CN116743790A - 设备数据采集、设备数据分析方法、装置和计算机设备 - Google Patents
设备数据采集、设备数据分析方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN116743790A CN116743790A CN202211208331.5A CN202211208331A CN116743790A CN 116743790 A CN116743790 A CN 116743790A CN 202211208331 A CN202211208331 A CN 202211208331A CN 116743790 A CN116743790 A CN 116743790A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- model
- point location
- 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 82
- 238000007405 data analysis Methods 0.000 title claims abstract description 56
- 238000013507 mapping Methods 0.000 claims abstract description 307
- 238000004590 computer program Methods 0.000 claims abstract description 31
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 82
- 238000006243 chemical reaction Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 12
- 230000004927 fusion Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000013499 data model Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008676 import Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请涉及一种设备数据采集、设备数据分析方法、装置、计算机设备、存储介质和计算机程序产品。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等场景。所述方法包括:获取点位模型映射信息;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段;基于点位模型映射信息进行设备数据采集和上报,得到各个设备分别对应的、用于上报至物联网平台的模型上报数据,提高了设备数据上报效率。
Description
技术领域
本申请涉及物联网技术领域,特别是涉及一种设备数据采集、设备数据分析方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着物联网技术的发展,出现了物联网平台,物联网平台是一个集成了设备管理、消息订阅、设备控制等能力的一体化平台,物联网平台需要获取物联设备的设备数据来进行数据分析以实现设备管理、设备控制。传统技术中,每采集完一个区间的设备数据就开始转换模型并上报至物联网平台。
然而,传统的设备数据上报方式,物联网平台需要多次收集上报数据,对上报的多个数据进行模型组包才能得到一个设备完整的设备数据以进行数据分析,存在设备数据上报效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高设备数据上报效率的设备数据采集、设备数据分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
本申请提供了一种设备数据采集方法。所述方法包括:
获取点位模型映射信息;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段;
基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像;
基于设备维度,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合;
基于所述映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;所述模型上报数据用于上报至物联网平台进行数据分析。
本申请还提供了一种设备数据采集装置。所述装置包括:
点位模型映射信息获取模块,用于获取点位模型映射信息;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段;
设备数据采集模块,用于基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像;
设备数据分类模块,用于基于设备维度,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合;
设备数据上报模块,用于基于所述映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;所述模型上报数据用于上报至物联网平台进行数据分析。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述设备数据采集方法所述的步骤。
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时实现上述设备数据采集方法所述的步骤。
一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述设备数据采集方法所述的步骤。
上述设备数据采集方法、装置、计算机设备、存储介质和计算机程序产品,通过获取点位模型映射信息,点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像,基于设备维度,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合,基于映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据,模型上报数据用于上报至物联网平台进行数据分析。这样,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。
本申请提供了一种设备数据分析方法。所述方法包括:
获取数据采集端上报的、至少一个设备各自的模型上报数据;其中,所述模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;
基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;所述设备控制指令用于下发至关联设备进行设备控制。
本申请还提供了一种设备数据分析装置。所述装置包括:
数据获取模块,用于获取数据采集端上报的、至少一个设备各自的模型上报数据;其中,所述模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;
数据分析模块,用于基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;所述设备控制指令用于下发至关联设备进行设备控制。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述设备数据分析方法所述的步骤。
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时实现上述设备数据分析方法所述的步骤。
一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述设备数据分析方法所述的步骤。
上述设备数据分析方法、装置、计算机设备、存储介质和计算机程序产品,通过获取数据采集端上报的、至少一个设备各自的模型上报数据,其中,模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令,设备控制指令用于下发至关联设备进行设备控制。这样,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。并且,一次性获取到的单个设备的模型上报数据包括完整的设备数据,基于完整的设备数据可以快速进行准确的设备联动处理,得到准确的设备控制指令,从而可以实现准确的设备控制,有效提高了设备控制的准确性。
附图说明
图1为一个实施例中设备数据采集方法和设备数据分析方法的应用环境图;
图2为一个实施例中设备数据采集方法的流程示意图;
图3为一个实施例中门禁设备对应的设备点表的示意图;
图4为一个实施例中门禁设备对应的数据模型的配置界面的示意图;
图5为一个实施例中设备数据采集和设备数据转换上报的示意图;
图6为一个实施例中生成点位模型映射表并导入设备数据采集服务的示意图;
图7为一个实施例中设备数据分析方法的流程示意图;
图8为另一个实施例中设备数据采集方法和设备数据分析方法的应用环境图;
图9为一个实施例中设备数据采集方法的时序图;
图10为另一个实施例中设备数据采集和设备数据转换上报的示意图;
图11为一个实施例中设备数据采集装置的结构框图;
图12为一个实施例中设备数据分析装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明实施例可应用于各种场景,包括但不限于云技术、人工智能、智慧交通、辅助驾驶等。
本申请实施例提供的设备数据采集方法和设备数据分析方法,可以应用于如图1所示的应用环境中。其中,设备102通过网络与数据采集端104进行通信,数据采集端104通过网络和物联网平台进行通信。
