WO2020024186A1 - 分布式数据采集系统及方法 - Google Patents

分布式数据采集系统及方法 Download PDF

Info

Publication number
WO2020024186A1
WO2020024186A1 PCT/CN2018/098132 CN2018098132W WO2020024186A1 WO 2020024186 A1 WO2020024186 A1 WO 2020024186A1 CN 2018098132 W CN2018098132 W CN 2018098132W WO 2020024186 A1 WO2020024186 A1 WO 2020024186A1
Authority
WO
WIPO (PCT)
Prior art keywords
data collection
collection device
performance
data
usage
Prior art date
Application number
PCT/CN2018/098132
Other languages
English (en)
French (fr)
Inventor
何保敬
王刚华
罗章维
俞悦
顾彤辰
施尼盖斯丹尼尔
Original Assignee
西门子（中国）有限公司
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 西门子（中国）有限公司 filed Critical 西门子（中国）有限公司
Priority to PCT/CN2018/098132 priority Critical patent/WO2020024186A1/zh
Publication of WO2020024186A1 publication Critical patent/WO2020024186A1/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/40—Support for services or applications

Definitions

  • This application generally relates to the field of data collection, and more specifically, to a distributed data collection system and method.
  • a distributed data acquisition system In this distributed data collection system, when a master node is selected or when the master node in the system is down, a node or other nodes will be randomly selected from a number of nodes or other nodes that meet the requirements to Continue to work as a master or a new master.
  • node performance is not considered in this master node selection strategy, so it cannot ensure that the node with the best performance is selected as the master node, and thus it cannot guarantee that the distributed data acquisition system can provide the best performance.
  • this application provides a distributed data acquisition system and method.
  • the data collection device with the best performance evaluation is determined as the main data collection device from the data collection device cluster based on the performance parameters of each data collection device in the received data collection device cluster.
  • the distributed data acquisition system provided has the best performance.
  • a distributed data acquisition system including: at least one data acquisition agent located at at least one production device, for collecting data generated by the at least one production device; and a data collection device A cluster, each data collection device in the data collection device cluster is configured to collect a respective device performance parameter for identifying the performance of the data collection device and send it to all data collection agents, each of the at least one data collection agent
  • the data collection agent is further configured to determine the data collection device with the best performance evaluation from the data collection device cluster as the main data collection device based on the performance parameters of each data collection device received, and send the collected data to The master data collection device.
  • the master data collection device synchronizes data to the slave data collection device in response to a data synchronization request from a slave data collection device in the data collection device cluster.
  • the device performance parameter may include at least one of the following device performance parameters: network performance, system memory usage, system CPU usage, and system load usage.
  • the data collection agent when determining the main data collection device, is specifically configured to calculate the corresponding device performance based on the received performance parameters of each data collection device An evaluation score; and based on the calculated performance evaluation scores of each device, a data collection device with the best performance evaluation is determined from the data collection device cluster as the main data collection device.
  • the network performance, system memory usage, system CPU usage, and system load usage each have a weight value
  • the data collection agent calculates a performance evaluation score of the device, and the data collection agent Specifically used for: for each data collection device, respectively calculating a corresponding performance evaluation score based on the received performance parameters; and based on each calculated performance evaluation score and corresponding weight value of each data collection device, calculating Equipment performance evaluation score for each data collection device.
  • the data collection agent is further configured to: assign a weight value to each performance parameter based on a corresponding performance evaluation score of the calculated performance parameter.
  • the weight value of the network performance is higher than the weight values of the system memory usage, the system CPU usage, and the system load usage; or, the network The weight values of the performance and the system memory usage are higher than the weight values of the system CPU usage and the system load usage; or the network performance, the system memory usage, and the system CPU usage And the weight values of the system load usage are arranged in descending order.
  • the data collection agent may include a timer, and when the timer expires, the data collection agent performs a master data collection device determination process, or the data collection agent It is also used to detect whether the master data collection device has failed, and when the master data collection device has been detected to fail, perform a master data collection device determination process.
  • a distributed data collection method including: collecting data generated by a corresponding production device in at least one production device; and receiving data from each data collection device in a data collection device cluster.
  • the device performance parameter includes at least one of the following device performance parameters: network performance, system memory usage, system CPU usage, and system load usage.
  • determining the data collection device with the best performance evaluation from the data collection device cluster based on the performance parameters of the received data collection devices as the main data collection device may include: Calculate corresponding device performance evaluation scores based on the received performance parameter of each data collection device; and determine the best performance evaluation data from the data collection device cluster based on the calculated performance evaluation scores of each device The collection device acts as the master data collection device.
