CN115525002A - 一种数据采集控制方法、服务器、客户端及存储介质 - Google Patents

一种数据采集控制方法、服务器、客户端及存储介质 Download PDF

Info

Publication number
CN115525002A
CN115525002A CN202110706356.7A CN202110706356A CN115525002A CN 115525002 A CN115525002 A CN 115525002A CN 202110706356 A CN202110706356 A CN 202110706356A CN 115525002 A CN115525002 A CN 115525002A
Authority
CN
China
Prior art keywords
performance data
data
server
client
sampling frequency
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
Application number
CN202110706356.7A
Other languages
English (en)
Inventor
徐文豪
许鹏里
钱奕羽
吴婷婷
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.)
China Mobile Communications Group Co Ltd
China Mobile Suzhou Software Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Suzhou Software 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 China Mobile Communications Group Co Ltd, China Mobile Suzhou Software Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110706356.7A priority Critical patent/CN115525002A/zh
Publication of CN115525002A publication Critical patent/CN115525002A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24215—Scada supervisory control and data acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种数据采集控制方法、服务器、客户端及存储介质，应用于服务器的数据采集控制方法包括：接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；计算第一性能数据与第三性能数据的差值；在差值超过预设阈值的情况下，基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。通过上述方案，能够保持客户端的采样频率与服务器的负载的平衡，实现数据采集的智能调控。