具体地,数据采集端可以采集设备的设备数据并转换为模型数据进行数据上报。数据采集端可以获取点位模型映射信息,基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像。其中,点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段。数据采集端可以基于设备维度对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合,基于映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据,模型上报数据用于上报至物联网平台进行数据分析。
物联网平台可以获取数据采集端上报的、至少一个设备各自的模型上报数据,基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令,设备控制指令用于下发至关联设备进行设备控制。物联网平台可以将设备控制指令发送至数据采集端,由数据采集端转发至相应设备。
其中,设备102可以是终端,终端可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备、网关设备等,便携式可穿戴设备可为智能手表、智能手环、头戴设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。数据采集端104和物联网平台106可以是服务器,服务器可以用独立的服务器或者是多个服务器组成的服务器集群或者云服务器来实现。
在一个实施例中,如图2所示,提供了一种设备数据采集方法,本实施例以该方法应用于图1中的数据采集端来举例说明,可以理解,该方法还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。参考图2,设备数据采集方法包括以下步骤:
步骤S202,获取点位模型映射信息;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段。
其中,设备点位信息用于记录设备的设备属性和设备属性对应的数据采集地址,即设备点位信息包括设备的各个设备属性分别对应的数据采集地址。数据采集地址也可以称为数据位,即设备点位信息包括设备的各个设备属性分别对应的数据位。
设备属性用于描述设备工作时具体信息和状态。例如,环境监测设备所监测的环境温度、智能灯的开关状态、智能风扇的风力等级等。设备属性存在对应的设备数据,设备数据表示具体的属性值,即设备属性为属性点,设备数据为属性值。例如,若设备属性为环境温度,则设备数据为具体的温度数值;若设备属性为开关状态,则设备数据为开状态或关状态。
数据采集地址是指设备数据的存储位置的定位地址,基于数据采集地址可以获取到相应设备属性对应的设备数据。
设备模型信息用于描述可上报设备数据的数据模型的模型信息。数据模型也可以称为物模型。设备模型信息包括设备的各个设备属性分别对应的模型上报字段。模型上报字段是程序可读、机器可懂的字段,基于模型上报字段进行设备数据的上报,可以让物联网平台快速读懂设备数据的含义。
点位模型映射信息是基于设备属性将同一设备对应的设备点位信息和设备模型信息进行映射得到的。可以理解,同一点位模型映射信息可以包括至少一个设备对应的映射结果。
设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,因此,基于公共的设备属性进行映射,可以将同一设备属性对应的数据采集地址和模型上报字段建立映射关系,将同一设备属性对应的数据采集地址和模型上报字段关联起来,从而映射得到的点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系。
具体地,数据采集端可以在本地或从其他计算机设备上获取点位模型映射信息,基于点位模型映射信息进行高效的设备数据采集和设备数据转换上报。点位模型映射信息是一份程序可读的配置文件,记录了设备属性、数据采集地址、模型上报字段之间的映射关系,数据采集端通过解析该配置文件,可以采集相应的设备数据,并组装成模型上报数据上报至物联网平台。
在一个实施例中,数据采集地址是由寄存器类型、寄存器起始采集地址和设备数据采集长度组成。寄存器类型用于确定从哪个寄存器上采集数据。寄存器起始采集地址用于确定在寄存器上采集数据的起始地址。设备数据采集长度用于确定从起始地址读取数据的长度。举例说明,若寄存器类型为3,寄存器起始采集地址为3.0,设备数据采集长度为1bit(比特),则从3对应的寄存器上3.0位置开始读取1bit的数据作为采集到的设备数据。
步骤S204,基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像。
其中,参考采集数据量是指单批次需要采集的数据量。参考采集数据量可以是预先设置的固定值,例如,一批次采集125bit数据,具体根据实际需要进行设置。参考采集数据量也可以是灵活调整的动态值,例如,根据设备的性能确定参考采集数据量,参考采集数据量的宽度随着设备性能的优化而增大;根据网络可用带宽信息确定参考采集数据量,参考采集数据量的宽度随着网络可用带宽信息的增加而增大;根据设备的性能、网络可用带宽信息等数据确定参考采集数据量。
设备数据镜像是指设备数据的副本,可以认为是从设备数据的存储位置复制设备数据而得到的副本。全量设备数据镜像是指完整的设备数据副本,包括从点位模型映射信息中各个数据采集地址上获取到的设备数据。
具体地,在基于点位模型映射信息进行设备数据采集时,数据采集端从点位模型映射信息中确定数据采集地址,按照参考采集数据量,分批从相应数据采集地址所指示的位置采集设备数据,将所有采集到的设备数据组成全量设备数据镜像。
可以理解,参考采集数据量有限,若点位模型映射信息中记录的需要采集的设备数据的数据总量超过参考采集数据量,就需要分批次进行数据采集,以采集到完整的设备数据。例如,基于点位模型映射信息确定一共需要采集500bit数据,参考采集数据量为125bit,则需要分4个批次进行数据采集,4个批次分别采集125bit数据。
在一个实施例中,数据采集端可以是单批次循环进行设备数据采集,也可以是多任务并行进行设备数据采集。数据采集端可以根据设备的承载能力确定批量采集模式,从而在保障采集成功率的基础上提高采集效率。
在一个实施例中,数据采集端可以定时触发设备数据采集,周期性地采集全量设备数据。
步骤S206,基于设备维度,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。
具体地,点位模型映射信息包括至少一个设备对应的相关信息,因此,基于点位模型映射信息采集到的全量设备数据镜像包括至少一个设备的完整设备数据。由于设备数据是分批采集的,设备数据上报又需要分设备进行上报,因此,数据采集端可以基于设备维度对全量设备数据镜像进行数据分类,从全量设备数据镜像中划分出不同设备的设备数据,将属于同一设备的设备数据组成设备数据集合,最终得到各个设备分别对应的设备数据集合。一个设备数据集合包括一个设备完整的设备数据。
步骤S208,基于映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;模型上报数据用于上报至物联网平台进行数据分析。
具体地,基于点位模型映射信息完成设备数据采集后,数据采集端可以进一步基于点位模型映射信息进行设备数据转换上报。数据采集端可以基于点位模型映射信息中的映射关系,将设备数据集合中的设备数据和与之存在映射关系的模型上报字段进行组合,由同一设备对应的各个组合结果得到模型上报数据,最终得到各个设备分别对应的模型上报数据。可以理解,同一设备的同一设备属性对应的数据采集地址和模型上报字段存在映射关系,那么从数据采集地址采集到的设备数据和相应的模型上报字段也存在映射关系。数据采集端可以把设备完整的模型上报数据一次性上报至物联网平台,从而物联网平台可以迅速基于完整的模型上报数据进行准确的数据分析、数据判断。
从技术方案整体上看,在进行设备数据采集之前,预先获取通过映射设备点位信息和设备模型信息得到的点位模型映射信息,从而数据采集端基于点位模型映射信息可以实时进行设备数据采集,采集到完整的设备数据后实时组装成模型上报数据,一次性上报完整的设备数据至物联网平台。物联网平台一次性获取到完整的设备数据,也可以快速响应,快速进行数据分析,快速下发相关控制指令或通知消息至有关设备或有关用户终端。
上述设备数据采集方法中,通过获取点位模型映射信息,点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像,基于设备维度,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合,基于映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据,模型上报数据用于上报至物联网平台进行数据分析。这样,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。
传统技术每次采集完一个区间的设备数据做模型转换时,都要做一次设备点位信息与设备模型信息的映射,消耗了不必要的硬件资源。然而采用本申请提供的设备数据采集方式,在采集设备数据之前,就预先获取通过映射得到的点位模型映射信息,预先将数据映射过程从数据采集、数据转换过程中分离出来,将点位模型映射信息作为数据采集、数据转换过程中的静态数据,有效避免了硬件资源浪费。
进一步的,传统技术为模型组包方案,每次采集完一个区间的设备数据开始转换模型并上报,方向是由数据去找该数据所属设备,而一个设备的完整设备数据不一定都在这个区间内,最终造成一次上报的设备数据不完整,同一个设备的完整设备数据会分多个包多次上报,而上层的物联网平台常需要一个完整的设备数据做模型判断、数据分析,就得先对接收到的模型数据进行组包,而模型层面的组包复杂,性能低且延迟高。然而采用本申请提供的设备数据采集方式,基于点位模型映射信息可以采集到全量设备数据镜像,直接去全量设备数据镜像中查找某个设备的完整设备数据,即可得到一个完整的设备模型数据,供上层的物联网平台直接使用,避免了复杂的组包逻辑。
总之,采用本申请提供的设备数据采集方式,既可以提高设备数据采集端的设备数据上报效率,又可以提高物联网平台端的设备数据处理效率。
