量进行空间容量配比,所述空间容量配比指对应存储空间容量之间的比值,以此来确定相应的所需存储空间占比,进一步可基于此来进行空间容量的分配,依据所述存储对应路径与所述空间容量配比进行内存结构的构建,确定相应的存储路径与存储空间,为后续进行所述物联网节点的分类优化存储夯实了基础。
进一步而言,根据所述内存结构对物联网节点进行分类优化存储,本申请步骤S600还包括:
步骤S610:所述内存结构包括:本地存储模块、私有云存储模块和公有云存储模块;
步骤S620:基于所述节点类别分析结果,将无源cps节点存入所述本地存储模块、将有源cps节点存入所述私有云存储模块和将互联网cps节点存入所述公有云存储模块。
具体而言,通过所述存储路径与所述存储容量空间的获取,进行所述内存结构的构建,其中,所述内存结构包括本地存储模块、私有云存储模块和公有云存储模块,所述本地存储模块将数据存储在用户的浏览器中,读取方便,不回丢失数据,可长期存储数据,不会有时间的限制,所述私有云存储模块指为某一客户单独使用所构建的模块,客户可随意进行控制、配置升级等,达到对数据安全性的最有效限制,然而,其存储空间与计算可用性会受到一定影响,所述公有云存储模块指第三方提供的开放性的可进行资源共享的模块,将所述节点类别分析结果分别存入相应的存储模块,即所述无源cps节点存入所述本地存储模块、所述有源cps节点存入所述私有云存储模块、所述互联网cps节点存入所述公有云存储模块,以达到所述物联网节点的分类优化存储。
本申请实施例提供的一种物联网节点的内存占用优化方法,通过对物联网节点数据库进行获取,进一步对所述物联网节点数据库进行特征分析,获取物联网节点特征集合,并对其进行分类以获取相应节点类别信息,包括无源cps节点、有源cps节点和互联网cps节点,通过进行节点类型的划分进而对所述物联网所涵盖的多个节点依据所属节点类型进行归类整合处理。
进一步对所述节点类别信息进行定量分析与定性分析,获得节点类别分析结果,通过进行节点类别信息的定量分析与定性分析,以确定相应的存储路径与存储空间容量,进而进行内存结构的构建,基于构建的内存结构进行分类优化存储,使得现有技术中存在的对物联网节点的内存占用空间规划不够精准,无法达到对存储空间的最优规划,以进行空间的充分利用的技术问题得到了解决,通过对物联网节点的内存占用比进行优化,以进行所述物联网节点的分类优化存储。
实施例二
基于与前述实施例中一种物联网节点的内存占用优化方法相同的发明构思,如图4所示,本申请提供了一种物联网节点的内存占用优化系统,所述系统包括:
数据获取模块a,所述数据获取模块a用于获得物联网节点数据库;
特征分析模块b,所述特征分析模块b用于对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;
特征分类模块c,所述特征分类模块c用于对所述物联网特征集合进行分类,得到节点类别信息;
信息分析模块d,所述信息分析模块d用于对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;
结构构建模块e,所述结构构建模块e用于根据所述节点类别分析结果,构建内存结构;
节点优化模块f,所述节点优化模块f用于根据所述内存结构对物联网节点进行分类优化存储。
进一步而言,所述系统还包括:
节点分类模块,所述节点分类模块用于获得节点分类标签,所述节点分类标签包括:无源cps节点标签、有源cps节点标签和互联网cps节点标签;
数据库划分模块,所述数据库划分模块用于以所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签为标准,结合所述物联网特征集合进行分析,对所述物联网节点数据库进行类别划分,得到所述节点类别信息。
进一步而言,所述系统还包括:
节点定量分析模块,所述节点定量分析模块用于对所述节点类别信息进行定量分析,得到节点定量分析结果;
节点定性分析模块,所述节点定性分析模块用于对所述节点类别信息进行定性分析,得到节点定性分析结果;
分析结果拟合模块,所述分析结果拟合模块用于对所述节点定量分析结果和所述节点定性分析结果进行拟合,得到所述节点类别分析结果。
进一步而言,所述系统还包括:
节点数量获取模块,所述节点数量获取模块用于根据所述节点类别信息,得到各类别中节点的数量信息;
节点数量编码模块,所述节点数量编码模块用于对所述各类别中节点的数量信息按照数量比例进行编码,得到编码信息,其中,所述编码信息与所述各类别中节点的数量信息具有对应关系;
定量分析模块,所述定量分析模块用于根据所述编码信息,确定所述节点定量分析结果。
进一步而言,所述系统还包括:
节点属性获取模块,所述节点属性获取模块用于获得所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签的计算属性、联网属性、感知属性和存储属性;
定性分析模块,所述定性分析模块用于基于所述计算属性、所述联网属性所述感知属性和所述存储属性对所述节点类别信息进行分析,得到所述节点定性分析结果。
进一步而言,所述系统还包括:
存储路径确定模块,所述存储路径确定模块用于基于所述节点类别分析结果,确定对应存储路径;
存储空间容量确定模块,所述存储空间容量确定模块用于根据所述对应存储路径和所述节点类别分析结果,确定对应存储空间容量;
空间容量配比确定模块,所述空间容量配比确定模块用于根据所述对应存储空间容量,确定空间容量配比;
内存结构构建模块,所述内存结构构建模块用于根据所述存储对应路径、所述空间容量配比,构建所述内存结构。
进一步而言,所述系统还包括:
