CN118170566B - 面向边缘设备的消息处理方法及相关设备 - Google Patents

Abstract

本公开提供了一种面向边缘设备的消息处理方法及相关设备，涉及云计算技术领域。该方法包括：接收第一处理时段内边缘设备上报的消息；对消息进行特征提取得到消息特征向量；将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息；基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。本公开能够在接收到边缘设备上报的消息时，及时足量地提供集群资源以供服务器及时处理边缘设备上报的消息，避免消息堆积，也提高了服务器的服务性能。

Description

面向边缘设备的消息处理方法及相关设备

技术领域

本公开涉及云计算技术领域，尤其涉及一种面向边缘设备的消息处理方法及相关设备。

背景技术

在边缘部署MQTT（Message Queuing Telemetry Transport，消息队列遥测传输协议）服务器的时候，基本选用可见的基础设施即服务IaaS资源进行部署，但是由于边缘IaaS资源较为紧张，通常会造成MQTT服务器的性能瓶颈，解决部分小范围的请求服务尚可，大面积的边缘设备就需要投入较多的物理资源支撑MQTT服务器的服务。目前针对MQTT服务器对资源的需求，初步引入无服务器计算（Serverless）技术解决MQTT扩容能力，在MQTT服务器的消费能力欠佳时，向数据中心提请Serverless架构来扩容申请，分批次逐步添加资源，直到满足MQTT服务器当时的消费流量需求。但随着边缘设备的数量激增或者更多的算力要求，分批次的资源添加导致MQTT服务器调用资源既不足量也不及时，从而会使得MQTT服务器在处理边缘设备上报的消息时不能够及时处理，导致出现消息堆积，MQTT服务器服务性能不佳的情况出现。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种面向边缘设备的消息处理方法及相关设备，至少在一定程度上克服相关技术中MQTT服务器在处理边缘设备上报的消息时不能够及时处理，导致出现消息堆积以及MQTT服务器服务性能不佳的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一个方面，提供了一种面向边缘设备的消息处理方法，包括：接收第一处理时段内边缘设备上报的消息；对所述消息进行特征提取得到消息特征向量；将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息。

在本公开一些实施例中，在将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息之前，所述方法还包括：构建所述消息匹配资源预测模型。

在本公开一些实施例中，构建所述消息匹配资源预测模型，包括：获取多个边缘设备上报的历史消息和多个边缘设备需求的历史资源信息；对所述历史消息进行特征提取得到多个消息特征向量；所述消息特征向量与所述历史消息一一对应；以所述多个消息特征向量作为输入数据，以所述多个边缘设备需求的历史资源信息作为输出数据，构建所述消息匹配资源预测模型。

在本公开一些实施例中，以所述多个消息特征向量作为输入数据，以所述多个边缘设备需求的历史资源信息作为输出数据，构建所述消息匹配资源预测模型，包括：利用所述多个消息特征向量和所述多个边缘设备需求的历史资源信息对长短期记忆模型进行训练，得到所述消息匹配资源预测模型。

在本公开一些实施例中，所述消息为消费订阅消息时，所述消息特征向量的维度包括如下至少之一：消息上传时刻、设备标识、消息上传数据量、服务质量等级、订阅数、消息队列遥测传输协议MQTT资源需求数。

在本公开一些实施例中，所述边缘设备需求的资源信息包括如下至少之一：所述边缘设备需求的资源数量和所述边缘设备需求的资源类型。

在本公开一些实施例中，所述集群资源为基于无服务器计算架构的资源。

在本公开一些实施例中，基于所述边缘设备需求的资源信息匹配集群资源，包括：基于所述边缘设备需求的资源类型确定集群资源类型；在确定的集群资源类型的资源池中基于所述边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

在本公开的一些实施例中，提供的面向边缘设备的消息处理方法，还包括：获取所述第一处理时段内边缘设备需求的资源信息；利用提取得到的消息特征向量和所述第一处理时段内边缘设备需求的资源信息对构建好的所述消息匹配资源预测模型进行重新训练。

在本公开的一些实施例中，提供的面向边缘设备的消息处理方法，还包括：监测是否出现新增边缘设备；在监测到出现新增边缘设备时，从第三方平台获取所述新增边缘设备的历史私有数据；对所述历史私有数据进行特征提取得到预估的消息特征向量；将所述预估的消息特征向量输入构建好的消息匹配资源预测模型中得到所述新增边缘设备需求的资源信息；基于所述新增边缘设备需求的资源信息匹配集群资源，对匹配的集群资源预热以处理所述新增边缘设备上报的消息。

本公开的一些实施例中，在将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息之前，提供的面向边缘设备的消息处理方法，还包括：确定第一处理时段内所述边缘设备对应的参考消息特征向量；比对提取得到的消息特征向量与所述边缘设备对应的参考消息特征向量，得到二者之间的相似度；其中，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息，包括：在所述相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息。