  • the network performance, system memory usage, system CPU usage, and system load usage each have a weight value, and are respectively based on the performance parameters of each data collection device received.
  • Calculating the corresponding equipment performance evaluation score may include: for each data collection device, calculating a corresponding performance evaluation score based on each received performance parameter; and based on each calculated performance evaluation score of each data collection device and The corresponding weight value is used to calculate the equipment performance evaluation score of each data collection device.
  • calculating the corresponding device performance evaluation scores based on the received performance parameters of each data collection device may further include: based on the corresponding performance evaluation scores of the calculated performance parameters. Weight values are assigned to various performance parameters of the received data collection device.
  • the weight value of the network performance is higher than the weight values of the system memory usage, the system CPU usage, and the system load usage; or, the network The weight values of the performance and the system memory usage are higher than the weight values of the system CPU usage and the system load usage; or the network performance, the system memory usage, and the system CPU usage And the weight values of the system load usage are arranged in descending order.
  • the master data collection device determination process is performed periodically or based on detection of failure of the master data collection device.
  • a data collection agent including: a data collection unit configured to collect data generated by a corresponding production device in at least one production device; and a performance parameter receiving unit configured to receive each data collection Performance parameters collected by the device; a master data collection device determining unit, configured to determine, based on the performance parameters of each data collection device received, a data collection device with the best performance evaluation from the data collection device cluster as the master data collection Equipment; and a data sending unit, configured to send the collected data to the determined master data collection equipment.
  • the device performance parameter includes at least one of the following device performance parameters: network performance, system memory usage, system CPU usage, and system load usage.
  • the master data collection device determination unit includes: a device performance score calculation module, configured to calculate corresponding device performance evaluations based on the received performance parameters of each data collection device A score; and a master data collection device determination module, configured to determine, based on the calculated performance evaluation scores of each device, a data collection device with the best performance evaluation from the data collection device cluster as the master data collection device.
  • the network performance, system memory usage, system CPU usage, and system load usage each have a weight value
  • the device performance score calculation module is specifically configured to: The data collection device calculates corresponding performance evaluation scores based on the received performance parameters; and calculates the data collection device devices based on the calculated performance evaluation scores and corresponding weight values of each data collection device Performance evaluation score.
  • the device performance score calculation module is further configured to: assign a weight to each performance parameter of the received data collection device based on the calculated performance evaluation score of each performance parameter value.
  • a method for distributed data collection including: collecting own device performance parameters at a data collection device in a data collection device cluster and sending the device performance parameters to at least one data collection agent All data collection agents for each data collection agent to collect from the data based on device performance parameters collected by the data collection device and device performance parameters collected by other data collection devices in the data collection cluster
  • a data collection device having the best performance evaluation is determined as a master data collection device in the device cluster; and when the data collection device is determined to be a master data collection device, receiving the collected data from at least one data collection agent at least Data generated at a production device, and synchronizing data to the at least one slave data collection device in response to a data synchronization request of at least one slave data collection device in the data collection device cluster, and / or at the data
  • the collection device is determined to be a slave data collection device, Transmitting the data collection device receives a primary synchronization request and the data collection device in response to the data synchronization request transmitted data.
  • a data collection device including: a performance parameter collection unit for collecting own device performance parameters; and a performance parameter sending unit for sending the collected device performance parameters to at least one All data collection agents in the data collection agent, for each data collection agent to collect data based on device performance parameters collected by the data collection device and device performance parameters collected by other data collection devices in the data collection cluster.
  • a data collection device having the best performance evaluation is determined as a main data collection device in the data collection device cluster; a data receiving unit is configured to: from the at least one, when the data collection device is determined to be a main data collection device The data collection agent receives the collected data generated at the at least one production device, or when the data collection device is determined to be a slave data collection device, receives the master data collection device from the master data collection device in response to the data synchronization Data sent on request; synchronous data sending unit for When the data collection device is determined to be a master data collection device, synchronizing data to the at least one slave data collection device in response to a data synchronization request of at least one slave data collection device in the data collection device cluster; and A data synchronization request sending unit is configured to send a data synchronization request to the master data collection device when the data collection device is determined to be a slave data collection device.