在一个实施例中,点位模型映射信息的生成过程包括以下步骤:
获取至少一个设备的设备点位信息;设备点位信息包括设备所属产品对应的产品标识;获取各个产品标识分别对应的设备模型信息;属于同一产品的各个设备对应同一设备模型信息;在同一设备对应的设备点位信息和设备模型信息中,将同一设备属性对应的信息进行映射,基于各个设备对应的映射结果得到点位模型映射信息。
其中,产品是设备的集合,通常是一组具有相同功能定义的设备集合。例如,产品指同一个型号的产品,设备就是该型号下的某个设备。属于同一产品的各个设备对应相同的设备模型信息。属于同一产品的各个设备具有相同功能定义,具有相同的设备属性,可以对应同一设备模型信息。产品标识是一种标识,用于唯一标识设备所属产品,具体可以包括字母、数字和符号中至少一种字符的字符串,例如,可以将产品ID(又可以称为PID)作为产品标识。
具体地,计算机设备可以获取至少一个设备的设备点位信息,获取各个设备分别所属产品对应的设备模型信息。若各个设备属于同一产品,则只需获取该产品对应的设备模型信息,若各个设备属于至少两个产品,则需获取各个产品分别对应的设备模型信息。设备点位信息包括设备所属产品对应的产品标识,计算机设备可以基于产品标识快速获取产品对应的设备模型信息。在同一设备对应的设备点位信息和设备模型信息中,计算机设备可以将同一设备属性对应的信息进行映射,将同一设备属性在设备点位信息中对应的信息和在设备模型信息中对应的信息建立映射关系,最终基于各个设备分别对应的映射结果得到点位模型映射信息。
设备的设备点位信息中包括设备所属产品对应的产品标识,设备模型信息中也包括产品标识。因此,计算机设备可以基于产品标识确定同一设备对应的设备点位信息和设备模型信息,将具有相同产品标识的设备点位信息和设备模型信息进行映射。
可以理解,计算机设备可以是终端,也可以是服务器。计算机设备可以是数据采集端,也可以是数据采集端之外的其他设备。
在一个实施例中,点位模型映射信息可以包括至少一个产品对应的至少一个设备的映射结果。也就是,点位模型映射信息可以包括属于同一产品的至少一个设备的映射结果,也可以包括属于不同产品的至少一个设备的映射结果。在一个实施例中,点位模型信息可以包括属于同一物联网项目的至少一个设备对应的映射结果。例如,点位模型信息包括属于同一物联网项目、并且属于同一产品的各个设备的映射结果。属于同一物联网项目的不同设备之间通常是息息相关的,物联网平台常需要获取到属于同一物联网项目的多个设备的完整设备数据再进行数据分析、数据处理,因此,点位模型信息可以包括属于同一物联网项目的至少一个设备对应的映射结果,那么物联网平台就可以一次性获取到更加完整的设备数据来一次性进行数据分析,无需物联网平台要等待多次数据上报才能进行数据分析,无需提前占用物联网平台的相关资源,可以让物联网平台有空闲处理其他任务。一个物联网项目可以对应一个专业系统。
在一个实施例中,设备点位信息还可以包括设备的设备序列标识、设备所属产品的产品标识、各个设备属性对应的设备属性描述、设备数据数值类型、设备数据数值范围、设备数据数值描述等至少一种数据。设备序列标识是一种标识,用于唯一标识设备的序列号,具体可以包括字母、数字和符号中至少一种字符的字符串。例如,可以将设备的SN(Serial Number,序列号)作为设备序列标识。不同设备具有不同的设备序列标识。设备属性描述用于描述设备属性的含义。设备数据数值类型用于表征设备数据的数值类型,例如,设备数据数值类型可以是DI(Digtal In,数字量输入)、DO(Digtal Out,数字量输出)、AI(Analog In,模拟量输入)、AO(Analog Out,模拟量输出)等。设备数据数值范围用于表征设备数据的权值范围,例如,设备数据数值范围为0-1。设备数据数值描述用于描述不同数值的设备数据分别对应的含义,例如,0表示开门状态,1表示关门状态。
在一个实施例中,设备模型信息还可以包括各个设备属性对应的设备属性标识、设备属性数据类型、设备属性读写类型、设备属性数据定义等至少一种数据。设备属性标识是一种标识,用于唯一标识设备的设备属性,具体可以包括字母、数字和符号中至少一种字符的字符串。例如,可以将设备属性的名称作为设备属性标识。设备属性数据类型用于描述设备属性对应的设备数据的数据类型,例如,枚举型、常量、字符型、布尔型等。设备属性读写类型用于描述设备属性对应的设备数据是否可读可写。设备属性数据定义用于描述设备属性对应的设备数据的数据定义。
在一个具体的实施例中,设备点表是以表格形式呈现的设备点位信息。设备和数据采集端之间可以通过modbus协议进行通信。设备点表主要描述的是modbus数据位与设备属性的对应关系,设备点表应包含且不限于这些字段:设备SN、产品ID、设备属性描述,数据位长度,数据位寄存器号,采集功能码。数据采集地址由数据位长度、数据位寄存器号和采集功能码组成,数据位长度即为设备数据采集长度,数据位寄存器号即为寄存器起始采集地址,采集功能码即为寄存器类型。参考图3,为一种门禁设备的设备点表。
模型用来描述一个类型的设备所具备的属性与服务,模型为可读的json(JavaScript Object Notation,JS对象简谱)数据,设备数据会以模型的形式上报。模型应包含且不限于属性名称、属性ID、属性的数据类型、读写类型、数据定义等信息。属性ID又可以称为模型上报字段。若数据类型为枚举型,还应包含所有枚举值对应的数据含义。在物联网平台上建立完成后,可以将建立的数据模型关联相应的产品ID(即PID)。参考图4,为一种门禁设备对应的数据模型的配置界面的示意图,这种门禁设备的数据模型关联了PID2001001120。若用户光标定位在某一设备属性所在数据行,可以在数据模型的展示界面上进一步显示设备属性的详细数据定义。
在一个实施例中,设备点位信息和设备模型信息是不同维度的数据,需要分别获取,再进行映射。设备点位信息是从设备生产端获取的,设备模型信息是从物联网平台上获取的。设备生产端是指设备的生产厂商侧。设备点位信息通常是出厂前设置的,存储在设备生产端,因此,数据采集端可以从设备生产端获取设备点位信息。设备模型信息需要在物联网平台上进行配置,从而物联网平台可以识别按照设备模型信息上报的设备数据,因此,数据采集端可以从物联网平台上获取设备模型信息。
上述实施例中,通过获取至少一个设备的设备点位信息;设备点位信息包括设备所属产品对应的产品标识;获取各个产品标识分别对应的设备模型信息;属于同一产品的各个设备对应同一设备模型信息;在同一设备对应的设备点位信息和设备模型信息中,将同一设备属性对应的信息进行映射,基于各个设备对应的映射结果得到点位模型映射信息。这样,同一类型的设备对应同一设备模型信息,为同一类型的设备无需重复配置设备模型信息,只需为一个产品配置一个设备模型信息。基于设备点位信息中的产品标识可以快速获取设备对应的设备模型信息,快速将设备点位信息和设备模型信息进行映射,生成点位模型映射信息。
在一个实施例中,基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像,包括:
基于各个设备分别对应的通信模式,确定批量采集模式;基于点位模型映射信息,按照参考采集数据量和批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像;按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列,得到全量设备数据镜像。
其中,通信模式是指设备与数据采集端之间的通信方式。针对不同的通信模式可以设置不同的批量采集模式。批量采集模式是指数据采集端在采集不同批次数据时的采集方式。
具体地,针对不同的设备可以采用不同的批量采集模式以提高设备数据的采集效率。数据采集端可以基于各个设备分别对应的通信模式确定批量采集模式。例如,若通信模式可支持并行处理,则批量采集模式可以是并行采集模式;若通信模式只支持串行处理,则批量采集模式可以是串行采集模式。在确定批量采集模式后,数据采集端可以基于点位模型映射信息,按照参考采集数据量和批量采集模式,分批从相应数据采集地址采集设备数据,从而得到各个批次分别对应的设备数据镜像。例如,若批量采集模式为并行采集模式,则多任务并行采集不同批次的设备数据,得到各个批次分别对应的设备数据镜像。数据采集端可以直接将所有批次采集到的设备数据镜像组成全量设备数据镜像。为了进一步保障全量设备数据镜像中设备数据的有序性,数据采集端可以按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列,从而最终得到全量设备数据镜像。可以理解,通常一个设备对应的完整设备数据是从相邻数据采集地址上采集到的,按照数据采集地址的地址排序将设备数据镜像进行排列得到的全量设备数据镜像,也有助于快速分类出各个设备分别对应的设备数据集合。数据采集端可以按照点位模型映射信息中记录的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列得到全量设备数据镜像。
上述实施例中,通过基于各个设备分别对应的通信模式,确定批量采集模式;基于点位模型映射信息,按照参考采集数据量和批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像;按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列,得到全量设备数据镜像。这样,基于各个设备分别对应的通信模式确定批量采集模式,再基于批量采集模式进行设备数据采集,可以提高设备数据采集效率。按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列得到的全量设备数据镜像,有助于快速分类出各个设备分别对应的设备数据集合。
在一个实施例中,基于各个设备分别对应的通信模式,确定批量采集模式,包括:
当各个通信模式均为网口通信模式时,确定批量采集模式为并行采集模式;并行采集模式用于多任务并行采集不同批次的设备数据,并行采集模式对应的并行数量是基于点位模型映射信息中数据采集地址的地址长度和参考采集数据量确定的;
当各个通信模式均为串口通信模式时,确定批量采集模式为串行采集模式;串行采集模式用于单任务循环采集不同批次的设备数据;