本公开的一些实施例中，提供的面向边缘设备的消息处理方法，还包括：在所述相似度高于或等于预设阈值时，根据所述边缘设备对应的参考消息特征向量确定所述边缘设备需求的资源信息。

本公开的一些实施例中，在将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息之后，提供的面向边缘设备的消息处理方法，还包括：将第一处理时段内提取得到的消息特征向量作为第二处理时段内所述边缘设备对应的参考消息特征向量；其中，所述第二处理时段是在所述第一处理时段之后的相邻时段。

根据本公开的第二个方面，还提供了一种面向边缘设备的消息处理装置，包括：消息接收模块，用于接收第一处理时段内边缘设备上报的消息；特征提取模块，用于对所述消息进行特征提取得到消息特征向量；资源信息预测模块，用于将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；资源匹配模块，用于基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息。

根据本公开的第三个方面，还提供了一种面向边缘设备的消息处理系统，包括：边缘设备、集群调度系统和订阅端设备；所述订阅端设备用于向所述集群调度系统订阅所述边缘设备上报的消息；所述集群调度系统，用于：接收第一处理时段内边缘设备上报的消息；对所述消息进行特征提取得到消息特征向量；将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息，以推送给所述订阅端设备。

根据本公开的第四个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一个方面任意一项所述的面向边缘设备的消息处理方法。

根据本公开的第五个方面，还提供了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第一个方面任意一项所述的面向边缘设备的消息处理方法。

根据本公开的第六个方面，还提供了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第一个方面任意一项所述的面向边缘设备的消息处理方法。

本公开的实施例中提供的面向边缘设备的消息处理方法，通过对第一处理时段内边缘设备上报的消息进行特征提取得到消息特征向量，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息，再基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。能够在接收到边缘设备上报的消息时，及时足量地提供集群资源以供服务器及时处理边缘设备上报的消息，避免消息堆积，也提高了服务器的服务性能。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种面向边缘设备的消息处理系统架构的示意图。

图2示出本公开实施例中一种面向边缘设备的消息处理系统功能应用示意图。

图3示出本公开实施例中一种面向边缘设备的消息处理方法流程示意图。

图4示出本公开一些实施例中一种面向边缘设备的消息处理方法流程示意图。

图5示出本公开一些实施例中S308的具体实施过程示意图。

图6示出本公开另一些实施例中一种面向边缘设备的消息处理方法流程示意图。

图7示出本公开又一些实施例中一种面向边缘设备的消息处理方法流程示意图。

图8示出本公开再一些实施例中一种面向边缘设备的消息处理方法流程示意图。

图9示出本公开实施例中具体实例中的面向边缘设备的消息处理方法的实现过程示意图。

图10示出本公开实施例中一种面向边缘设备的消息处理装置示意图。

图11示出本公开实施例中一种电子设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图，对本公开实施例的具体实施方式进行详细说明。

图1示出了可以应用本公开实施例中面向边缘设备的消息处理系统示意图。如图1所示，该系统架构可以包括：边缘设备10、集群调度系统20和订阅端设备30。系统中两个设备之间通过网络连接，可以是无线网络。

可选地，上述的无线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网（Local Area Network，LAN）、城域网（MetropolitanArea Network，MAN）、广域网（Wide Area Network，WAN）、移动或者无线网络、专用网络或者虚拟专用网络的任何组合）。在一些实施例中，使用包括超文本标记语言（Hyper TextMark-up Language，HTML）、可扩展标记语言（Extensible Markup Language，XML）等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层（SecureSocket Layer，SSL）、传输层安全（Transport Layer Security，TLS）、虚拟专用网络（Virtual Private Network，VPN）、网际协议安全（Internet Protocol Security，IPSec）等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

在本公开的一些实施例中，订阅端设备30用于向集群调度系统20订阅边缘设备10上报的消息。需要说明的是，边缘设备10主要指安装在边缘网络上的交换机、路由器、路由交换机、IAD以及各种MAN/WAN设备，负责接入设备和核心/骨干网络设备间的数据包传送。边缘设备是应用数据链路层（第二层）和网络层（第三层）技术的一种物理设备。边缘设备10向集群调度系统20上报消息，例如边缘设备10为摄像头时，向集群调度系统20上报监控视频消息，可能包括：监控时段、摄像头编号、监控视频数据、QoS（Quality of Service，服务质量）等级、客户订阅数量以及集群资源需求数量（也就是要处理这条监控视频消息所需要的集群资源数量）；例如边缘设备10为烟雾传感器时，向集群调度系统20上报烟雾传感检测消息，可能包括：检测时段、烟雾传感器编号、传感器检测数据、QoS等级、客户订阅数量以及集群资源需求数量。本领域技术人员可以理解的是，上述仅为举例，边缘设备10可以是具体的其他设备，所上传的消息也根据实际情况适应性调整。