Description

一种数据采集控制方法、服务器、客户端及存储介质
技术领域
本发明涉及数据采集技术领域，尤其涉及一种数据采集控制方法、服务器、客户端及存储介质。
背景技术
随着大数据时代的来临，企业对大数据采集的需求也越来越频繁。
现有技术中，大数据的采集系统一般为系统日志采集系统、网络数据采集系统以及数据库采集系统，但是，这些系统的采集方式过于依靠人工，使得成本较高。并且，采用这些系统的采集方式时，由于不能预先对系统各项指标的采样频率进行干预，因此，可能出现采集数据的频率过高或者过低的情况，从而影响数据采集结果，比如，采集数据的频率过高会使得机器处理数据的负载过高，从而导致不能稳定高效的进行数据采集和数据处理，而采集数据的频率较低，则不能满足企业对大数据采集的需求。
发明内容
为解决上述技术问题，本发明期望提供一种数据采集控制方法、服务器、客户端及存储介质，基于表征服务器性能的性能指标数据，控制客户端的数据采集频率，进而调节服务器在采样频率下的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
本发明的技术方案是这样实现的：
本发明提供了一种数据采集控制方法，应用于服务器，所述方法包括：
接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；
计算所述第一性能数据与所述第三性能数据的差值；
在所述差值超过预设阈值的情况下，基于所述差值向所述客户端发送频率调整信息，以供所述客户端实现数据采样频率调节。
在上述技术方案中，所述根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据，包括：
获取所述客户端的当前数据采集频率，并采用优化算法对所述当前数据采样频率进行优化计算，得到优化后的采样频率；
利用所述数据预测模型，基于所述优化后的采样频率和所述第二性能数据，预测所述第三性能数据。
在上述技术方案中，所述接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据之前，包括：
接收所述客户端发送的服务注册请求，并基于所述服务注册请求进行认证；
在认证成功的情况下，向所述客户端发送成功响应码，以实现与所述客户端建立连接。
在上述技术方案中，所述根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据之前，所述方法还包括：
对所述第二性能数据进行预处理；
相应的，所述计算所述第一性能数据与所述第三性能数据的差值之前，
对所述第一性能数据进行预处理。
在上述技术方案中，所述计算所述第一性能数据与所述第三性能数据的差值之后，包括：
在所述差值不超过所述预设阈值的情况下，将所述第一性能数据存储至数据样本集中；
利用所述数据样本集对所述数据预测模型进行模型训练。
在上述技术方案中，所述在采用优化算法对所述当前数据采样频率进行优化计算，得到优化后的采样频率之后，所述方法还包括：
将所述优化后的采样频率发送至所述客户端，以供所述客户端实现数据采样频率调节。
本发明提供了一种数据采集控制方法，应用于客户端，所述方法包括：
利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
将所述第一性能数据和所述第二性能数据发送至所述服务器；
在接收到所述服务器基于所述第一性能数据和所述第二性能数据确定的频率调整信息的情况下，利用所述频率调整信息进行数据采样频率调节。
在上述技术方案中，所述利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据之前，所述方法还包括：
向所述服务器发送服务注册请求；
在接收到所述服务器发送的针对所述服务注册请求的成功响应码的情况下，实现与所述服务器建立连接。
本发明提供了一种服务器，包括：
第一接收模块，用于接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
预测模块，用于根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；
处理模块，用于计算所述第一性能数据与所述第三性能数据的差值；
第一发送模块，用于在所述差值超过预设阈值的情况下，基于所述差值向所述客户端发送频率调整信息，以供所述客户端实现数据采样频率调节。
本发明提供了一种服务器，包括：第一处理器、第一存储器和第一通信总线；
所述第一通信总线，用于实现所述第一处理器和所述第一存储器之间的通信连接；
所述第一处理器，用于执行所述第一存储器中存储的数据采集控制程序，以实现上述应用于服务器的数据采集控制方法。
本发明提供了一种客户端，包括：
采集模块，用于利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
第二发送模块，用于将所述第一性能数据和所述第二性能数据发送至所述服务器；
调节模块，用于在接收到所述服务器基于所述第一性能数据和所述第二性能数据确定的频率调整信息的情况下，利用所述频率调整信息进行数据采样频率调节。
本发明提供了一种客户端，包括：第二处理器、第二存储器和第二通信总线；
所述第二通信总线，用于实现所述第二处理器和所述第二存储器之间的通信连接；
所述第二处理器，用于执行所述第二存储器中存储的数据采集控制程序，以实现上述应用于客户端的数据采集控制方法。
本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述数据采集控制的方法。
本发明提供了一种数据采集控制方法、服务器、客户端及存储介质，方法包括：接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；计算第一性能数据与第三性能数据的差值；在差值超过预设阈值的情况下，基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。本发明提供的一种数据采集控制方法，基于表征服务器性能的性能指标数据，控制客户端的数据采集频率，进而调节服务器在采样频率下的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
