CN115941426B - 多业务资源协同方法、系统及计算机设备 - Google Patents

Abstract

本发明涉及物联网技术领域，提供一种多业务资源协同方法、系统及计算机设备。所述方法包括：针对各业务应用在边缘侧终端设备的数据管理应用程序中注册对应的数据模型，根据注册的数据模型为各业务应用注册数据存储设备和分配数据传输资源；通过分配的数据传输资源将采集数据存入对应的数据存储设备；通过分配的数据传输资源从数据存储设备获取采集数据进行分析，并将数据分析结果存入对应的数据模型；通过云端交互应用程序从数据管理应用程序中获取采集数据和数据分析结果上传至云服务器。本发明在配电物联网的边缘侧实现业务数据的汇集、管理和共享，减少通信网络负担和资源浪费。

Description

多业务资源协同方法、系统及计算机设备

技术领域

本发明涉及物联网技术领域，具体地涉及一种多业务资源协同方法、一种多业务资源协同系统、一种计算机设备以及一种计算机可读存储介质。

背景技术

配电物联网是传统工业技术与物联网技术深度融合产生的一种新型电力网络形态，通过配电设备间的全面互联、互通、互操作，实现配电网的全面感知、数据融合和智能应用，满足配电网精益化管理需求。随着设备智能化和物联网化的规模化应用，海量数据的有效利用成为亟待解决的问题。传统方法是将采集到的数据上传到云平台或者主站服务器，在云端进行数据处理，给云端服务器容量和运算能力带来较大压力，对4G/5G通信流量也会带来较大的成本压力，边缘计算可以解决这个问题。终端设备作为云-边-端的中间一环，承载着边缘计算的重任，需要将区域内汇集的数据进行计算和分析，而随着区域内智能化设备种类的不断增加，从单一设备数据采集到多类设备数据的综合分析，应用的种类不断增多，如何让不同厂家开发的应用更好的获取其他应用的数据，如何实现业务数据的汇集，成为亟待解决的问题。

目前，低压配电台区设备种类越来越多、通信方式多样，设备通信网络底层连接协议差异大，通信灵活性、可靠性受限，多种通信接口不能互联互通，各个设备的数据形成了信息孤岛，无法交互数据；此外，不同厂家开发的应用通常根据各个业务应用系统的数据需求获取不同的数据，各数据需求对应的数据有重叠而导致出现对同一数据重复采集多次的情况，数据获取的效率较低，同时对通信网络及存储资源等均造成了一定的浪费，无法实现数据的综合管理和高效利用。

发明内容

为了解决上述技术问题，本发明实施例中提供一种多业务资源协同方法及系统，以实现数据的综合分析和高效利用，减小资源浪费。

本发明实施例的第一个方面提供一种多业务资源协同方法，包括：

针对各业务应用在边缘侧终端设备的数据管理应用程序中注册对应的数据模型，根据注册的数据模型在所述数据管理应用程序中为各业务应用注册数据存储设备和分配数据传输资源；

通过分配的数据传输资源将采集数据存入所述数据管理应用程序中对应的数据存储设备；

通过分配的数据传输资源从所述数据管理应用程序中的数据存储设备获取所述采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的数据模型；

通过云端交互应用程序从所述数据管理应用程序中获取所述采集数据和所述数据分析结果上传至云服务器。

本发明实施例中，所述数据模型的类别分为实模型和虚模型；实模型用于存储直接获取的采集数据，该采集数据包括实时数据和冻结数据；虚模型用于存储根据采集数据进行分析得到的数据分析结果。

本发明实施例中，所述数据模型包括设备属性信息，所述设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息；

所述静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本；

实模型的动态属性信息包括实时数据和冻结数据；

虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果。

本发明实施例中，某一类型的设备对应一个实模型和一个虚模型，实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。

本发明实施例中，虚模型还包括扩展属性信息，所述扩展属性信息包括根据多种类型设备的采集数据进行分析得到的数据分析结果。

本发明实施例中，根据注册的数据模型在所述数据管理应用程序中为各业务应用注册数据存储设备和分配数据传输资源，包括：根据注册的数据模型的类别为各业务应用实时分配数据传输通道。