集群调度系统20在接收到边缘设备10上报的消息后，对消息进行处理并分配相应的资源来处理并推送给消息对应的订阅端设备30上供客户查看，即边缘设备10作为消息的生产者，集群调度系统20作为消息的消费者，将消息中包含的内容通知给订阅端设备30。具体地，订阅端设备30可以是终端设备，即各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、智能音箱、智能手表、可穿戴设备、增强现实设备、虚拟现实设备等。可选地，不同的终端设备中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。订阅端设备30可以是服务器，可以是提供各种服务的服务器，可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等基础云计算服务的云服务器。

需要说明的是，集群调度系统20用于：接收第一处理时段内边缘设备10上报的消息；对消息进行特征提取得到消息特征向量；将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备10需求的资源信息；基于边缘设备10需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备10上报的消息，以推送给订阅端设备30。需要说明的是，第一处理时段是预先设置的消息上报的时段，例如可以是5分钟、10分钟或30分钟，集群调度系统20对在此时段内的接收到的一条或多条消息进行特征提取，再利用构建好的消息匹配资源预测模型来预测每条消息分别需要的集群资源，以利用预测结果匹配集群资源来处理接收到的一条或多条消息。

在本公开的一些实施例中，集群调度系统20可以是MQTT服务集群，集群资源为基于Serverless架构的资源。如图2所示，MQTT服务集群按照功能划分可以包括：MQTT集群与边缘设备10进行信息交互，用于接收边缘设备10上报的消息；消息队列与订阅端设备30进行信息交互，用于将消息推送给对应的订阅端设备30；Serverless弹性资源用于提供足量适当的集群资源来处理接收到的边缘设备10上报的消息。

进一步地，为了构建消息匹配资源预测模型，面向边缘设备的消息处理系统还设置了远边缘数据中心和近边缘应用系统，近边缘应用系统包括在集群调度系统20内，远边缘数据中心可以设置在集群调度系统20内，也可设置在其他服务器集群上，以减少集群调度系统20需要处理的数据量和所需资源。具体地，远边缘数据中心的服务器资源较为丰富，可以承担一定规模的模型训练任务，完成训练将模型部署在近边缘应用系统上。远边缘数据中心接收MQTT服务集群汇集好的训练数据，对训练数据进行清洗处理并特征提取，将提取好的特征向量送入LSTM（Long Short-Term Memory，长短期记忆模型）中进行训练，得到训练好的消息匹配资源预测模型。需要说明的是，MQTT服务集群汇集好的训练数据可以是消息匹配资源预测模型构建之前所汇集的接收到的消息，也可是消息匹配资源预测模型构建并初步训练之后的一段时间内所汇集的接收到的消息，汇集好发送给远边缘数据中心以对消息匹配资源预测模型重新进行训练，以更新消息匹配资源预测模型。近边缘应用系统利用训练好的模型进行预测，即近边缘LSTM推理，同时提供分类的Serverless资源池，供MQTT服务集群调用Serverless弹性资源。需要说明的是，LSTM是一种特殊的循环神经网络（RNN），尤其适用于处理序列数据，如时间序列、文本数据等。

在本公开的一些实施例中，面向边缘设备的消息处理系统还可能会出现新增的边缘设备10，由于新增的边缘设备10首次接入集群调度系统20，可能也没有向集群调度系统20上报消息，集群调度系统20需要向第三方平台，例如该新增边缘设备10历史接入的私有云服务平台，获取该新增边缘设备10的历史私有数据，利用历史私有数据来预热集群资源，以便后续及时处理新增边缘设备10上报的消息。

如图1所示，是以一个边缘设备10为例，一个消息接收的订阅端设备30为例，所提供的面向边缘设备的消息处理系统的交互方法，包括：

S102，边缘设备10在第一处理时段内向集群调度系统20上报消息。

S104，集群调度系统20对消息进行特征提取得到消息特征向量，将消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备10需求的资源信息。

S106，集群调度系统20基于边缘设备10需求的资源信息匹配集群资源，通过集群资源处理第一处理时段内边缘设备10上报的消息。

S108，推送消息给订阅端设备30。

S110，集群调度系统20监测到出现新增边缘设备10时，向第三方平台获取新增边缘设备10的历史私有数据。

S112，集群调度系统20对历史私有数据进行特征提取得到预估的消息特征向量，将预估的消息特征向量输入构建好的消息匹配资源预测模型中得到新增边缘设备10需求的资源信息。

S114，基于新增边缘设备10需求的资源信息匹配集群资源，对匹配的集群资源预热。

本领域技术人员可以理解的是，具体实施时，上述步骤的执行前后并未被限定，图1仅为一个示例，例如S110至S114可以在S102至S108之后，可以与S102至S108同步实现，也可以在S102至S108之前。不同的步骤执行先后的示例，本公开实施例不再一一赘述。