附图说明
图1为本发明实施例提供的一种数据采集控制方法的流程示意图一；
图2为本发明实施例提供的一种数据采集控制方法的流程示意图二；
图3为本发明实施例提供的一种示例性的数据采集控制系统的结构示意图；
图4为本发明实施例提供的一种服务器的结构示意图一；
图5为本发明实施例提供的一种服务器的结构示意图二；
图6为本发明实施例提供的一种客户端的结构示意图一；
图7为本发明实施例提供的一种客户端的结构示意图二。
具体实施方式
下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关申请相关的部分。
需要说明的是，在本发明中，数据采集控制方法涉及到两个对象，分别为服务器和客户端。以下基于服务器和客户端进行数据采集控制方法的详述。
本发明提供了一种数据采集控制方法，应用于服务器，图1为本发明实施例提供的一种数据采集控制方法的流程示意图一。如图1所示，主要包括以下步骤：
S101、接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据。
在本发明的实施例中，服务器可以接收到客户端发送的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据。
需要说明的是，在本发明的实施例中，服务器采集的第一性能数据和第二性能数据包括的数据类型为：服务器的流量速率、CPU使用率、内存使用率、平均负载等等，具体采集的第一性能数据和第二性能数据包括的数据类型可以根据实际需求和应用场景来设定。
具体的，在本发明的实施例中，服务器在接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据之前，还包括：接收客户端发送的服务注册请求，并基于服务注册请求进行认证；在认证成功的情况下，向客户端发送成功响应码，以实现与客户端建立连接。
需要说明的是，在本发明的实施例中，服务器在接收来自客户端发送的第一性能数据和第二性能数据之前，需要先与客户端建立连接，具体的，在服务器接收到客户端发送的服务注册请求并认证成功后，服务器会自动向客户端返回一个成功响应码，此时，意味着客户端与服务器建立连接，客户端可以将采集得到的性能数据发送至服务器，以供服务器对性能数据进行数据处理。
还需要说明的是，在本发明的实施例中，服务注册请求是客户端向服务器请求使用服务器提供的数据预测模型服务的请求。
S102、根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据。
在本发明的实施例中，服务器可以根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据。
需要说明的是，在本发明的实施例中，数据预测模型可以为支持向量机(SupportVector Machine，SVM)模型，也可以为其他能够对性能数据进行预测的模型，具体的预测模型可以根据实际需求和应用场景来确定。
具体的，在本发明的实施例中，服务器根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据，还可以包括以下步骤：获取客户端的当前数据采集频率，并采用优化算法对当前数据采样频率进行优化计算，得到优化后的采样频率；利用数据预测模型，基于优化后的采样频率和第二性能数据，预测第三性能数据。
需要说明的是，在本发明的实施例中，如果当前时刻为数据采集的初始时刻，此时的当前数据采集频率是技术人员根据经验和具体的应用场景预设的数据采集频率。
需要说明的是，在本发明的实施例中，服务器在获得当前数据采样频率之后，服务器采用比例积分微分(Proportion Integral Differential，PID)算法对当前数据采样频率进行优化调控。
需要说明的是，在本发明的实施例中，当服务器获取得到客户端的当前数据采集频率，服务器采用PID算法对当前数据采集频率进行优化计算，得到优化后的采样频率。其中，PID算法主要包括比例调节，积分调节和微分调节三个部分，具体的公式为：
Figure BDA0003132126620000071
其中，e(t)为当前数据采集频率，u(t)为优化后的采样频率，Kp为预设比例调节系数，Ti为预设积分调节系数，Td为预设微分调节系数。
需要说明的是，在本发明的实施例中，Kp为比例调节系数，当服务器接收到来自客户端的性能数据作为服务器的输入，服务器会对偏差做出相应的反应，当偏差产生后，PID算法会调节比例系数进行控制；Ti为积分调节系数，当PID算法需要控制实际的控制作用的强弱时，需要调节积分调节系数来消除静态误差和超调量；在消除静态误差的同时，还需要加快调节过程，因此在积分的基础上进行微分，能够克服振荡，具体的Kp、Ti和Td的取值可以根据实际需求和应用场景来预设。
具体的，在本发明的实施例中，服务器在采用优化算法对当前数据采样频率进行优化计算，得到优化后的采样频率之后，还包括：将优化后的采样频率发送至客户端，以供客户端实现数据采样频率调节。
需要说明的是，在本发明的实施例中，服务器将采用PID算法得到的优化后的采样频率发送给服务器，以供客户端根据优化后的采样频率调节客户端的采样频率，使得数据采集控制系统更加稳定。
具体的，在本发明实施例中，服务器利用数据预测模型，基于优化后的采样频率和第二性能数据之前，方法还包括：对第二性能数据进行预处理；相应的，计算第一性能数据与第三性能数据的差值之前，对第一性能数据进行预处理。
需要说明的是，在本发明的实施例中，服务器在计算第一性能数据与第三性能数据的差值之前，需要保证第一性能数据与第三性能数据的可比性，具体的，如果利用的第二性能数据在输入数据预测模型之前，服务器对第二性能数据进行了预处理，那么，在计算第一性能数据与第三性能数据的差值之前，服务器也需要对第一性能数据进行预处理。