当各个通信模式包括网口通信模式和串口通信模式时,确定批量采集模式为混合采集模式;混合采集模式用于通过并行采集模式采集属于网口通信模式的设备对应的设备数据,通过串行采集模式采集属于串口通信模式的设备对应的设备数据。
其中,通信模式包括网口通信模式和串口通信模式。网口通信模式是指设备和数据采集端之间通过网口进行通信。串口通信模式是指设备和数据采集端之间通过串口进行通信。
批量采集模式包括并行采集模式、串行采集模式和混合采集模式。并行采集模式用于多任务并行采集不同批次的设备数据镜像。例如,一个周期的设备数据采集需要分四个批次来进行,一个批次对应一个任务,通过并行的四个任务来并行采集四个批次的设备数据。串行采集模式用于单任务循环采集不同批次的设备数据。例如,一个周期的设备数据采集需要分四个批次来进行,通过一个任务依次采集四个批次的设备数据。混合采集模式用于混合并行采集模式和串行采集模式来采集设备数据。
具体地,当各个设备对应的通信模式均为网口通信模式时,数据采集端可以确定批量采集模式为并行采集模式,通过多任务并行采集不同批次的设备数据,快速得到各个批次分别对应的设备数据镜像。
当各个设备对应的通信模式均为串口通信模式时,数据采集端可以确定批量采集模式为串行采集模式,通过单任务循环采集不同批次的设备数据,得到各个批次分别对应的设备数据镜像。
当各个设备对应的通信模式包括网口通信模式和串口通信模式时,数据采集端确定批量采集模式为混合采集模式,数据采集端可以通过并行采集模式采集属于网口通信模式的设备对应的设备数据,通过串行采集模式采集属于串口通信模式的设备对应的设备数据。
在一个实施例中,设备点表信息可以记录设备对应的通信模式,从而映射设备点表信息和设备模型信息的点位模型映射信息中可以记录有各个设备分别对应的通信模式。进一步的,点位模型映射信息可以将属于同一通信模式的各个设备的相关信息集中记录,将属于不同通信模式的各个设备的相关信息隔离记录,以便快速确定需要哪些设备属性的设备数据需要通过同一采集模式进行采集。例如,点位模型映射信息可以将属于网口通信模式的各个设备的相关信息记录在第一区域,将属于串口通信模式的各个设备的相关信息记录在第二区域。针对第一区域,基于第一区域对应的数据总量和参考采集数据量确定第一区域对应的批次数量,基于任务数量与该批次数量匹配的多任务并行采集第一区域对应的设备数据。针对第二区域,基于第二区域对应的数据总量和参考采集数据量确定第二区域对应的批次数量,通过单任务循环该批次数量串行采集第二区域对应的设备数据。
在一个实施例中,并行采集模式对应的任务数量可以与批次数量相匹配。例如,基于点位模型映射信息和参考采集数据量确定的批次数量为三,则任务数量也为三,通过三个任务并行采集三个批次的设备数据。并行采集模式对应的任务数量也可以进一步综合考虑设备的承载能力。
在一个实施例中,设备和数据采集端之间可以通过Modbus规约(也可以称为Modbus协议)进行通信。Modbus协议是一种通信协议。若设备符合Modbus-TCP规约,使用网口通信,例如,使用RJ45网口通信,则可以多任务并行采集不同批次的设备数据以加快采集速度。Modbus-TCP规约是基于以太网TCP/IP的Modbus协议。若设备符合Modbus-RTU或Modbus-ASCII是规约,使用串口通信,例如使用RS-485串口通信,则可单任务循环采集不同批次的设备数据。Modbus RTU是一种紧凑的,采用二进制表示数据的方式,Modbus ASCII是一种人类可读的,冗长的表示方式。Modbus RTU和Modbus ASCII都使用串行通信方式。
上述实施例中,当各个通信模式均为网口通信模式时,确定批量采集模式为并行采集模式,当各个通信模式均为串口通信模式时,确定批量采集模式为串行采集模式,当各个通信模式包括网口通信模式和串口通信模式时,确定批量采集模式为混合采集模式。这样,基于各个设备的通信模式可以快速确定具体的批量采集模式,从而快速进行与设备特征相适应的设备数据采集。
在一个实施例中,当批量采集模式为并行采集模式时,基于点位模型映射信息,按照参考采集数据量和批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像,包括:
通过与批次数量匹配的各个任务,按照参考采集数据量分批从相应数据采集地址采集设备数据;单个任务用于采集属于同一批次的设备数据;每当存在单个任务采集完毕的情况下,将数据采集完毕的任务对应的任务状态置为完成状态;当各个任务对应的任务状态均为完成状态时,得到各个批次分别对应的设备数据镜像,再将各个任务对应的任务状态更新为空闲状态;空闲状态用于等待下一周期的设备数据分批采集。
具体地,当批量采集模式为并行采集模式时,数据采集端可以通过与批次数量匹配的各个任务,按照参考采集数据量分批从相应数据采集地址采集设备数据,单个任务用于采集属于同一批次的设备数据。例如,批次数量为三,则任务数量也为三,通过三个任务并行采集三个批次的设备数据,单个任务用于采集属于同一批次的设备数据。每当存在单个任务采集完毕的情况下,数据采集端将数据采集完毕的任务对应的任务状态置为完成状态,当各个任务对应的任务状态均为完成状态时,数据采集端最终得到各个批次分别对应的设备数据镜像。当各个任务对应的任务状态均为完成状态时,数据采集端再将各个任务对应的任务状态更新为空闲状态,以便等待开启下一周期的设备数据分批采集。
上述实施例中,通过与批次数量匹配的各个任务,按照参考采集数据量分批从相应数据采集地址采集设备数据;单个任务用于采集属于同一批次的设备数据;每当存在单个任务采集完毕的情况下,将数据采集完毕的任务对应的任务状态置为完成状态;当各个任务对应的任务状态均为完成状态时,得到各个批次分别对应的设备数据镜像,再将各个任务对应的任务状态更新为空闲状态;空闲状态用于等待下一周期的设备数据分批采集。这样,每当存在单个任务采集完毕的情况下,将数据采集完毕的任务对应的任务状态置为完成状态,可以将数据采集完毕的任务和其他任务区分开,当各个任务对应的任务状态均为完成状态后,再将各个任务对应的任务状态更新为空闲状态,可以防止在同一采集周期内对同一批次的数据的重复采集,准确判断一个周期的全量设备数据是否采集完毕,有助于后续准确开启下一周期的设备数据采集。
在一个实施例中,单个任务通过单个线程执行,当单个线程对应的标志位置为第一预设值时,对应任务的任务状态为完成状态,当单个线程对应的标志位置为第二预设值时,对应任务的任务状态为空闲状态。
具体地,数据采集端可以通过线程来执行任务,通过线程的标志位来控制任务的状态。单个任务通过单个线程执行,通过与任务数量匹配的各个线程来并行执行各个任务。当单个线程对应的标志位置为第一预设值时,对应任务的任务状态为完成状态,当单个线程对应的标志位置为第二预设值时,对应任务的任务状态为空闲状态。
其中,第一预设值和第二预设值可以根据需要进行设置,例如,将第一预设值设置为0,将第二预设值设置为1。
上述实施例中,单个任务通过单个线程执行,当单个线程对应的标志位置为第一预设值时,对应任务的任务状态为完成状态,当单个线程对应的标志位置为第二预设值时,对应任务的任务状态为空闲状态。这样,通过设置线程的标志位能够快速修改任务的任务状态。
在一个实施例中,除了采用线程和标志位实现任务同步,还可以采用各种编程语言的同步机制实现任务同步。例如,golang语言(又可以称为go语言)可以以WaitGroup实现同步。
在一个具体的实施例中,数据采集端周期性采集设备数据,每个周期组装一次全量设备数据镜像,并将全量设备数据镜像转换成模型上报数据,将模型上报数据分设备上报至物联平台。参考图5,数据采集端可以多线程分区段采集设备数据,也就是,多线程分批次采集设备数据,一个批次用于采集一个区段、一个区间的设备数据,一个区段对应的数据量为参考采集数据量。在当前采集周期内,一旦有线程采集完设备数据,就置线程的标志位为1,若每个线程的标志位均置为1,则基于每个线程采集到的数据生成全量设备数据镜像。在生成全量设备数据镜像后,将各个线程的标志位置为0,以等待开启下一周期的设备数据采集。在生成全量设备数据镜像后,可以通知开启模型转换。数据采集端可以查询全量设备数据镜像中同一设备的各个设备属性对应的设备数据,将设备数据转换为模型上报数据。数据采集端可以把模型上报数据上报至物联网平台,以供物联网平台进行数据分析。在完成数据上报后,数据采集端等待下一周期的数据采集和模型转换。
在一个实施例中,基于设备维度,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合,包括:
从点位模型映射信息中确定各个设备分别对应的数据采集地址范围;基于数据采集地址范围,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。
其中,一个设备的数据采集地址范围包括一个设备的各个设备属性分别对应的数据采集地址。
具体地,在进行数据分类时,数据采集端也可以基于点位模型映射信息对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。数据采集端可以从点位模型映射信息中确定各个设备分别对应的数据采集地址范围,基于数据采集地址范围对全量设备数据镜像进行数据分类。全量设备数据镜像包括从相应数据采集地址采集到的设备数据,在全量设备数据镜像中,将从同一数据采集地址范围中各个数据采集地址采集到的设备数据组成设备数据集合,从而得到各个设备分别对应的设备数据集合。
上述实施例中,从点位模型映射信息中确定各个设备分别对应的数据采集地址范围;基于数据采集地址范围,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。这样,基于点位模型映射信息可以快速将全量设备数据镜像划分为各个设备分别对应的设备数据集合。
在一个实施例中,设备数据分析方法还包括:
当任一设备数据集合中包括同一设备的各个设备属性分别对应的设备数据时,上报对应设备的设备在线信息至物联网平台;当任一设备数据集合中存在缺失至少一个设备属性对应的设备数据时,上报对应设备的设备离线信息至物联网平台。
其中,设备在线信息用于表示设备正常在线,设备离线信息用于表示设备存在异常。