本领域技术人员可以知晓，图1中的边缘设备10、集群调度系统20和订阅端设备30的数量仅仅是示意性的，根据实际需要，可以具有任意数目的边缘设备10、集群调度系统20和订阅端设备30。本公开实施例对此不作限定。

在上述系统架构下，本公开实施例中提供了一种面向边缘设备的消息处理方法，在一些实施例中，本公开实施例中提供的面向边缘设备的消息处理方法可以由集群调度系统20实现，也可以由边缘设备10和集群调度系统20之间的交互实现，也可以由边缘设备10、集群调度系统20和订阅端设备30之间的交互实现。

如图3所示，本公开实施例中提供的一种面向边缘设备的消息处理方法，包括如下步骤S302至S308。

S302，接收第一处理时段内边缘设备上报的消息。

S304，对消息进行特征提取得到消息特征向量。

S306，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息。

S308，基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。

由上述步骤可以看出，本公开的实施例中提供的面向边缘设备的消息处理方法，通过对第一处理时段内边缘设备上报的消息进行特征提取得到消息特征向量，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息，再基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。能够在接收到边缘设备上报的消息时，及时足量地提供集群资源以供服务器及时处理边缘设备上报的消息，避免消息堆积，也提高了服务器的服务性能。

在本公开的一些实施例中，消息为消费订阅消息时，消息特征向量的维度包括如下至少之一：消息上传时刻、设备标识、消息上传数据量、QoS等级、订阅数、消息队列遥测传输协议MQTT资源需求数。其中，消息上传时刻是指消息上传的时刻，一般以时间戳的形式体现，每个时刻都能在计算机体系内转换成一个唯一的时间戳，用于定位消息上传的时刻在第一处理时段内的时间刻度；设备标识是边缘设备的独特的标识，例如编号等能够区分边缘设备的标签，设备标识与设备之间是一一对应；消息上传数据量是指消息在上传时的数据大小值，比如上报消息中的一段内容大约4kB，4kB就是本条消息的消息上传数据量；QoS等级是指该消息的服务质量等级；订阅数是指订阅端设备的订阅数量；MQTT资源需求数是指处理此消息所需要的MQTT资源数量。本领域技术人员可以理解的是，上述消息特征向量的维度仅为举例，实际应用中还可包含其他影响资源预测的数据特征或参数特征，本公开在此不做限定。

在本公开的一些实施例中，提供的面向边缘设备的消息处理方法，在S306之前还包括：构建消息匹配资源预测模型。具体实施过程，如图4所示，包括如下步骤S402至S406。

S402，获取多个边缘设备上报的历史消息和多个边缘设备需求的历史资源信息。

需要说明的是，多个边缘设备已经接入面向边缘设备的消息处理系统一段时间存在相关历史数据，包括：上报的历史消息以及每个边缘设备需求的历史资源信息，也就是多个边缘设备历史运行时所上传的消息以及每条消息在被处理时所实际使用的资源信息。资源信息包括资源数量和资源类型至少之一。

S404，对历史消息进行特征提取得到多个消息特征向量。

需要说明的是，消息特征向量与历史消息一一对应，也就是一条历史消息提取一个消息特征向量，提取得到的消息特征向量维度包括如下至少之一：消息上传时刻、设备标识、消息上传数据量、QoS等级、订阅数、MQTT资源需求数。

S406，以多个消息特征向量作为输入数据，以多个边缘设备需求的历史资源信息作为输出数据，构建消息匹配资源预测模型。

需要说明的是，S406具体实施时，利用多个消息特征向量和多个边缘设备需求的历史资源信息对长短期记忆模型LSTM进行训练，得到消息匹配资源预测模型，以预测某一边缘设备在某一预测时段内需求的MQTT集群资源以及MQTT集群资源类型。边缘设备需求的资源信息包括如下至少之一：边缘设备需求的资源数量和边缘设备需求的资源类型。

需要说明的是，基于Serverless架构的资源类型一般包括：计算型资源、内存型资源、存储负载型资源和计算内存混合型资源，不同的资源特性不同，适配的消息也不同，因此，在利用消息匹配资源预测模型进行预测时，依据不同消息的特性来匹配不同的资源类型，以最大化利用资源，避免不必要的资源浪费。例如，CPU需求高的消息对应计算型资源、后端负载重的消息对应存储负载型资源、消费能力强的消息对应内存型资源以及特性不明显的消息对应计算内存混合型资源。举例说明，对消费能力实时性高，但是后端存储要求不高的消息，可以分配内存型资源，避免造成计算资源和后端存储的浪费，节省边缘资源。

需要说明的是，集群资源为基于Serverless架构的资源。相应地，S308的具体实施过程如图5所示，包括步骤S502至S504。

S502，基于边缘设备需求的资源类型确定集群资源类型。

S504，在确定的集群资源类型的资源池中基于边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

需要说明的是，资源池预先按照资源类型进行划分，以便在需要弹性扩容时，在确定的集群资源类型的资源池中选用对应数量的资源进行服务预热，也就是对分配好的资源进行包括同步后端数据、调整负载均衡等操作。