内存结构分类模块,所述内存结构分类模块用于所述内存结构包括:本地存储模块、私有云存储模块和公有云存储模块;
节点存储模块,所述节点存储模块用于基于所述节点类别分析结果,将无源cps节点存入所述本地存储模块、将有源cps节点存入所述私有云存储模块和将互联网cps节点存入所述公有云存储模块。
本说明书通过前述对一种物联网节点的内存占用优化方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种物联网节点的内存占用优化方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种物联网节点的内存占用优化方法,其特征在于,所述方法包括:
获得物联网节点数据库;
对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;
对所述物联网特征集合进行分类,得到节点类别信息;
对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;
根据所述节点类别分析结果,构建内存结构;
根据所述内存结构对物联网节点进行分类优化存储。
2.如权利要求1所述的方法,其特征在于,所述对所述物联网特征集合进行分类,得到节点类别信息,包括:
获得节点分类标签,所述节点分类标签包括:无源cps节点标签、有源cps节点标签和互联网cps节点标签;
以所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签为标准,结合所述物联网特征集合进行分析,对所述物联网节点数据库进行类别划分,得到所述节点类别信息。
3.如权利要求2所述的方法,其特征在于,对所述节点类别信息进行定量、定性分析,获得节点类别分析结果,包括:
对所述节点类别信息进行定量分析,得到节点定量分析结果;
对所述节点类别信息进行定性分析,得到节点定性分析结果;
对所述节点定量分析结果和所述节点定性分析结果进行拟合,得到所述节点类别分析结果。
4.如权利要求3所述的方法,其特征在于,所述对所述节点类别信息进行定量分析,得到节点定量分析结果,包括:
根据所述节点类别信息,得到各类别中节点的数量信息;
对所述各类别中节点的数量信息按照数量比例进行编码,得到编码信息,其中,所述编码信息与所述各类别中节点的数量信息具有对应关系;
根据所述编码信息,确定所述节点定量分析结果。
5.如权利要求3所述的方法,其特征在于,对所述节点类别信息进行定性分析,获得节点定性分析结果,包括:
获得所述无源cps节点标签、所述有源cps节点标签和所述互联网cps节点标签的计算属性、联网属性、感知属性和存储属性;
基于所述计算属性、所述联网属性所述感知属性和所述存储属性对所述节点类别信息进行分析,得到所述节点定性分析结果。
6.如权利要求1所述的方法,其特征在于,所述根据所述节点类别分析结果,构建内存结构,包括:
基于所述节点类别分析结果,确定对应存储路径;
根据所述对应存储路径和所述节点类别分析结果,确定对应存储空间容量;
根据所述对应存储空间容量,确定空间容量配比;
根据所述存储对应路径、所述空间容量配比,构建所述内存结构。
7.如权利要求6所述的方法,其特征在于,所述根据所述内存结构对物联网节点进行分类优化存储,包括:
所述内存结构包括:本地存储模块、私有云存储模块和公有云存储模块;
基于所述节点类别分析结果,将无源cps节点存入所述本地存储模块、将有源cps节点存入所述私有云存储模块和将互联网cps节点存入所述公有云存储模块。
8.一种物联网节点的内存占用优化系统,其特征在于,所述系统包括:
数据获取模块,所述数据获取模块用于获得物联网节点数据库;
特征分析模块,所述特征分析模块用于对所述物联网节点数据库进行特征分析,得到物联网节点特征集合;
特征分类模块,所述特征分类模块用于对所述物联网特征集合进行分类,得到节点类别信息;
信息分析模块,所述信息分析模块用于对所述节点类别信息进行定量、定性分析,获得节点类别分析结果;
结构构建模块,所述结构构建模块用于根据所述节点类别分析结果,构建内存结构;
节点优化模块,所述节点优化模块用于根据所述内存结构对物联网节点进行分类优化存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210904348.8A CN115344761A (zh) | 2022-07-29 | 2022-07-29 | 一种物联网节点的内存占用优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210904348.8A CN115344761A (zh) | 2022-07-29 | 2022-07-29 | 一种物联网节点的内存占用优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115344761A true CN115344761A (zh) | 2022-11-15 |
Family