本发明实施例中，通过分配的数据传输资源将采集数据存入所述数据管理应用程序中对应的数据存储设备，包括：各类数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入对应的数据存储设备中。

本发明实施例中，所述实模型的实时数据存储区位于边缘侧终端设备的随机存取存储器中；所述实模型的冻结数据存储区位于边缘侧终端设备的只读存储器中。

本发明实施例中，通过分配的数据传输资源从所述数据管理应用程序中的数据存储设备获取所述采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的数据模型，包括：各类数据分析应用程序通过所述数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析，将数据分析结果存入虚模型中。

本发明实施例中，所述数据模型还包括数据属性，所述数据属性为共享数据属性或私有数据属性；

所述多业务资源协同方法还包括：判断数据模型的数据属性；根据数据模型的数据属性确定是否向各业务应用共享所述数据模型中的数据。

本发明实施例的第二个方面提供一种多业务资源协同系统，包括：

数据管理应用程序，部署在边缘侧终端设备中，用于针对各业务应用注册对应的数据模型，根据注册的数据模型为各业务应用注册数据存储设备和分配数据传输资源；

数据采集应用程序，用于采集多种类别设备的数据，通过分配的数据传输资源将采集数据存入所述数据管理应用程序中对应的数据存储设备；

数据分析应用程序，用于通过分配的数据传输资源从所述数据存储设备获取所述采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的数据模型；

云端交互应用程序，用于从所述数据管理应用程序中获取所述采集数据和所述数据分析结果上传至云服务器。

本发明实施例中，所述数据模型的类别分为实模型和虚模型；实模型用于存储直接获取的采集数据，该采集数据包括实时数据和冻结数据；虚模型用于存储根据采集数据进行分析得到的数据分析结果。

本发明实施例中，所述数据管理应用程序根据注册的数据模型的类别为各业务应用实时分配数据传输通道；所述数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入对应的数据存储设备中。

本发明实施例中，所述数据分析应用程序通过所述数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析，将数据分析结果存入虚模型中。

本发明实施例中，所述数据模型包括设备属性信息，所述设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息；

所述静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本；

实模型的动态属性信息包括实时数据和冻结数据；

虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果；

实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。

本发明实施例还提供一种计算机设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现上述的多业务资源协同方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述的多业务资源协同方法。

本发明通过边缘侧终端设备中的数据管理应用程序，针对各业务应用注册数据模型，根据注册的数据模型为各业务应用注册数据存储设备、分配数据传输资源，实现对多种类型设备的采集数据和数据分析结果的统一管理，可以在配电物联网的边缘侧实现数据的汇集、分析和管理，在边缘侧实现数据综合管理和高效利用，无需将所有采集数据上传到云服务器进行分析计算，减少通信网络负担，减少云服务器的计算负担；各类业务应用在数据管理应用程序中注册数据模型和对应各类型设备的数据存储设备（即数据存储区），所有的业务应用共享设备采集数据和数据分析结果，可以支持不同厂家开发的应用更好的获取其它应用的数据，实现业务数据的汇集，无需重复采集数据和分析数据，减小资源浪费。总体而言，本发明在配电物联网的边缘侧实现业务数据的汇集、管理和共享，减少通信网络负担和资源浪费。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的多业务资源协同方法的流程图；

图2为本发明实施例提供的数据管理应用程序中的数据模型的示意图；

图3为本发明实施例提供的数据管理应用程序中的数据存储设备的示意图；

图4为本发明实施例提供的各类业务应用之间数据交互的示意图；

图5为本发明实施例提供的多业务资源协同系统的架构图。

具体实施方式

为了使本发明实施例中的技术方案及优点更加清楚明白，以下结合附图对本发明的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本发明的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