需要说明的是，消息匹配资源预测模型构建好之后，随着使用时间的增加，可能会存在消息匹配资源预测模型预测不准确的情况，需要对构建好的消息匹配资源预测模型进行重新训练，具体实施时，可以定期对消息匹配资源预测模型进行重新训练，每隔固定时间段，例如可以是3个月、6个月或者8个月等。在本公开的一具体实施例中，提供一种面向边缘设备的消息处理方法，还包括：获取第一处理时段内边缘设备需求的资源信息；利用提取得到的消息特征向量和第一处理时段内边缘设备需求的资源信息对构建好的消息匹配资源预测模型进行重新训练。也就是，获取第一处理时段内在处理消息时实际使用的资源信息以及提取得到的消息特征向量，重新训练消息匹配资源预测模型，以使得消息匹配资源预测模型不断更新，预测得更加准确。由于边缘设备在一个较长的时段（例如1至3个月，甚至半年）内变动不大，重新训练的间隔时段适当增加对预测的准确性影响比较小，且重新训练一次所需要的资源比较多，在公开的另一具体实施例中，可以获取多个第一处理时段内边缘设备需求的资源信息，利用对应提取得到的消息特征向量和多个第一处理时段内边缘设备需求的资源信息对构建好的消息匹配资源预测模型进行重新训练。也就说，每隔多个第一处理时段的时间长度对消息匹配资源预测模型进行重新训练，在提高预测的准确性的前提下，尽可能减少预测次数，降低数据处理量，减少成本投入。

需要说明的是，边缘设备在一段较长的时段（例如1至3个月，甚至半年）内变动不大，若提前判定该边缘设备没有发生较大变动，则在接收到该边缘设备上送的消息后，无需每次都利用消息匹配资源预测模型进行预测，沿用之前的预测结果匹配集群资源即可。在本公开的一些实施例中，提供一种面向边缘设备的消息处理方法，如图6所示，在S306之前包括步骤S602至S604。

S602，确定第一处理时段内边缘设备对应的参考消息特征向量。

需要说明的是，第一处理时段内边缘设备对应的参考消息特征向量是在第一处理时段之前最后一次利用消息匹配资源预测模型进行预测时所输入的消息特征向量，可能是在第一处理时段之前上一个时段内的消息特征向量，也可能是在第一处理时段之前上某几个时段内的消息特征向量。

S604，比对提取得到的消息特征向量与边缘设备对应的参考消息特征向量，得到二者之间的相似度。

相应地，S306变更为S306’：在相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息。

需要说明的是，预设阈值是预先设定的，例如可以是85%、80%或者75%，是预先确定的能够沿用之前的预测结果的相似度的最小值。低于此预设阈值，就需要将消息特征向量输入构建好的消息匹配资源预测模型中预测得到边缘设备需求的资源信息。而如果高于或等于预设阈值，说明能够沿用之前的预测结果而无需再预测一次，可以采用边缘设备对应的参考消息特征向量对应的边缘设备需求的资源信息。相应地，如图6所示，还包括步骤S606。

S606，在相似度高于或等于预设阈值时，根据边缘设备对应的参考消息特征向量确定边缘设备需求的资源信息。

需要说明的是，在S306’实施时，边缘设备对应的参考消息特征向量需要更新，如图7所示，提供的面向边缘设备的消息处理方法，在图6的基础上，在S306’之后，还包括步骤S702。

S702，将第一处理时段内提取得到的消息特征向量作为第二处理时段内边缘设备对应的参考消息特征向量。

需要说明的是，第二处理时段是在第一处理时段之后的相邻时段。

在本公开的一些实施例中，还提供一种面向边缘设备的消息处理方法，如图8所示，还包括步骤S802至S810。

S802，监测是否出现新增边缘设备。

需要说明的是，新增边缘设备是指首次接入服务集群，且未向服务集群上报消息的边缘设备。

S804，在监测到出现新增边缘设备时，从第三方平台获取新增边缘设备的历史私有数据。

需要说明的是，新增边缘设备在接入服务集群之前可能接入第三方平台，例如私有云中使用，存在相关的运行数据。可以向第三方平台获取新增边缘设备的历史私有数据，即新增边缘设备在接入第三方平台运行时所上报的消息以及消息处理相关数据。

S806，对历史私有数据进行特征提取得到预估的消息特征向量。

需要说明的是，由于新增边缘设备未接入过服务集群，如果提取消息特征向量，会存在相关信息缺失的情况，可以类比上报的消息从历史私有数据中提取特征向量，举例说明，预估的消息特征向量的维度包括如下至少之一：消息上传时刻、设备标识、消息上传数据量、服务质量等级、订阅数、消息队列遥测传输协议MQTT资源需求数。消息上传时刻是指消息上传的时刻，以时间戳的形式体现，由于新增边缘设备未上传消息，可以给定或者预估消息上传的时刻，以得到时间戳；设备标识是边缘设备的独特的标识，例如编号等能够区分边缘设备的标签；消息上传数据量是指消息在上传时的数据大小值，根据历史私有数据所预估的数值；QoS等级是指该消息的服务质量等级；订阅数是指订阅端设备的订阅数量；MQTT资源需求数是指处理此消息所需要的MQTT资源数量，在此，是一个预估量，基于历史私有数据所预估的数量。