示例性的，如果在第二性能数据输入数据预测模型之前，服务器对第二性能数据采用二阶小波进行消噪处理，并统一进行归一化处理，那么，在计算第一性能数据与第三性能数据的差值之前，需要对第一性能数据也采用二阶小波进行消噪处理，并统一进行归一化处理，以保证第一性能数据与第三性能数据的量纲一致，具有可比性。
需要说明的是，在本发明的实施例中，服务器可以利用归一化公式对第一性能数据和第二性能数据分别进行归一化处理，具体公式如下：
Figure BDA0003132126620000081
其中，xmax为在某一时刻采集得到的性能数据中的数值最大的数据，xmin为该时刻采集得到的性能数据中数值最小的数据，x为归一化之前的性能数据，得到的x′为归一化的性能数据。
还需要说明的是，在本发明的实施例中，在服务器对第一性能数据与第三性能数据进行差值之前，对第一性能数据进行归一化处理的情况下，服务器在对第一性能数据与第三性能数据进行差值计算时，实际上计算的是归一化的第一性能数据与第三性能数据之间的差值，具体可以采用以下公式计算：
Figure BDA0003132126620000082
其中，n为正整数，x′1，x′2，······，x′n为第一性能数据归一化后的性能数据，y1，y2，······，yn为归一化的第三性能数据，并且相同下角标的性能数据表征的数据类型一致，公式计算出的距离值d为第一性能数据与第三性能数据的差值，表征实际数据采集控制系统的性能负载平衡量。
S103、计算第一性能数据与第三性能数据的差值。
在本发明的实施例中，服务器在得到第三性能数据之后，计算第一性能数据与第三性能数据的差值。
具体的，在本发明的实施例中，服务器在计算第一性能数据与第三性能数据的差值之后，包括：在差值不超过预设阈值的情况下，将第一性能数据存储至数据样本集中；利用数据样本集对数据预测模型进行模型训练。
需要说明的是，在发明的实施例中，服务器在计算得到第一性能数据与第三性能数据的差值之后，判断该差值与预设阈值之间的关系，如果差值不超过预设阈值，将第一性能数据存储至数据样本集中，然后利用数据样本集对数据预测模型进行模型训练，其中，利用数据样本集对数据预测模型进行模型训练的数据样本集可以是每加入一个新的样本的数据样本集，也可以是在采集数据控制系统稳定运行预设时间段之后，形成的数据样本集，具体的用于对数据预测模型进行模型训练的样本集可以根据实际情况和应用场景来设定。
S104、在差值超过预设阈值的情况下，基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。
在本发明的实施例中，在差值超过预设阈值的情况下，服务器基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。
需要说明的是，在本发明的实施例中，如果差值较大，服务器可以根据差值的偏差大小，对客户端发送频率调整信息，以供客户端对当前数据采样频率进行调节，其中，频率调整信息可以是以客户端的当前数据采样频率为依据，进行大小调节，比如，将当前数据采样频率调小多少，也可以指定客户端的采样频率的大小，具体的调节方式可以根据实际情况和应用场景来设定。
本发明提供的一种数据采集控制方法，应用于服务器，接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；计算第一性能数据与第三性能数据的差值；在差值超过预设阈值的情况下，基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。本发明提供的一种数据采集控制方法，基于表征服务器性能的性能指标数据，控制客户端的数据采集频率，进而调节服务器在采样频率下的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
本发明提供了一种数据采集控制方法，应用于客户端，图2为本发明实施例提供的一种数据采集控制方法的流程示意图二。如图2所示，主要包括以下步骤：
S201、利用探针采集服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据。
在本发明的实施例中，客户端利用探针采集服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据。
具体的，在本发明的实施例中，客户端利用探针采集服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据之前，方法还包括：向服务器发送服务注册请求；在接收到服务器发送的针对所述服务注册请求的成功响应码的情况下，实现与服务器建立连接。
需要说明的是，在本发明的实施例中，当客户端需要进行数据采集的时候，客户端会向服务器发送服务注册请求，当接收到服务器发送的成功响应码时，表征服务器与客户端建立连接，从而客户端可以利用探针对服务器进行性能数据的采集。
S202、将第一性能数据和第二性能数据发送至服务器。
在本发明的实施例中，客户端利用探针采集得到第一性能数据和第二性能数据之后，将第一性能数据和第二性能数据发送至服务器。
需要说明的是，在本发明的实施例中，客户端采集得到第一性能数据和第二性能数据后，直接发送给服务器。
S203、在接收到服务器基于第一性能数据和第二性能数据确定的频率调整信息的情况下，利用频率调整信息进行数据采样频率调节。
在本发明的实施例中，客户端在接收到服务器基于第一性能数据和第二性能数据确定的频率调整信息的情况下，利用频率调整信息进行数据采样频率调节。
需要说明的是，在本发明的实施例中，客户端在接收到频率调整信息之前，还将服务器采用PID算法计算得到的优化后的采集频率发送给客户端，以作为客户端当前数据采集频率调整的影响条件。