具体地,当任一设备数据集合中包括同一设备的各个设备属性分别对应的设备数据时,数据采集端可以上报对应设备的设备在线信息至物联网平台。也就是,若一个设备的各个设备属性分别对应的设备数据全部都能查询到,则说明该设备正常在线,数据采集端可以上报该设备的设备在线信息至物联网平台,以便物联网平台快速获知情况。
当任一设备数据集合中存在缺失至少一个设备属性对应的设备数据时,数据采集端可以上报对应设备的设备离线信息至物联网平台。也就是,若一个设备存在至少一个设备属性对应的设备数据无法查询到,则说明该设备存在异常,数据采集端可以上报该设备的设备离线信息至物联网平台,以便物联网平台快速获知情况。
在一个实施例中,数据采集端可以在上报模型上报数据之前,先将设备在线信息或设备离线信息快速上报至物联网平台,再生成模型上报数据,将模型上报数据上报至物联网平台。这样,可以让物联网平台及时获取设备是否在线,以便物联网平台及时应对。
上述实施例中,当任一设备数据集合中包括同一设备的各个设备属性分别对应的设备数据时,上报对应设备的设备在线信息至物联网平台;当任一设备数据集合中存在缺失至少一个设备属性对应的设备数据时,上报对应设备的设备离线信息至物联网平台。这样,基于设备数据集合中的设备数据是否完整,快速发送相应的设备在线信息或设备离线信息至物联网平台,以及时通知物联网平台,使得物联网平台可以快速响应。
在一个实施例中,点位模型映射信息是点位模型映射服务生成并导入设备数据采集服务的,点位模型映射服务用于提供离线映射设备点位信息和设备模型信息的服务,设备数据采集服务用于提供基于点位模型映射信息实时进行设备数据采集和设备数据转换上报的服务。
其中,数据采集端上部署有点位模型映射服务和设备数据采集服务。点位模型映射服务用于提供离线映射设备点位信息和设备模型信息的服务。设备数据采集服务用于提供基于点位模型映射信息实时进行设备数据采集和设备数据转换上报的服务。服务是指部署在数据采集端上的后台服务。与实时计算相对应,离线映射是一种离线计算方式。
具体地,点位模型映射服务可以获取至少一个设备分别对应的设备点位信息和设备模型信息,离线映射设备点位信息和设备模型信息得到点位模型映射信息,并将点位模型映射信息导入设备数据采集服务。这样,离线映射、融合设备点位信息和设备模型信息,生成点位模型映射服务,再导入设备数据采集服务,实时采集设备数据时不再需要占用资源融合设备点位信息和设备模型信息。设备数据采集服务可以基于点位模型映射信息实时进行设备数据采集和设备数据转换上报。设备数据采集服务具体可以基于点位模型映射信息,实时按照参考采集数据量分批从相应数据采集地址采集设备数据,从而得到全量设备数据镜像,实时基于设备维度对全量设备数据镜像进行数据分类,从而得到各个设备分别对应的设备数据集合,基于点位模型映射信息,实时将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据。设备数据采集服务实时将各个设备分别对应的模型上报数据上报至物联网平台进行数据分析。
可以理解,点位模型映射服务也可以部署在其他计算机设备上。
在一个实施例中,设备数据采集服务可以执行不同的任务来有序完成设备数据采集和设备数据转换上报。通过设备数据采集任务,基于点位模型映射信息进行设备数据采集,通过模型转换与上报任务,基于点位模型映射信息将采集到的设备数据转换为模型上报数据,将模型上报数据上报至物联网平台。
上述实施例中,点位模型映射信息是点位模型映射服务生成并导入设备数据采集服务的,点位模型映射服务用于提供离线映射设备点位信息和设备模型信息的服务,设备数据采集服务用于提供基于点位模型映射信息实时进行设备数据采集和设备数据转换上报的服务。这样,通过点位模型映射服务离线映射设备点位信息和设备模型信息生成点位模型映射信息,再将点位模型映射信息导入设备数据采集服务,实时采集设备数据时不再需要占用资源融合设备点位信息和设备模型信息,能够有效提高设备数据采集效率、设备数据上报效率。
在一个具体的实施例中,参考图6,技术人员可以通过配置采集区间确定参考采集数据量。技术人员可以在物联网平台上建立设备模型(即设备的数据模型)。可以将设备对应的设备点表和模型配置信息导入点位模型映射服务,通过点位模型映射服务离线映射设备点表和模型配置信息来生成点位模型映射表。进而,将点位模型映射表和配置的采集区间导入设备数据采集服务,通过设备数据采集服务实时按照采集区间进行设备数据采集和实时进行设备数据转换上报。
在一个实施例中,如图7所示,提供了一种设备数据分析方法,本实施例以该方法应用于图1中的物联网平台来举例说明,可以理解,该方法还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。参考图7,设备数据分析方法包括以下步骤:
步骤S702,获取数据采集端上报的、至少一个设备各自的模型上报数据。
其中,模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,全量设备数据镜像是基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的。
可以理解,模型上报数据的具体生成过程可以参考前述设备数据采集方法的各个实施例的内容,此处不再赘述。
步骤S704,基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;设备控制指令用于下发至关联设备进行设备控制。
其中,设备的关联设备是指与设备存在联动关系、关联关系的设备。可以预设设置设备之间的联动关系。
设备联动处理是指通过条件触发,基于预设的设备间联动规则,引发设备之间的协同反应,实现设备联动、智能控制。
具体地,物联网平台可以获取数据采集端上报的、至少一个设备各自的模型上报数据,基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令。物联网平台可以将同一设备对应的模型上报数据和设备间联动规则进行匹配,触发匹配成功的设备间联动规则,基于匹配成功的设备间联动规则确定关联设备和针对关联设备的设备控制指令。物联网平台可以将设备控制指令下发至关联设备,通过设备控制指令对关联设备进行控制。
例如,大厦内设置有门禁设备和照明设备,门禁设备和照明设备为存在联动关系的设备。可以根据物联网平台提供的设备联动功能,创建一个设备间联动规则,若门禁设备为打开状态且不是非法闯入状态,则打开照明设备。物联网平台可以基于门禁设备对应的模型上报数据确定门禁设备的状态,若门禁设备的状态符合该设备间联动规则,则物联网平台可以生成控制照明设备打开的设备控制指令,将该设备控制指令下发至照明设备,实现门禁设备和照明设备之间的设备联动。
上述设备数据分析方法,通过获取数据采集端上报的、至少一个设备各自的模型上报数据,其中,模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令,设备控制指令用于下发至关联设备进行设备控制。这样,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。并且,一次性获取到的单个设备的模型上报数据包括完整的设备数据,基于完整的设备数据可以快速进行准确的设备联动处理,得到准确的设备控制指令,从而可以实现准确的设备控制,有效提高了设备控制的准确性。
在一个具体的实施例中,本申请的设备数据采集方法和设备数据分析方法可以应用于基于modbus协议通信的物联网设备。参考图8,本申请的设备数据采集方法可以通过设备数据采集服务实现。设备厂商的专业系统用于管理设备厂商生产、安装部署的设备,可以从设备厂商的专业系统上采集设备数据。部署在服务器上的设备数据采集服务可以基于点位模型映射表,从设备厂商的专业系统上采集以modbus二进制数据表示的设备数据,基于点位模型映射表将采集到的设备数据转换为模型上报数据,将模型上报数据上报至物联网平台,物联网平台可以对模型上报数据进行数据分析,生成业务数据,将业务数据发送至应用程序,在应用程序上进行展示。业务数据是对模型上报数据进行数据分析得到的,用于进行业务处理。例如,模型上报数据包括环境监测设备所监测的环境温度,若环境温度超过温度阈值,则可以生成用于报警的业务数据。应用程序用于展示设备的相关数据、展示业务数据、远程控制设备。
针对点位模型映射表,参考图9,用户可以在物联网平台上配置物模型,物联网平台可以向用户返回配置是否成功的配置响应。用户可以将设备点表导入模型融合服务/工具,模型融合服务/工具可以向用户返回导入是否成功的配置响应。模型融合服务/工具可以向物联网平台请求获取物模型配置,物联网平台可以向用户返回物模型配置的请求响应。模型融合服务/工具可以将设备点表和物模型配置进行映射、融合,得到点位模型映射表。模型融合服务/工具可以将点位模型映射表导入数据采集服务/工具,模型融合服务/工具可以向模型融合服务/工具返回导入配置是否成功的配置响应。模型融合服务/工具可以基于点位模型映射表进行设备数据采集和设备数据转换上报,周期性采集Modbus数据,每个周期组装一次Modbus数据镜像,并基于数据镜像转换成模型上报数据上报至物联网平台。
针对设备数据采集和设备数据上报的具体过程,参考图10,模型融合服务/工具可以通过设备数据采集任务来进行设备数据采集,通过模型转换与上报任务来进行设备数据上报。基于点位模型映射表,模型融合服务/工具通过设备数据采集任务分区段批量采集Modbus设备数据,按点位模型映射表中的点位顺序组装采集到的设备数据,得到一份完整的设备数据镜像,即Modbus数据镜像。若设备符合Modbus-TCP规约,使用网口通信,可多任务并行采集不同区段以加快采集速度;若符合Modbus-RTU/ASCII规约,使用串口通信,可单任务循环采集不同区间数据。设备数据采集任务通知模型转换与上报任务开始工作,模型转换与上报任务从设备数据采集任务拷贝一份Modbus数据镜像,并通知设备数据采集任务准备下一周期的设备数据采集。模型转换与上报任务遍历点位模型映射表中的每个设备,以及每个设备拥有的设备属性,在Modbus数据镜像中查找设备属性对应的设备数据,将设备属性对应的设备数据和设备属性对应的模型上报字段组装成模型上报数据。模型转换与上报任务将组装好的模型上报数据分设备上报到物联网平台,上报完成后模型转换与上报任务等待设备数据采集任务继续下一周期设备数据上报的通知。此外,若一个设备的各个属性点的属性值全部能查询到,则说明该设备正常在线,此时可以上报设备在线的心跳包至物联网平台,若一个设备至少有一个属性点的属性值无法查询到,则说明该设备出现异常,此时可以上报设备离线的心跳包至物联网平台。