S808，将预估的消息特征向量输入构建好的消息匹配资源预测模型中得到新增边缘设备需求的资源信息。

S810，基于新增边缘设备需求的资源信息匹配集群资源，对匹配的集群资源预热以处理新增边缘设备上报的消息。

需要说明的是，由于提取得到的是预估的消息特征向量，可能与该新增边缘设备实际运行时所上报的消息提取得到的消息特征向量是有出入的，可以在新增边缘设备运行一段时间后，收集实际上报的消息以及处理这些消息实际所用的资源信息，对消息匹配资源预测模型重新训练，以更好地为该新增边缘设备匹配准确的集群资源。

通过对新增边缘设备的监测，在监测到出现新增边缘设备时，立即进行预测得到新增边缘设备可能需要的资源信息，也就是提前预测新增边缘设备带来的影响，提前进行资源预热，避免新增边缘设备争夺原有的边缘设备所需的集群资源，避免影响其他稳定的边缘业务。

为了更好地说明本公开实施例提供的面向边缘设备的消息处理方法，现给出一具体实例进一步解释说明，该具体实例采用图2所示的面向边缘设备的消息处理系统架构，如图9所示，为基于本公开实施例提供的面向边缘设备的消息处理方法本具体实例的具体实现过程。

如图2所示，不同边缘设备（设备1、设备2、设备3等）向MQTT服务集群发布消息，MQTT服务集群接收到消息后进行负载消费。随着边缘流量激增，近边缘资源扩容能力不足，采用Serverless架构对资源扩容。使用LSTM对Serverless弹性扩容进行预测，同时对Serverless资源池进行类型分类，按照预测集群资源数量以及预测集群资源分类对MQTT集群资源进行扩容。同时，在新增边缘设备（图中设备11、设备12）时，通过LSTM模型进行预测所需的集群资源数量和/或集群资源类型，从而及时进行集群资源预热。

如图9所示，具体的工作流程包括：

MQTT服务集群前置判断是否为训练需求，若是则将训练数据汇集后，送至远边缘数据中心清洗处理。

远边缘数据中心（训练侧）提取MQTT六元特征向量组（消息上传时刻、设备标识、消息上传数据量、QoS等级、订阅数、MQTT资源需求数）送入LSTM模型进行训练，将训练好的消息匹配资源预测模型及Serverless资源池的分类策略部署至近边缘。

需要说明的是，Serverless资源池的分类策略是指：CPU需求高的消息对应计算型资源、后端负载重的消息对应存储负载型资源、消费能力强的消息对应内存型资源以及特性不明显的消息对应计算内存混合型资源。

近边缘（推理侧）提取MQTT六元特征向量组进行LSTM推理。

判断推理对象是否为新增的边缘设备，非新增边缘设备可以根据与参考MQTT六元向量组之间的相似度选择使用较为稳定的原有Serverless部署策略，或重新发起推理，例如在边缘设备更换工作场景后，无法使用原有Serverless部署策略，就需要重新发起推理。

如果是新增边缘设备，需要在近边缘发起模型推理，确定短期内新增边缘设备的Serverless部署策略以及所需的Serverless资源类型。

近边缘将推理结果策略上报至Serverless资源池，在不同分类的资源池中，分配所需数量的标准Serverless资源。

对已分配的标准Serverless资源进行MQTT服务预热，包括同步后端数据以及调整负载均衡等操作。

由上述过程可以看出，MQTT服务集群分发消费边缘设备消息的应用内容，利用近边缘-远边缘的结合，使用LSTM预测MQTT服务集群的资源行为及时间趋势，对资源进行预热，基于Serverless架构无缝弹性扩缩容。使用LSTM对边缘设备上报的消息进行训练，得到一定时间段内MQTT服务集群在处理不同类型的上报的消息时的行为预测模型，从而避免现有方式的分批次添加资源，可以对集群资源弹性扩容一步到位。不同类型的上报的消息，需要的集群资源并不是完全一致的，现行的Serverless架构的资源扩缩，提供一般为统一规格，相较之下，本具体实例针对消息分配相适应类型的集群资源，节省了边缘资源。由于边缘设备频繁的新增和删除会极大影响MQTT的消费能力，通过预测新增边缘设备的行为趋势，提前预热相应的集群资源，可以避免与现有稳定业务争抢资源的问题。