本发明提供的一种数据采集控制方法，应用于客户端，利用探针采集服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；将第一性能数据和第二性能数据发送至服务器；在接收到服务器基于第一性能数据和第二性能数据确定的频率调整信息的情况下，利用频率调整信息进行数据采样频率调节。本发明提供的一种数据采集控制方法，客户端通过调整对服务器性能数据的采集频率，来调节服务器处理数据的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
图3为本发明实施例提供的一种示例性的数据采集控制系统的结构示意图。如图3所示，数据采集控制系统包括服务器和客户端两个部分，客户端与服务器建立连接后，客户端通过探针对服务器的性能数据进行数据采集，并将得到的性能数据发送给服务器，服务器将上一时刻的性能数据以及经过PID算法优化的优化后的采样频率输入到预测模型中，对当前时刻的性能数据进行预测，得到第三性能数据，然后将当前时刻实际采集的性能数据和第三性能数据进行偏差比较；如果偏差不超过预设阈值，则将当前时刻采集的实际值存储至样本集，以待对预测模型进行再训练，提高了预测模型的精确性；如果偏差值大于预设阈值，则向客户端发送采样频率的调整信息，以实现对客户端当前采样频率进行实时调整。
本发明提供了一种服务器，图4为本发明实施例提供的一种服务器的结构示意图一。如图4所示，包括：
第一接收模块401，用于接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
预测模块402，用于根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；
处理模块403，用于计算所述第一性能数据与所述第三性能数据的差值；
第一发送模块404，用于在所述差值超过预设阈值的情况下，基于所述差值向所述客户端发送频率调整信息，以供所述客户端实现数据采样频率调节。
可选的，所述预测模块402，具体用于获取所述客户端的当前数据采集频率，并采用优化算法对所述当前数据采样频率进行优化计算，得到优化后的采样频率；利用所述数据预测模型，基于所述优化后的采样频率和所述第二性能数据，预测所述第三性能数据。
可选的，所述第一接收模块401，还用于接收所述客户端发送的服务注册请求，并基于所述服务注册请求进行认证；
所述第一发送模块404，还用于在认证成功的情况下，向所述客户端发送成功响应码，以实现与所述客户端建立连接。
可选的，所述处理模块403，还用于对所述第二性能数据进行预处理；相应的，所述计算所述第一性能数据与所述第三性能数据的差值之前，对所述第一性能数据进行预处理。
可选的，所述处理模块403，还用于在所述差值不超过所述预设阈值的情况下，将所述第一性能数据存储至数据样本集中；利用所述数据样本集对所述数据预测模型进行模型训练。
可选的，所述第一发送模块404，还用于将所述优化后的采样频率发送至所述客户端，以供所述客户端实现数据采样频率调节。
图5为本发明提供的一种服务器的结构示意图二。如图5所示，包括：第一处理器501、第一存储器502和第一通信总线503；
所述第一通信总线503，用于实现所述第一处理器501和所述第一存储器502之间的通信连接；
所述第一处理器501，用于执行所述第一存储器502中存储的数据采集控制程序，以实现上述应用于服务器的数据采集控制方法。
本发明提供的一种服务器，接收客户端采集的服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；根据第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；计算第一性能数据与第三性能数据的差值；在差值超过预设阈值的情况下，基于差值向客户端发送频率调整信息，以供客户端实现数据采样频率调节。本发明提供的一种服务器，基于表征服务器性能的性能指标数据，控制客户端的数据采集频率，进而调节服务器在采样频率下的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
本发明提供了一种客户端，图6为本发明实施例提供的一种客户端结构示意图一。如图6所示，包括：
采集模块601，用于利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
第二发送模块602，用于将所述第一性能数据和所述第二性能数据发送至所述服务器；
调节模块603，用于在接收到所述服务器基于所述第一性能数据和所述第二性能数据确定的频率调整信息的情况下，利用所述频率调整信息进行数据采样频率调节。
可选的，所述第二发送模块602，还用于向所述服务器发送服务注册请求；
连接模块(图中未示出)，用于在接收到所述服务器发送的针对所述服务注册请求的成功响应码的情况下，实现与所述服务器建立连接。
图7为本发明提供的一种客户端的结构示意图二。如图7所示，包括：第二处理器701、第二存储器702和第二通信总线703；
所述第二通信总线703，用于实现所述第二处理器701和所述第二存储器702之间的通信连接；
所述第二处理器701，用于执行所述第二存储器702中存储的数据采集控制程序，以实现上述应用于客户端的数据采集控制方法。
本发明提供的一种客户端，利用探针采集服务器在当前时刻的第一性能数据，以及服务器在当前时刻前一时刻的第二性能数据；将第一性能数据和第二性能数据发送至服务器；在接收到服务器基于第一性能数据和第二性能数据确定的频率调整信息的情况下，利用频率调整信息进行数据采样频率调节。本发明提供的一种客户端，客户端通过调整对服务器性能数据的采集频率，来调节服务器处理数据的负载状况，使得客户端的采样频率与服务器的负载保持平衡，实现数据采集的智能调控。
本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述数据采集控制方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (11)