如背景技术中所介绍的，低压配电台区设备种类越来越多、通信方式多样，设备通信网络底层连接协议差异大，通信灵活性、可靠性受限，多种通信接口不能互联互通，各个设备的数据形成了信息孤岛，无法交互数据；此外，不同厂家开发的应用通常根据各个业务应用系统的数据需求获取不同的数据，各数据需求对应的数据有重叠而导致出现对同一数据重复采集多次的情况，数据获取的效率较低，同时对通信网络及存储资源等均造成了一定的浪费，无法实现数据的综合管理和高效利用。

为克服上述问题，本发明提出一种多业务资源协同方法，通过在边缘侧终端设备内部设计统一的数据管理应用程序（application，简称APP），各业务应用在数据管理应用程序APP中注册数据模型，依据注册的数据模型在数据管理应用程序APP中注册数据存储设备，并为各业务应用存取数据分配数据传输资源，各实体设备将采集数据存入数据管理应用程序APP，数据分析应用从数据管理应用程序APP中获取数据并进行分析，将数据分析结果存入数据管理应用程序APP，云端交互类应用通过数据管理应用程序APP获取采集数据和数据分析结果，并和云服务器进行交互，实现数据共享、数据综合管理和高效利用，并且可以支持不同厂家开发的应用更好的获取其它应用的数据，实现业务数据的汇集，减小重复采集和资源浪费。

图1为本发明实施例提供的多业务资源协同方法的流程图。如图1所示，本实施例提供的多业务资源协同方法，包括以下步骤：

S101，针对各业务应用在边缘侧终端设备的数据管理应用程序中注册对应的数据模型，根据注册的数据模型在所述数据管理应用程序中为各业务应用注册数据存储设备和分配数据传输资源；

S102，通过分配的数据传输资源将采集数据存入所述数据管理应用程序中对应的数据存储设备；

S103，通过分配的数据传输资源从所述数据管理应用程序中的数据存储设备获取所述采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的数据模型；

S104，通过云端交互应用程序从所述数据管理应用程序中获取所述采集数据和所述数据分析结果上传至云服务器。

配电物联网中涉及各种类型的业务应用，例如数据采集类应用、数据分析类应用、云端交互类应用等。配电物联网中涉及多种智能化设备，需要对多种智能化设备的数据进行采集、分析和管理。边缘侧终端设备作为配电物联网的中间环节，需要将区域内多种智能化设备的数据进行汇集、计算分析和管理，并向云服务端反馈。

如图2所示，边缘侧终端设备的数据管理应用程序APP中预设了多个数据模型，数据模型的类别分为实模型和虚模型。实模型用于存储直接获取的采集数据，该采集数据包括实时数据和冻结数据。虚模型有多个，分别用于存储根据单个类型设备或多类型设备的采集数据进行分析得到的数据分析结果，例如通过分析获得的物理拓扑位置信息、是否发生窃电或停电故障等信息。每个数据模型包括设备属性信息，设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息。静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本等。实模型的动态属性信息包括实时数据和冻结数据，虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果。

在一实施例中，某一类型的设备对应一个实模型和一个虚模型，实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。实模型创建后属性固定，不能对属性进行更改。虚模型包括扩展属性信息，该扩展属性信息包括根据多种类型设备的采集数据进行分析得到的数据分析结果。虚模型允许增加属性，便于以后的分析和扩展，对于多类型设备的数据分析结果信息，可以增加单独的虚模型来存放。

本发明实施例中，数据管理应用程序以模型-设别-属性的方式存储数据，增加了数据与设备本身的关联性，便于不同厂家设备的数据交互。

上述步骤S101中，各业务应用向数据管理应用程序APP提交注册申请，提交的注册申请中包含业务应用对应设备的属性信息（设备厂商信息、通信地址、设备类型和/或设备版本等），数据管理应用程序APP根据该属性信息为该业务应用注册（申请或匹配）对应的数据模型，根据注册的数据模型的类别为各业务应用注册数据存储设备（即对应各类型智能化设备的数据存储区），并为各业务应用实时分配数据传输通道等数据传输资源。现有的数据中心服务器很难兼容不同厂家的数据交互，本发明通过设置统一的数据管理应用程序，业务应用在数据管理应用程序中注册数据模型，针对不同类型设备的采集数据，不同厂家的业务应用只需要注册数据模型，即可实现从单一设备数据采集到多类型设备数据的综合分析，支持不同厂家开发的应用更好的获取其它应用的数据。