可以看出，本具体实例能够避免出现边缘流量激增导致的资源预热不及时以及消费流量不均衡的问题，在提高MQTT集群日常消费能力的同时，优化了资源使用成本。

需要注意的是，本公开技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

基于同一发明构思，本公开实施例中还提供了一种面向边缘设备的消息处理装置，如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图10示出本公开实施例中一种面向边缘设备的消息处理装置示意图，如图10所示，该装置包括：

消息接收模块1001，用于接收第一处理时段内边缘设备上报的消息。

特征提取模块1002，用于对消息进行特征提取得到消息特征向量。

资源信息预测模块1003，用于将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息。

资源匹配模块1004，用于基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。

此处需要说明的是，上述消息接收模块1001、特征提取模块1002、资源信息预测模块1003和资源匹配模块1004对应于方法实施例中的S302～S308，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述方法实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

在本公开的一些实施例中，还包括：预测模型构建模块，用于：构建消息匹配资源预测模型。具体实施时，预测模型构建模块，用于：获取多个边缘设备上报的历史消息和多个边缘设备需求的历史资源信息；对历史消息进行特征提取得到多个消息特征向量；其中，消息特征向量与历史消息一一对应；以多个消息特征向量作为输入数据，以多个边缘设备需求的历史资源信息作为输出数据，构建消息匹配资源预测模型。进一步地，预测模型构建模块，具体用于：利用多个消息特征向量和多个边缘设备需求的历史资源信息对长短期记忆模型进行训练，得到消息匹配资源预测模型。

在本公开的一些实施例中，资源匹配模块1004，具体用于：基于边缘设备需求的资源类型确定集群资源类型；在确定的集群资源类型的资源池中基于边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

在本公开的一些实施例中，还包括：模型重训练模块，用于：获取第一处理时段内边缘设备需求的资源信息；利用提取得到的消息特征向量和第一处理时段内边缘设备需求的资源信息对构建好的消息匹配资源预测模型进行重新训练。

在本公开的一些实施例中，还包括：特征向量比对模块，用于：确定第一处理时段内所述边缘设备对应的参考消息特征向量；比对提取得到的消息特征向量与边缘设备对应的参考消息特征向量，得到二者之间的相似度。

进一步地，资源信息预测模块1003，具体用于：在相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息。

相应地，本公开的一些实施例中，面向边缘设备的消息处理装置，还包括：资源信息确定模块，用于：在相似度高于或等于预设阈值时，根据边缘设备对应的参考消息特征向量确定边缘设备需求的资源信息。

本公开的一些实施例中，面向边缘设备的消息处理装置，还包括：参考消息特征向量更新模块，用于：将第一处理时段内提取得到的消息特征向量作为第二处理时段内边缘设备对应的参考消息特征向量；其中，第二处理时段是在第一处理时段之后的相邻时段。

在本公开的一些实施例中，还包括：新增边缘设备管理模块，用于：监测是否出现新增边缘设备；在监测到出现新增边缘设备时，从第三方平台获取新增边缘设备的历史私有数据；对历史私有数据进行特征提取得到预估的消息特征向量；将预估的消息特征向量输入构建好的消息匹配资源预测模型中得到新增边缘设备需求的资源信息；基于新增边缘设备需求的资源信息匹配集群资源，对匹配的集群资源预热以处理新增边缘设备上报的消息。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图11来描述根据本公开的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件（包括存储单元1120和处理单元1110）的总线1130。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元1110可以执行上述方法实施例的如下步骤：

接收第一处理时段内边缘设备上报的消息；对消息进行特征提取得到消息特征向量；将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到边缘设备需求的资源信息；基于边缘设备需求的资源信息匹配集群资源，以通过集群资源处理第一处理时段内边缘设备上报的消息。

存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元（ROM）11203。

存储单元1120还可以包括具有一组（至少一个）程序模块11205的程序/实用工具11204，这样的程序模块11205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1100也可以与一个或多个外部设备1140（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机程序产品，该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面向边缘设备的消息处理方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (16)

1.一种面向边缘设备的消息处理方法，其特征在于，包括：

接收第一处理时段内边缘设备上报的消息；

对所述消息进行特征提取得到消息特征向量；

确定第一处理时段内所述边缘设备对应的参考消息特征向量；

比对提取得到的消息特征向量与所述边缘设备对应的参考消息特征向量，得到二者之间的相似度；

在所述相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；

基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息；

其中，基于所述边缘设备需求的资源信息匹配集群资源，包括：

基于所述边缘设备需求的资源类型确定集群资源类型；

在确定的集群资源类型的资源池中基于所述边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

2.根据权利要求1所述的面向边缘设备的消息处理方法，其特征在于，在将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息之前，所述方法还包括：