本申请的方法将点表与模型融合工作从数据采集服务中分离出来,以静态数据的方式导入数据采集服务,节约了不必要的硬件资源,相比现有的模型组包方案需要多次编解码json数据,本申请的方法性能更高,更节省硬件资源。相比现有模型组包方案,本申请的方法耗时更低,设备数据上报效率更高,因为模型组包方案把一个设备会分成多个模型多次上报,而本申请是一次性上报一个设备完整的设备数据。相比现有模型组包方案,本申请的方法流程简单、稳定性更高。模型组包方案需要等待直到该设备所有数据都上报上来,并进行多次模型编解码判断设备数据是否完整,整个过程都是有状态的,流程复杂且容易出错。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的设备数据采集方法的设备数据采集装置,一种用于实现上述所涉及的设备数据分析方法的设备数据分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个设备数据采集装置实施例中的具体限定可以参见上文中对于设备数据采集方法的限定,一个或多个设备数据分析装置实施例中的具体限定可以参见上文中对于设备数据分析方法的限定,在此不再赘述。
在一个实施例中,如图11所示,提供了一种设备数据采集装置,包括:点位模型映射信息获取模块1102、设备数据采集模块1104、设备数据分类模块1106和设备数据上报模块1108,其中:
点位模型映射信息获取模块1102,用于获取点位模型映射信息;点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,设备点位信息包括设备的各个设备属性分别对应的数据采集地址,设备模型信息包括设备的各个设备属性分别对应的模型上报字段。
设备数据采集模块1104,用于基于点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像。
设备数据分类模块1106,用于基于设备维度,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。
设备数据上报模块1108,用于基于映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;模型上报数据用于上报至物联网平台进行数据分析。
上述设备数据采集装置,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。
在一个实施例中,点位模型映射信息的生成过程包括以下步骤:
获取至少一个设备的设备点位信息;设备点位信息包括设备所属产品对应的产品标识;获取各个产品标识分别对应的设备模型信息;属于同一产品的各个设备对应同一设备模型信息;在同一设备对应的设备点位信息和设备模型信息中,将同一设备属性对应的信息进行映射,基于各个设备对应的映射结果得到点位模型映射信息。
在一个实施例中,设备数据采集模块还用于基于各个设备分别对应的通信模式,确定批量采集模式;基于点位模型映射信息,按照参考采集数据量和批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像;按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列,得到全量设备数据镜像。
在一个实施例中,设备数据采集模块还用于当各个通信模式均为网口通信模式时,确定批量采集模式为并行采集模式;并行采集模式用于多任务并行采集不同批次的设备数据;当各个通信模式均为串口通信模式时,确定批量采集模式为串行采集模式;串行采集模式用于单任务循环采集不同批次的设备数据;当各个通信模式包括网口通信模式和串口通信模式时,确定批量采集模式为混合采集模式;混合采集模式用于通过并行采集模式采集属于网口通信模式的设备对应的设备数据,通过串行采集模式采集属于串口通信模式的设备对应的设备数据。
在一个实施例中,当批量采集模式为并行采集模式时,设备数据采集模块还用于通过与批次数量匹配的各个任务,按照参考采集数据量分批从相应数据采集地址采集设备数据;单个任务用于采集属于同一批次的设备数据;每当存在单个任务采集完毕的情况下,将数据采集完毕的任务对应的任务状态置为完成状态;当各个任务对应的任务状态均为完成状态时,得到各个批次分别对应的设备数据镜像,再将各个任务对应的任务状态更新为空闲状态;空闲状态用于等待下一周期的设备数据分批采集。
在一个实施例中,单个任务通过单个线程执行,当单个线程对应的标志位置为第一预设值时,对应任务的任务状态为完成状态,当单个线程对应的标志位置为第二预设值时,对应任务的任务状态为空闲状态。
在一个实施例中,设备数据分类模块还用于从点位模型映射信息中确定各个设备分别对应的数据采集地址范围;基于数据采集地址范围,对全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。
在一个实施例中,设备数据上报模块还用于当任一设备数据集合中包括同一设备的各个设备属性分别对应的设备数据时,上报对应设备的设备在线信息至物联网平台;当任一设备数据集合中存在缺失至少一个设备属性对应的设备数据时,上报对应设备的设备离线信息至物联网平台。
在一个实施例中,点位模型映射信息是点位模型映射服务生成并导入设备数据采集服务的,点位模型映射服务用于提供离线映射设备点位信息和设备模型信息的服务,设备数据采集服务用于提供基于点位模型映射信息实时进行设备数据采集和设备数据转换上报的服务。
在一个实施例中,如图12所示,提供了一种设备数据分析装置,包括:数据获取模块1202和数据分析模块1204,其中:
数据获取模块1202,用于获取数据采集端上报的、至少一个设备各自的模型上报数据;其中,所述模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的。
数据分析模块1204,用于基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;所述设备控制指令用于下发至关联设备进行设备控制。
上述设备数据分析装置,点位模型映射信息是基于设备属性将同一设备的设备点位信息和设备模型信息进行映射得到,点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,从而基于点位模型映射信息可以进行设备数据采集和设备数据转换上报。基于点位模型映射信息,可以采集到设备完整的设备数据,基于点位模型映射信息,可以将采集到的完整设备数据一次性转换为可上报至物联网平台的模型上报数据,从而可以一次性将一个设备完整的设备数据快速上报至物联网平台,有效提高了设备数据上报效率,可以避免频繁的数据上报,避免物联网平台端复杂的组包逻辑。并且,一次性获取到的单个设备的模型上报数据包括完整的设备数据,基于完整的设备数据可以快速进行准确的设备联动处理,得到准确的设备控制指令,从而可以实现准确的设备控制,有效提高了设备控制的准确性。
上述设备数据采集装置和设备数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储点位模型映射信息、全量设备数据镜像等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种设备数据采集方法或设备数据分析方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (15)
1.一种设备数据采集方法,其特征在于,所述方法包括:
获取点位模型映射信息;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段;
基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像;
基于设备维度,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合;
基于所述映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;所述模型上报数据用于上报至物联网平台进行数据分析。
2.根据权利要求1所述的方法,其特征在于,所述点位模型映射信息的生成过程包括以下步骤:
获取至少一个设备的设备点位信息;所述设备点位信息包括设备所属产品对应的产品标识;
获取各个产品标识分别对应的设备模型信息;属于同一产品的各个设备对应同一设备模型信息;
在同一设备对应的设备点位信息和设备模型信息中,将同一设备属性对应的信息进行映射,基于各个设备对应的映射结果得到所述点位模型映射信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像,包括:
基于各个设备分别对应的通信模式,确定批量采集模式;
基于所述点位模型映射信息,按照所述参考采集数据量和所述批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像;
按照设备数据对应的数据采集地址的地址排序,将各个批次的设备数据镜像进行排列,得到所述全量设备数据镜像。
4.根据权利要求3所述的方法,其特征在于,所述基于各个设备分别对应的通信模式,确定批量采集模式,包括:
当各个通信模式均为网口通信模式时,确定批量采集模式为并行采集模式;所述并行采集模式用于多任务并行采集不同批次的设备数据;
当各个通信模式均为串口通信模式时,确定批量采集模式为串行采集模式;所述串行采集模式用于单任务循环采集不同批次的设备数据;
当各个通信模式包括网口通信模式和串口通信模式时,确定批量采集模式为混合采集模式;所述混合采集模式用于通过并行采集模式采集属于网口通信模式的设备对应的设备数据,通过串行采集模式采集属于串口通信模式的设备对应的设备数据。
5.根据权利要求3所述的方法,其特征在于,当所述批量采集模式为并行采集模式时,所述基于所述点位模型映射信息,按照所述参考采集数据量和所述批量采集模式,分批从相应数据采集地址采集设备数据,得到各个批次分别对应的设备数据镜像,包括:
通过与批次数量匹配的各个任务,按照参考采集数据量分批从相应数据采集地址采集设备数据;单个任务用于采集属于同一批次的设备数据;
每当存在单个任务采集完毕的情况下,将数据采集完毕的任务对应的任务状态置为完成状态;
当各个任务对应的任务状态均为完成状态时,得到各个批次分别对应的设备数据镜像,再将各个任务对应的任务状态更新为空闲状态;所述空闲状态用于等待下一周期的设备数据分批采集。
6.根据权利要求5所述的方法,其特征在于,单个任务通过单个线程执行,当单个线程对应的标志位置为第一预设值时,对应任务的任务状态为完成状态,当单个线程对应的标志位置为第二预设值时,对应任务的任务状态为空闲状态。
7.根据权利要求1所述的方法,其特征在于,所述基于设备维度,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合,包括:
从所述点位模型映射信息中确定各个设备分别对应的数据采集地址范围;
基于数据采集地址范围,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当任一设备数据集合中包括同一设备的各个设备属性分别对应的设备数据时,上报对应设备的设备在线信息至物联网平台;
当任一设备数据集合中存在缺失至少一个设备属性对应的设备数据时,上报对应设备的设备离线信息至物联网平台。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述点位模型映射信息是点位模型映射服务生成并导入设备数据采集服务的,所述点位模型映射服务用于提供离线映射设备点位信息和设备模型信息的服务,所述设备数据采集服务用于提供基于点位模型映射信息实时进行设备数据采集和设备数据转换上报的服务。
10.一种设备数据分析方法,其特征在于,所述方法包括:
获取数据采集端上报的、至少一个设备各自的模型上报数据;其中,所述模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;
基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;所述设备控制指令用于下发至关联设备进行设备控制。
11.一种设备数据采集装置,其特征在于,所述装置包括:
点位模型映射信息获取模块,用于获取点位模型映射信息;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段;
设备数据采集模块,用于基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据,得到全量设备数据镜像;
设备数据分类模块,用于基于设备维度,对所述全量设备数据镜像进行数据分类,得到各个设备分别对应的设备数据集合;
设备数据上报模块,用于基于所述映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合,得到各个设备分别对应的模型上报数据;所述模型上报数据用于上报至物联网平台进行数据分析。
12.一种设备数据分析装置,其特征在于,所述装置包括:
数据获取模块,用于获取数据采集端上报的、至少一个设备各自的模型上报数据;其中,所述模型上报数据是基于点位模型映射信息中的映射关系,将同一设备对应的设备数据集合中的设备数据和对应的模型上报字段进行组合得到的;所述点位模型映射信息是基于设备属性将至少一个设备分别对应的设备点位信息和用于上报数据的设备模型信息进行映射得到的,所述点位模型映射信息包括设备属性、数据采集地址、模型上报字段之间的映射关系,所述设备点位信息包括设备的各个设备属性分别对应的数据采集地址,所述设备模型信息包括设备的各个设备属性分别对应的模型上报字段,各个设备分别对应的设备数据集合是从全量设备数据镜像中确定的,所述全量设备数据镜像是基于所述点位模型映射信息,按照参考采集数据量,分批从相应数据采集地址采集设备数据得到的;
数据分析模块,用于基于模型上报数据,对设备的关联设备进行设备联动处理,得到设备控制指令;所述设备控制指令用于下发至关联设备进行设备控制。
13.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9或10至11中任一项所述的方法的步骤。
14.一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时实现权利要求1至9或10至11中任一项所述的方法的步骤。
15.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至9或10至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208331.5A CN116743790B (zh) | 2022-09-30 | 2022-09-30 | 设备数据采集、设备数据分析方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208331.5A CN116743790B (zh) | 2022-09-30 | 2022-09-30 | 设备数据采集、设备数据分析方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116743790A true CN116743790A (zh) | 2023-09-12 |
CN116743790B CN116743790B (zh) | 2024-05-10 |
Family
ID=87903167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211208331.5A Active CN116743790B (zh) | 2022-09-30 | 2022-09-30 | 设备数据采集、设备数据分析方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116743790B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579704A (zh) * | 2024-01-15 | 2024-02-20 | 深圳市检验检疫科学研究院 | 基于物联网的检测数据的采集方法及其系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150065036A1 (en) * | 2013-08-30 | 2015-03-05 | Nokia Corporation | Near field communications for traffic and hazard mapping |
CN106789601A (zh) * | 2017-02-08 | 2017-05-31 | 奥秘智能科技(洛阳)有限公司 | 基于微信公众平台的通用数据采集与监视控制系统及方法 |
CN106789415A (zh) * | 2016-12-12 | 2017-05-31 | 东软集团股份有限公司 | 设备信息的采集方法、装置及系统 |
US20170347283A1 (en) * | 2016-05-31 | 2017-11-30 | At&T Intellectual Property I, L.P. | System and method for event based internet of things (iot) device status monitoring and reporting in a mobility network |
US20170371074A1 (en) * | 2016-06-24 | 2017-12-28 | Climacell Inc. | Real-Time Precipitation Forecasting System |
CN111161086A (zh) * | 2019-12-16 | 2020-05-15 | 中国平安财产保险股份有限公司 | 业务数据的查询方法、系统、计算机设备及存储介质 |
CN111737076A (zh) * | 2019-05-23 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 服务器监测方法、装置、设备和存储介质 |
CN111930496A (zh) * | 2020-06-18 | 2020-11-13 | 珠海格力电器股份有限公司 | 集成控制方法、装置、楼宇控制系统、存储介质及处理器 |
CN112187632A (zh) * | 2020-09-23 | 2021-01-05 | 大唐广电科技(武汉)有限公司 | 工业设备一体化模型及构建方法、边缘网关装置、工业设备一体化系统 |
CN112948373A (zh) * | 2021-01-26 | 2021-06-11 | 浙江吉利控股集团有限公司 | 一种物联网设备数据处理方法、装置、设备及存储介质 |
CN113110221A (zh) * | 2021-04-29 | 2021-07-13 | 上海智大电子有限公司 | 一种管廊系统的综合智能监控方法及系统 |
CN113641666A (zh) * | 2021-08-11 | 2021-11-12 | 武汉慧远智控科技有限公司 | 一种数据算法引擎系统和方法 |
CN114416542A (zh) * | 2022-01-06 | 2022-04-29 | 深圳Tcl新技术有限公司 | 数据上报方法、装置、存储介质及电子设备 |
CN114550336A (zh) * | 2022-04-26 | 2022-05-27 | 深圳丰尚智慧农牧科技有限公司 | 设备巡检方法、装置、计算机设备和存储介质 |
CN114745436A (zh) * | 2022-04-08 | 2022-07-12 | 网络通信与安全紫金山实验室 | 数据采集方法、装置、计算机设备和存储介质 |
CN114760289A (zh) * | 2022-03-28 | 2022-07-15 | 一汽解放汽车有限公司 | 车辆数据采集方法、装置、计算机设备和存储介质 |