ID=83950744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210904348.8A Pending CN115344761A (zh) | 2022-07-29 | 2022-07-29 | 一种物联网节点的内存占用优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344761A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117354062A (zh) * | 2023-12-04 | 2024-01-05 | 天津市品茗科技有限公司 | 一种物联网应用平台的管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051672A (zh) * | 2012-11-21 | 2013-04-17 | 中兴通讯股份有限公司 | 一种异构终端环境中的终端信息获取方法及装置 |
CN104468715A (zh) * | 2014-10-31 | 2015-03-25 | 广东工业大学 | 一种制造业物联网节点协同存储方法 |
CN106294829A (zh) * | 2016-08-17 | 2017-01-04 | 东莞前沿技术研究院 | 一种物联网数据库构建方法及装置 |
CN114598719A (zh) * | 2021-09-06 | 2022-06-07 | 广东东华发思特软件有限公司 | 智慧城市物联事件管理方法、装置及可读介质 |
-
2022
- 2022-07-29 CN CN202210904348.8A patent/CN115344761A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051672A (zh) * | 2012-11-21 | 2013-04-17 | 中兴通讯股份有限公司 | 一种异构终端环境中的终端信息获取方法及装置 |
CN104468715A (zh) * | 2014-10-31 | 2015-03-25 | 广东工业大学 | 一种制造业物联网节点协同存储方法 |
CN106294829A (zh) * | 2016-08-17 | 2017-01-04 | 东莞前沿技术研究院 | 一种物联网数据库构建方法及装置 |
CN114598719A (zh) * | 2021-09-06 | 2022-06-07 | 广东东华发思特软件有限公司 | 智慧城市物联事件管理方法、装置及可读介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117354062A (zh) * | 2023-12-04 | 2024-01-05 | 天津市品茗科技有限公司 | 一种物联网应用平台的管理系统 |
CN117354062B (zh) * | 2023-12-04 | 2024-02-09 | 天津市品茗科技有限公司 | 一种物联网应用平台的管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825968B (zh) | 信息推送方法、装置、存储介质和计算机设备 | |
CN112118551B (zh) | 设备风险识别方法及相关设备 | |
CN111552570B (zh) | 物联网数据处理资源的自适应分配方法及云计算服务器 | |
CN115511501A (zh) | 一种数据处理方法、计算机设备以及可读存储介质 | |
CN112950569B (zh) | 黑色素瘤图像识别方法、装置、计算机设备及存储介质 | |
CN115344761A (zh) | 一种物联网节点的内存占用优化方法及系统 | |
CN111950622A (zh) | 基于人工智能的行为预测方法、装置、终端及存储介质 | |
CN115984031A (zh) | 一种工业互联网标识分类采集与快速解析方法 | |
CN102932421A (zh) | 云备份方法及装置 | |
CN114385609A (zh) | 基于标签的政务事件处理系统、方法、设备及存储介质 | |
CN111026938B (zh) | 时空大数据整合分析方法、装置、设备及存储介质 | |
CN111092764B (zh) | 一种实时动态亲密度关系分析方法及系统 | |
CN116956130A (zh) | 一种基于关联特征梳理模型的智能化数据处理方法及系统 | |
CN116028467A (zh) | 智能服务大数据建模方法、系统、存储介质及计算机设备 | |
CN115409115A (zh) | 基于用户日志的时序聚类异常终端识别方法 | |
CN114092724A (zh) | 一种基于图像识别技术的工程监理方法和系统 | |
CN111737319B (zh) | 用户集群的预测方法、装置、计算机设备和存储介质 | |
CN113884756A (zh) | 一种电能计量边缘采集装置及方法 | |
CN107205028A (zh) | 一种服务分类方法及装置 | |
CN107295087B (zh) | 一种实现网系间数据聚合的系统及方法 | |
CN117931846B (zh) | 基于多源融合的智能门禁数据管理方法及系统 | |
CN113298448B (zh) | 基于互联网的租赁指数分析方法、系统及云平台 | |
CN117082113B (zh) | 一种基于数据融合的分布式设备监测系统及方法 | |
CN115879506A (zh) | 基于信令的人群迁徙预测方法、装置、设备和存储介质 | |
US20240111807A1 (en) | Embedding and Analyzing Multivariate Information in Graph Structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221115 |