构建所述消息匹配资源预测模型。

3.根据权利要求2所述的面向边缘设备的消息处理方法，其特征在于，构建所述消息匹配资源预测模型，包括：

获取多个边缘设备上报的历史消息和多个边缘设备需求的历史资源信息；

对所述历史消息进行特征提取得到多个消息特征向量；所述消息特征向量与所述历史消息一一对应；

以所述多个消息特征向量作为输入数据，以所述多个边缘设备需求的历史资源信息作为输出数据，构建所述消息匹配资源预测模型。

4.根据权利要求3所述的面向边缘设备的消息处理方法，其特征在于，以所述多个消息特征向量作为输入数据，以所述多个边缘设备需求的历史资源信息作为输出数据，构建所述消息匹配资源预测模型，包括：

利用所述多个消息特征向量和所述多个边缘设备需求的历史资源信息对长短期记忆模型进行训练，得到所述消息匹配资源预测模型。

5.根据权利要求1至4任一所述的面向边缘设备的消息处理方法，其特征在于，所述消息为消费订阅消息时，所述消息特征向量的维度包括如下至少之一：

消息上传时刻、设备标识、消息上传数据量、服务质量等级、订阅数、消息队列遥测传输协议MQTT资源需求数。

6.根据权利要求1至4任一所述的面向边缘设备的消息处理方法，其特征在于，所述边缘设备需求的资源信息包括如下至少之一：

所述边缘设备需求的资源数量和所述边缘设备需求的资源类型。

7.根据权利要求6所述的面向边缘设备的消息处理方法，其特征在于，所述集群资源为基于无服务器计算架构的资源。

8.根据权利要求2所述的面向边缘设备的消息处理方法，其特征在于，还包括：

获取所述第一处理时段内边缘设备需求的资源信息；

利用提取得到的消息特征向量和所述第一处理时段内边缘设备需求的资源信息对构建好的所述消息匹配资源预测模型进行重新训练。

9.根据权利要求8所述的面向边缘设备的消息处理方法，其特征在于，还包括：

监测是否出现新增边缘设备；

在监测到出现新增边缘设备时，从第三方平台获取所述新增边缘设备的历史私有数据；

对所述历史私有数据进行特征提取得到预估的消息特征向量；

将所述预估的消息特征向量输入构建好的消息匹配资源预测模型中得到所述新增边缘设备需求的资源信息；

基于所述新增边缘设备需求的资源信息匹配集群资源，对匹配的集群资源预热以处理所述新增边缘设备上报的消息。

10.根据权利要求1所述的面向边缘设备的消息处理方法，其特征在于，还包括：

在所述相似度高于或等于预设阈值时，根据所述边缘设备对应的参考消息特征向量确定所述边缘设备需求的资源信息。

11.根据权利要求1所述的面向边缘设备的消息处理方法，其特征在于，在将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息之后，还包括：

将第一处理时段内提取得到的消息特征向量作为第二处理时段内所述边缘设备对应的参考消息特征向量；

其中，所述第二处理时段是在所述第一处理时段之后的相邻时段。

12.一种面向边缘设备的消息处理装置，其特征在于，包括：

消息接收模块，用于接收第一处理时段内边缘设备上报的消息；

特征提取模块，用于对所述消息进行特征提取得到消息特征向量；

资源信息预测模块，用于确定第一处理时段内所述边缘设备对应的参考消息特征向量；比对提取得到的消息特征向量与所述边缘设备对应的参考消息特征向量，得到二者之间的相似度；在所述相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；

资源匹配模块，用于基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息；

其中，所述资源匹配模块，具体用于：

基于所述边缘设备需求的资源类型确定集群资源类型；

在确定的集群资源类型的资源池中基于所述边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

13.一种面向边缘设备的消息处理系统，其特征在于，包括：

边缘设备、集群调度系统和订阅端设备；

所述订阅端设备用于向所述集群调度系统订阅所述边缘设备上报的消息；

所述集群调度系统，用于：

接收第一处理时段内边缘设备上报的消息；

对所述消息进行特征提取得到消息特征向量；

确定第一处理时段内所述边缘设备对应的参考消息特征向量；

比对提取得到的消息特征向量与所述边缘设备对应的参考消息特征向量，得到二者之间的相似度；

在所述相似度低于预设阈值时，将提取得到的消息特征向量输入构建好的消息匹配资源预测模型中得到所述边缘设备需求的资源信息；

基于所述边缘设备需求的资源信息匹配集群资源，以通过所述集群资源处理第一处理时段内边缘设备上报的消息，以推送给所述订阅端设备；

其中，基于所述边缘设备需求的资源信息匹配集群资源，包括：

基于所述边缘设备需求的资源类型确定集群资源类型；

在确定的集群资源类型的资源池中基于所述边缘设备需求的资源数量选用对应数量的集群资源进行服务预热。

14.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～11中任意一项所述的面向边缘设备的消息处理方法。

15.一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1～11中任意一项所述的面向边缘设备的消息处理方法。

16.一种计算机程序产品，包括：计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现权利要求1至11中任意一项所述的面向边缘设备的消息处理方法。