1.一种数据采集控制方法，其特征在于，应用于服务器，所述方法包括：
接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；
计算所述第一性能数据与所述第三性能数据的差值；
在所述差值超过预设阈值的情况下，基于所述差值向所述客户端发送频率调整信息，以供所述客户端实现数据采样频率调节。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据，包括：
获取所述客户端的当前数据采集频率，并采用优化算法对所述当前数据采样频率进行优化计算，得到优化后的采样频率；
利用所述数据预测模型，基于所述优化后的采样频率和所述第二性能数据，预测所述第三性能数据。
3.根据权利要求1所述的方法，其特征在于，所述接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据之前，包括：
接收所述客户端发送的服务注册请求，并基于所述服务注册请求进行认证；
在认证成功的情况下，向所述客户端发送成功响应码，以实现与所述客户端建立连接。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据之前，所述方法还包括：
对所述第二性能数据进行预处理；
相应的，所述计算所述第一性能数据与所述第三性能数据的差值之前，
对所述第一性能数据进行预处理。
5.根据权利要求1所述的方法，其特征在于，所述计算所述第一性能数据与所述第三性能数据的差值之后，包括：
在所述差值不超过所述预设阈值的情况下，将所述第一性能数据存储至数据样本集中；
利用所述数据样本集对所述数据预测模型进行模型训练。
6.根据权利要求2所述的方法，其特征在于，所述在采用优化算法对所述当前数据采样频率进行优化计算，得到优化后的采样频率之后，所述方法还包括：
将所述优化后的采样频率发送至所述客户端，以供所述客户端实现数据采样频率调节。
7.一种数据采集控制方法，其特征在于，应用于客户端，所述方法包括：
利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
将所述第一性能数据和所述第二性能数据发送至所述服务器；
在接收到所述服务器基于所述第一性能数据和所述第二性能数据确定的频率调整信息的情况下，利用所述频率调整信息进行数据采样频率调节。
8.根据权利要求7所述的方法，其特征在于，所述利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据之前，所述方法还包括：
向所述服务器发送服务注册请求；
在接收到所述服务器发送的针对所述服务注册请求的成功响应码的情况下，实现与所述服务器建立连接。
9.一种服务器，其特征在于，包括：
第一接收模块，用于接收客户端采集的所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
预测模块，用于根据所述第二性能数据，利用数据预测模型预测未来时刻的第三性能数据；
处理模块，用于计算所述第一性能数据与所述第三性能数据的差值；
第一发送模块，用于在所述差值超过预设阈值的情况下，基于所述差值向所述客户端发送频率调整信息，以供所述客户端实现数据采样频率调节。
10.一种客户端，其特征在于，包括：
采集模块，用于利用探针采集所述服务器在当前时刻的第一性能数据，以及所述服务器在所述当前时刻前一时刻的第二性能数据；
第二发送模块，用于将所述第一性能数据和所述第二性能数据发送至所述服务器；
调节模块，用于在接收到所述服务器基于所述第一性能数据和所述第二性能数据确定的频率调整信息的情况下，利用所述频率调整信息进行数据采样频率调节。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现权利要求1-8任一项所述的数据采集控制方法。
CN202110706356.7A 2021-06-24 2021-06-24 一种数据采集控制方法、服务器、客户端及存储介质 Pending CN115525002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110706356.7A CN115525002A (zh) 2021-06-24 2021-06-24 一种数据采集控制方法、服务器、客户端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110706356.7A CN115525002A (zh) 2021-06-24 2021-06-24 一种数据采集控制方法、服务器、客户端及存储介质