在一个实施例中，采用以下方式为各业务应用分配数据传输通道：在数据管理应用程序中预先设置数据模型的类别与数据传输通道之间的映射关系。数据管理应用程序为业务应用注册数据模型之后，根据注册的数据模型的类别与数据传输通道之间的映射关系，为该业务应用分配对应的数据传输通道，从而实现不同通信协议（不同通信接口）、不同类型（不同厂家）的业务应用共享物理通信通道，有利于通过统一的硬件平台完成多种电力终端设备的统一接入。

上述步骤S102中，各类数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入数据管理应用程序中对应的数据存储设备中。实时数据是指现场设备的实时数据，冻结数据是设定的冻结时间点的设备数据。如图3所示，数据存储设备中实时数据与冻结数据分开进行存储。实时数据分为私有数据和共享数据，共享数据允许各类业务应用访问，私有数据只有认证的业务应用才可以访问。实模型的实时数据存储区位于边缘侧终端设备的随机存取存储器（Random Access Memory，简称RAM）中。实模型的冻结数据存储区位于边缘侧终端设备的只读存储器（Read-Only Memory，简称ROM）中。由于实时数据需要实时更新，因此将实时数据存在RAM中；冻结数据属于历史数据，是已经固定的数据，将冻结数据存在ROM中。未注册数据模型和数据存储设备，实时数据不能正常存储。注册的数据存储设备在分析处理实时数据时，如果有异常事件发生，比如短路、断路、设备故障等，对于设备产生的事件信息，数据管理应用程序APP会主动广播发送事件通知到其它的业务应用程序APP。

本发明实施例中，数据管理应用程序以模型-设别-属性的方式存储数据，增加了数据与设备本身的关联性，便于不同厂家设备的数据交互。

上述步骤S103中，各类数据分析应用程序通过数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析，将数据分析结果存入虚模型中。各类业务应用与数据管理应用程序之间采用统一的接口协议进行数据交互，可以减少开发成本，增加互通性。

如图4所示，各类数据采集应用程序将采集的数据写入数据管理应用程序中，各类的数据分析应用程序从数据管理应用程序中提取数据进行分析，并将数据分析结果再写入数据管理应用程序中。采集数据和数据分析结果均存储于数据管理应用程序中，云端交互应用程序获取数据管理应用程序中存储的采集数据和数据分析结果并上传到云服务器。各类业务应用程序均可以调用数据管理应用程序中的采集数据和数据分析结果，实现数据共享，避免重复采集数据，可以基于已有的采集数据和数据分析结果充分挖掘数据价值，高效和全面的利用数据，优化通信网络资源。数据管理应用程序APP采用物模型的概念，用物模型管理数据信息。通过专用的数据管理应用程序APP对现场设备的采集数据和数据分析结果统一管理，实现从单一设备的数据采集到多类设备数据的综合分析，可以支持不同厂家开发的应用更好的获取其它应用的数据，实现业务数据的汇集，减小重复采集和资源浪费。

考虑到某些设备存在敏感信息及其独有的隐私保护数据等特定数据的安全性要求，对数据模型设置数据属性。实模型的数据属性分为共享数据属性和私有数据属性，共享数据属性的数据模型允许其它业务应用访问，私有数据属性的数据模型只有认证的业务应用才可以访问。