CN114979073A (zh) * | 2021-08-30 | 2022-08-30 | 中移互联网有限公司 | 地址信息获取系统、方法、电子设备及存储介质 |
-
2022
- 2022-09-30 CN CN202211208331.5A patent/CN116743790B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150065036A1 (en) * | 2013-08-30 | 2015-03-05 | Nokia Corporation | Near field communications for traffic and hazard mapping |
US20170347283A1 (en) * | 2016-05-31 | 2017-11-30 | At&T Intellectual Property I, L.P. | System and method for event based internet of things (iot) device status monitoring and reporting in a mobility network |
US20170371074A1 (en) * | 2016-06-24 | 2017-12-28 | Climacell Inc. | Real-Time Precipitation Forecasting System |
CN106789415A (zh) * | 2016-12-12 | 2017-05-31 | 东软集团股份有限公司 | 设备信息的采集方法、装置及系统 |
CN106789601A (zh) * | 2017-02-08 | 2017-05-31 | 奥秘智能科技(洛阳)有限公司 | 基于微信公众平台的通用数据采集与监视控制系统及方法 |
CN111737076A (zh) * | 2019-05-23 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 服务器监测方法、装置、设备和存储介质 |
CN111161086A (zh) * | 2019-12-16 | 2020-05-15 | 中国平安财产保险股份有限公司 | 业务数据的查询方法、系统、计算机设备及存储介质 |
CN111930496A (zh) * | 2020-06-18 | 2020-11-13 | 珠海格力电器股份有限公司 | 集成控制方法、装置、楼宇控制系统、存储介质及处理器 |
CN112187632A (zh) * | 2020-09-23 | 2021-01-05 | 大唐广电科技(武汉)有限公司 | 工业设备一体化模型及构建方法、边缘网关装置、工业设备一体化系统 |
CN112948373A (zh) * | 2021-01-26 | 2021-06-11 | 浙江吉利控股集团有限公司 | 一种物联网设备数据处理方法、装置、设备及存储介质 |
CN113110221A (zh) * | 2021-04-29 | 2021-07-13 | 上海智大电子有限公司 | 一种管廊系统的综合智能监控方法及系统 |
CN113641666A (zh) * | 2021-08-11 | 2021-11-12 | 武汉慧远智控科技有限公司 | 一种数据算法引擎系统和方法 |
CN114979073A (zh) * | 2021-08-30 | 2022-08-30 | 中移互联网有限公司 | 地址信息获取系统、方法、电子设备及存储介质 |
CN114416542A (zh) * | 2022-01-06 | 2022-04-29 | 深圳Tcl新技术有限公司 | 数据上报方法、装置、存储介质及电子设备 |
CN114760289A (zh) * | 2022-03-28 | 2022-07-15 | 一汽解放汽车有限公司 | 车辆数据采集方法、装置、计算机设备和存储介质 |
CN114745436A (zh) * | 2022-04-08 | 2022-07-12 | 网络通信与安全紫金山实验室 | 数据采集方法、装置、计算机设备和存储介质 |
CN114550336A (zh) * | 2022-04-26 | 2022-05-27 | 深圳丰尚智慧农牧科技有限公司 | 设备巡检方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
陈小泉;黄柳君;邓增利;庞国强;匡胜;苏鑫;: "油气田设备实时数据采集与点位信息管理设计", 《科技创新导报》, no. 34, 1 December 2019 (2019-12-01) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579704A (zh) * | 2024-01-15 | 2024-02-20 | 深圳市检验检疫科学研究院 | 基于物联网的检测数据的采集方法及其系统 |
CN117579704B (zh) * | 2024-01-15 | 2024-04-12 | 深圳市检验检疫科学研究院 | 基于物联网的检测数据的采集方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116743790B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120344B2 (en) | Suggesting follow-up queries based on a follow-up recommendation machine learning model | |
US7930261B2 (en) | Historians embedded in industrial units | |
US10885026B2 (en) | Translating a natural language request to a domain-specific language request using templates | |
US11914588B1 (en) | Determining a user-specific approach for disambiguation based on an interaction recommendation machine learning model | |
US10747816B1 (en) | Control interface for asset tree monitoring | |
US10713269B2 (en) | Determining a presentation format for search results based on a presentation recommendation machine learning model | |
US20080114571A1 (en) | Adjustable data collection rate for embedded historians | |
US11170016B2 (en) | Navigating hierarchical components based on an expansion recommendation machine learning model | |
JP2006164233A (ja) | 分散データ駆動型アーキテクチャ環境におけるディレクトリ構造 | |
US20190034500A1 (en) | Creating dashboards for viewing data in a data storage system based on natural language requests | |
US10901811B2 (en) | Creating alerts associated with a data storage system based on natural language requests | |
CN108768790A (zh) | 分布式搜索集群监控方法及装置、计算设备、存储介质 | |
US20190034430A1 (en) | Disambiguating a natural language request based on a disambiguation recommendation machine learning model | |
CN116743790B (zh) | 设备数据采集、设备数据分析方法、装置和计算机设备 | |
US7974937B2 (en) | Adaptive embedded historians with aggregator component | |
CN117278661B (zh) | 一种工业物联网多协议解析方法及系统 | |
CN111258798A (zh) | 监控数据的故障定位方法、装置、计算机设备及存储介质 | |
CN114780335A (zh) | 监测数据的关联方法、装置、计算机设备和存储介质 | |
CN113792008A (zh) | 网络拓扑结构的获取方法、装置、电子设备及存储介质 | |
CN113395180B (zh) | 一种工业实时大数据采集发布方法及工业实时大数据平台 | |
CN113608952B (zh) | 一种基于日志构建支持环境的系统故障处理方法及系统 | |
CN107357919A (zh) | 行为日志查询系统及方法 | |
CN112671837A (zh) | 一种基于物联网的资源识别方法 | |
US20190034555A1 (en) | Translating a natural language request to a domain specific language request based on multiple interpretation algorithms | |
CN118092802A (zh) | 设备资产数据的处理方法及装置、存储介质及电子设备 |
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 |