Publications (1)

Publication Number Publication Date
CN115525002A true CN115525002A (zh) 2022-12-27

Family

ID=84695239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110706356.7A Pending CN115525002A (zh) 2021-06-24 2021-06-24 一种数据采集控制方法、服务器、客户端及存储介质

Country Status (1)

Country Link
CN (1) CN115525002A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116449961A (zh) * 2023-06-14 2023-07-18 蔚来汽车科技(安徽)有限公司 输入事件控制方法、系统、电子设备、存储介质及车辆
CN116952354A (zh) * 2023-09-18 2023-10-27 江苏普达迪泰科技有限公司 一种驱动测量传感器数据优化采集方法
CN117097635A (zh) * 2023-10-12 2023-11-21 腾讯科技（深圳）有限公司 调用链路采样方法、装置、存储介质及设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116449961A (zh) * 2023-06-14 2023-07-18 蔚来汽车科技(安徽)有限公司 输入事件控制方法、系统、电子设备、存储介质及车辆
CN116449961B (zh) * 2023-06-14 2023-10-10 蔚来汽车科技(安徽)有限公司 输入事件控制方法、系统、电子设备、存储介质及车辆
CN116952354A (zh) * 2023-09-18 2023-10-27 江苏普达迪泰科技有限公司 一种驱动测量传感器数据优化采集方法
CN116952354B (zh) * 2023-09-18 2023-12-08 江苏普达迪泰科技有限公司 一种驱动测量传感器数据优化采集方法
CN117097635A (zh) * 2023-10-12 2023-11-21 腾讯科技（深圳）有限公司 调用链路采样方法、装置、存储介质及设备
CN117097635B (zh) * 2023-10-12 2024-01-05 腾讯科技（深圳）有限公司 调用链路采样方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
CN115525002A (zh) 一种数据采集控制方法、服务器、客户端及存储介质
WO2021083276A1 (zh) 横向联邦和纵向联邦联合方法、装置、设备及介质
CN105989374B (zh) 一种在线训练模型的方法和设备
JP2006518522A5 (zh)
CN105808341A (zh) 一种资源调度的方法、装置和系统
CN114218174B (zh) 基于区块链的工业互联网数据存储方法、系统及存储介质
CN103442087B (zh) 一种基于响应时间趋势分析的Web服务系统访问量控制装置和方法
CN115511103A (zh) 用于联邦学习的方法、装置、设备和介质
CN117407178B (zh) 一种自适应负载分配的加速子卡管理方法及系统
CN111030850A (zh) 一种scada系统数据采集周期控制方法及装置
CN113326132A (zh) 一种信息调节方法、设备及存储介质
CN114091688A (zh) 一种计算资源获取方法、装置、电子设备和存储介质
CN117193980A (zh) 任务剩余时长的计算方法和装置
CN112565404A (zh) 数据处理方法、边缘服务器、中心服务器和介质
CN112214303A (zh) Kubernetes集群自动缩放系统
CN115981807A (zh) 一种基于区块链的可信分布式计算卸载方法
CN115883391A (zh) 单用户服务选择方法及装置
Hose et al. Approximate non-linear model predictive control with safety-augmented neural networks
CN112953993B (zh) 资源调度方法、设备、网络系统及存储介质
CN113806072B (zh) 一种基于边缘计算的数据处理方法及系统
US20230376820A1 (en) Model optimization and stabilization using quantum computing
CN112202886B (zh) 任务卸载方法、系统、装置和存储介质
US11716397B1 (en) Apparatuses, computer-implemented methods, and computer program products for improved multiuser channel management
WO2022264387A1 (ja) 学習装置、学習方法、および、学習プログラム
CN117850207A (zh) 基于强化学习与负反馈控制的多类型计算协同系统及方法

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