在一实施例中，各类业务应用程序获取数据管理应用程序中的采集数据和数据分析结果时，还需要判断所访问的数据模型的数据属性，根据数据模型的数据属性确定是否向各业务应用共享数据模型中的数据。具体的，实模型的数据属性通过配置文件的方式进行数据属性定义和存储划分，配置文件里有的数据项定位为私有数据，此类数据存储在私有数据区，配置文件中未定义的其它数据都存在共享数据区，私有数据的读取需要通过授权方式判定是否可以读取。可以采用授权配置文件的方式进行业务应用认证，只有认证过的业务应用程序APP才能访问私有数据区；若授权配置文件为空，则默认为所有业务应用程序APP判定为认证合格，可以访问私有数据区。

本发明实施例通过边缘侧终端设备中的数据管理应用程序，针对各业务应用注册数据模型，根据注册的数据模型为各业务应用注册数据存储设备、分配数据传输资源，实现对多种类型设备的采集数据和数据分析结果的统一管理，可以在配电物联网的边缘侧实现数据的汇集、分析和管理，在边缘侧实现数据综合管理和高效利用，无需将所有采集数据上传到云服务器进行分析计算，减少通信网络负担，减少云服务器的计算负担；各类业务应用在数据管理应用程序中注册数据模型和对应各类型设备的数据存储设备（即数据存储区），所有的业务应用共享设备采集数据和数据分析结果，可以支持不同厂家开发的应用更好的获取其它应用的数据，实现业务数据的汇集，无需重复采集数据和分析数据，减小资源浪费。

图5为本发明实施例提供的多业务资源协同系统的架构图。如图5所示，本发明实施例提供一种多业务资源协同系统，包括：数据管理应用程序、数据采集应用程序、数据分析应用程序以及云端交互应用程序。数据管理应用程序部署在边缘侧终端设备中，用于针对各业务应用注册对应的数据模型，根据注册的数据模型为各业务应用注册数据存储设备和分配数据传输资源。数据采集应用程序用于采集多种不同类别设备（即A类设备、B类设备至N类设备）的数据，通过分配的数据传输资源将采集数据存入数据管理应用程序中对应的数据存储设备（即数据存储区）。数据分析应用程序用于通过分配的数据传输资源从数据管理应用程序中的数据存储设备获取采集数据进行分析，并将数据分析结果存入数据管理应用程序中对应的数据模型。云端交互应用程序用于从数据管理应用程序中获取采集数据和数据分析结果上传至云服务器。

如图2所示，数据管理应用程序中预设了多个数据模型，数据模型的类别分为实模型和虚模型。实模型用于存储直接获取的采集数据，该采集数据包括实时数据和冻结数据。实时数据是指现场设备的实时数据，冻结数据是设定的冻结时间点的设备数据。虚模型有多个，分别用于存储根据单个类型设备或多类型设备的采集数据进行分析得到的数据分析结果，例如通过分析获得的物理拓扑位置信息、是否发生窃电或停电故障等信息。每个数据模型包括设备属性信息，设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息。静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本等。实模型的动态属性信息包括实时数据和冻结数据，虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果。在一实施例中，某一类型的设备对应一个实模型和一个虚模型，实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。实模型创建后属性固定，不能对属性进行更改。虚模型包括扩展属性信息，该扩展属性信息包括根据多类型设备的采集数据进行分析得到的数据分析结果。虚模型允许增加属性，便于以后的分析和扩展，对于多类型设备的数据分析结果信息，可以增加单独的虚模型来存放。

各类业务应用程序向数据管理应用程序提交注册申请，提交的注册申请中包含业务应用对应设备的属性信息（设备厂商信息、通信地址、设备类型和/或设备版本等），数据管理应用程序根据该属性信息为该业务应用注册（申请或匹配）对应的数据模型，根据注册的数据模型的类别为各业务应用注册数据存储设备（即对应各类型设备的数据存储区），并为各业务应用实时分配数据传输通道等数据传输资源。其中，数据管理应用程序根据注册的数据模型的类别为各业务应用实时分配数据传输通道，数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入对应的数据存储设备中。

如图3所示，数据存储设备中实时数据与冻结数据分开进行存储。实时数据分为私有数据和共享数据，共享数据允许各类业务应用访问，私有数据只有认证的业务应用才可以访问。实模型的实时数据存储区位于边缘侧终端设备的随机存取存储器（Random AccessMemory，简称RAM）中。实模型的冻结数据存储区位于边缘侧终端设备的只读存储器（Read-Only Memory，简称ROM）中。由于实时数据需要实时更新，因此将实时数据存在RAM中；冻结数据属于历史数据，是已经固定的数据，将冻结数据存在ROM中。未注册数据模型和数据存储设备，实时数据不能正常存储。注册的数据存储设备在分析处理实时数据时，如果有异常事件发生，比如短路、断路、设备故障等，对于设备产生的事件信息，数据管理应用程序会主动广播发送事件通知到其它的业务应用程序。

各类的数据分析应用程序通过数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析，将数据分析结果存入虚模型中。考虑到某些设备存在敏感信息及其独有的隐私保护数据等特定数据的安全性要求，对数据模型设置数据属性。实模型的数据属性分为共享数据属性和私有数据属性，共享数据属性的数据模型允许其它业务应用访问，私有数据属性的数据模型只有认证的业务应用才可以访问。各类业务应用程序获取数据管理应用程序中的采集数据和数据分析结果时，还需要判断所访问的数据模型的数据属性，根据数据模型的数据属性确定是否向各业务应用共享数据模型中的数据。具体的，实模型的数据属性通过配置文件的方式进行数据属性定义和存储划分，配置文件里有的数据项定位为私有数据，此类数据存储在私有数据区，配置文件中未定义的其它数据都存在共享数据区，私有数据的读取需要通过授权方式判定是否可以读取。可以采用授权配置文件的方式进行业务应用认证，只有认证过的业务应用程序才能访问私有数据区；若授权配置文件为空，则默认为所有业务应用程序判定为认证合格，可以访问私有数据区。

如图4所示，各类数据采集应用程序将采集的数据写入数据管理应用程序中，各类的数据分析应用程序从数据管理应用程序中提取数据进行分析，并将数据分析结果再写入数据管理应用程序中。采集数据和数据分析结果均存储于数据管理应用程序中，云端交互应用程序获取数据管理应用程序中存储的采集数据和数据分析结果并上传到云服务器。各类业务应用程序均可以调用数据管理应用程序中的采集数据和数据分析结果，实现数据共享，避免重复采集数据，可以基于已有的采集数据和数据分析结果充分挖掘数据价值，高效和全面的利用数据，优化通信网络资源。数据管理应用程序采用物模型的概念，用物模型管理数据信息。通过专用的数据管理应用程序对现场设备的采集数据和数据分析结果统一管理，实现从单一设备的数据采集到多类设备数据的综合分析，可以支持不同厂家开发的应用更好的获取其它应用的数据，实现业务数据的汇集，减小重复采集和资源浪费。

本发明实施例还提供一种计算机设备，该计算机设备包括存储器、处理器以及计算机程序，该计算机程序存储在存储器中，并被配置为由处理器执行以实现上述的多业务资源协同方法。

本发明实施方式还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以实现上述的多业务资源协同方法。

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、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (16)

1.一种多业务资源协同方法，其特征在于，包括：

针对各业务应用在边缘侧终端设备的数据管理应用程序中注册对应的数据模型，根据注册的数据模型在所述数据管理应用程序中为各业务应用注册数据存储设备，以及根据注册的数据模型的类别为各业务应用实时分配数据传输通道，所述数据模型的类别分为实模型和虚模型，实模型用于存储直接获取的采集数据，虚模型用于存储根据采集数据进行分析得到的数据分析结果；

通过实时分配的数据传输通道将采集数据存入所述数据管理应用程序中对应的数据存储设备；

通过实时分配的数据传输通道从所述数据管理应用程序中的数据存储设备获取实模型中的采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的虚模型；

通过云端交互应用程序从所述数据管理应用程序中获取所存储的采集数据和数据分析结果上传至云服务器。

2.根据权利要求1所述的多业务资源协同方法，其特征在于，所述采集数据包括实时数据和冻结数据。

3.根据权利要求2所述的多业务资源协同方法，其特征在于，所述数据模型包括设备属性信息，所述设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息；

所述静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本；

实模型的动态属性信息包括实时数据和冻结数据；

虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果。

4.根据权利要求3所述的多业务资源协同方法，其特征在于，某一类型的设备对应一个实模型和一个虚模型，实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。

5.根据权利要求3所述的多业务资源协同方法，其特征在于，虚模型还包括扩展属性信息，所述扩展属性信息包括根据多种类型设备的采集数据进行分析得到的数据分析结果。

6.根据权利要求2所述的多业务资源协同方法，其特征在于，通过实时分配的数据传输通道将采集数据存入所述数据管理应用程序中对应的数据存储设备，包括：

各类数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入对应的数据存储设备中。

7.根据权利要求2所述的多业务资源协同方法，其特征在于，所述实模型的实时数据存储区位于边缘侧终端设备的随机存取存储器中；

所述实模型的冻结数据存储区位于边缘侧终端设备的只读存储器中。

8.根据权利要求2所述的多业务资源协同方法，其特征在于，通过分配的数据传输通道从所述数据管理应用程序中的数据存储设备获取实模型中的采集数据进行分析，包括：

各类数据分析应用程序通过所述数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析。

9.根据权利要求3所述的多业务资源协同方法，其特征在于，所述数据模型还包括数据属性，所述数据属性为共享数据属性或私有数据属性；

所述多业务资源协同方法还包括：

判断数据模型的数据属性；

根据数据模型的数据属性确定是否向各业务应用共享所述数据模型中的数据。

10.一种多业务资源协同系统，其特征在于，包括：

数据管理应用程序，部署在边缘侧终端设备中，用于针对各业务应用注册对应的数据模型，根据注册的数据模型为各业务应用注册数据存储设备，以及根据注册的数据模型的类别为各业务应用实时分配数据传输通道，所述数据模型的类别分为实模型和虚模型，实模型用于存储直接获取的采集数据，虚模型用于存储根据采集数据进行分析得到的数据分析结果；

数据采集应用程序，用于采集多种类别设备的数据，通过实时分配的数据传输通道将采集数据存入所述数据管理应用程序中对应的数据存储设备；

数据分析应用程序，用于通过实时分配的数据传输通道从所述数据存储设备获取实模型中的采集数据进行分析，并将数据分析结果存入所述数据管理应用程序中对应的虚模型；

云端交互应用程序，用于从所述数据管理应用程序中获取所存储的采集数据和数据分析结果上传至云服务器。

11.根据权利要求10所述的多业务资源协同系统，其特征在于，所述采集数据包括实时数据和冻结数据。

12.根据权利要求11所述的多业务资源协同系统，其特征在于，所述数据管理应用程序根据注册的数据模型的类别为各业务应用实时分配数据传输通道；

所述数据采集应用程序通过实时分配的数据传输通道将采集的实时数据和冻结数据存入对应的数据存储设备中。

13.根据权利要求11所述的多业务资源协同系统，其特征在于，所述数据分析应用程序通过所述数据管理应用程序分配的调用接口从实模型中读取实时数据和/或冻结数据进行分析。

14.根据权利要求11所述的多业务资源协同系统，其特征在于，所述数据模型包括设备属性信息，所述设备属性信息包括设备的静态属性信息以及与该设备对应的业务应用的动态属性信息；

所述静态属性信息包括设备厂商信息、通信地址、设备类型和/或设备版本；

实模型的动态属性信息包括实时数据和冻结数据；

虚模型的动态属性信息包括根据采集数据进行分析得到的数据分析结果；

实模型与虚模型之间根据设备厂商信息、设备类型和/或通信地址建立映射关系。

15.一种计算机设备，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现如权利要求1至权利要求9中任一项所述的多业务资源协同方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1至权利要求9中任一项所述的多业务资源协同方法。

Images