  • a computing device including: at least one processor; and a memory coupled to the at least one processor, for storing instructions, when the instructions are executed by the at least one processor When executed, the processor is caused to execute the method for distributed data collection as described above.
  • a non-transitory machine-readable storage medium which stores executable instructions that, when executed, cause the machine to perform the distributed data collection as described above.
  • a computer program including computer-executable instructions that, when executed, cause at least one processor to perform the method for distributed data collection as described above.
  • a computer program product tangibly stored on a computer-readable medium and including computer-executable instructions that, when executed, cause at least A processor executes the method for distributed data collection as described above.
  • a data collection device with the best performance evaluation is determined from the data collection device cluster based on the performance parameters of each data collection device in the received data collection device cluster as a master
  • the data collection equipment can guarantee the best performance of the distributed data collection system provided.
  • equipment performance score evaluation can be performed by selecting at least one of network performance, system memory usage, system CPU usage, and system load usage as a performance parameter, which can make the equipment Performance evaluation is more accurate.
  • the device performance evaluation can be further improved by setting weight values for network performance, system memory usage, system CPU usage, and system load usage during device performance score evaluation Accuracy.
  • the weighting values of network performance, system memory usage, system CPU usage, and system load usage can be further arranged in descending order when the equipment performance score is evaluated. Improve the accuracy of equipment performance assessment.
  • FIG. 1 shows a block diagram of a distributed data acquisition system according to an embodiment of the present application
  • FIG. 2 shows a block diagram of a data collection agent according to an embodiment of the present application
  • FIG. 3 is a block diagram showing a structure of a device performance score calculation unit according to an embodiment of the present application.
  • FIG. 4 shows a schematic structural diagram of an example of a data collection device 200 according to an embodiment of the present application
  • FIG. 5 shows a flowchart of a distributed data collection method according to an embodiment of the present application
  • FIG. 6 shows a flowchart of an example of a master data collection device determination process according to an embodiment of the present application
  • FIG. 7 shows a flowchart of an example of a device performance evaluation score determination process of a data collection device according to an embodiment of the present application.
  • FIG. 8 shows a block diagram of a computing device for distributed data collection according to the present application. Reference sign
  • Data synchronization request sending unit S510 collects data generated by production equipment
  • S555 receives a data synchronization request from a data collection device
  • the term “including” and variations thereof mean open terms, meaning “including but not limited to.”
  • the term “based on” means “based at least in part on.”
  • the terms “one embodiment” and “an embodiment” mean “at least one embodiment.”
  • the term “another embodiment” means “at least one other embodiment.”
  • the terms “first”, “second”, etc. may refer to different or the same objects. Other definitions can be included below, either explicitly or implicitly. Unless the context clearly indicates otherwise, the definition of a term is consistent throughout the specification.
  • FIG. 1 shows a block diagram of a distributed data acquisition system 10 according to an embodiment of the present application.
  • the distributed data collection system 10 includes at least one data collection agent 100 and a data collection device cluster 200.
  • At least one data collection agent 100 may be arranged at, for example, a production facility of a factory, for collecting data generated by the production facility.
  • the data collection agent 100 may be implemented by hardware or software.
  • the number of data collection agents 100 may correspond to the number of production equipment, that is, one data collection agent 100 is provided for each production equipment.
  • production equipment refers to equipment used for product production, such as a factory numerical control machine tool controller and the like.
  • data collection agent refers to a device used for data collection, such as a software application deployed in a production device.
  • the data collection equipment cluster 200 may be arranged in an IT room of a factory, for example, the data collection equipment cluster 200 may be a data storage server cluster arranged in an IT room.
  • the data collection device cluster 200 may have multiple data collection devices, for example, several, dozens, or other numbers.
  • the size of the data collection device cluster 200 may be determined according to a specific application situation.
  • the data collection device cluster 200 adopts a distributed structure, that is, a master-slave structure.
  • the data collection device cluster 200 includes one master data collection device 210 and multiple slave data collection devices 220.
  • the term "data collection device” refers to a device for collecting data collected by a data collection agent, such as a data storage server or a data calculation server.
  • Each data collection device in the data collection device cluster 200 collects respective device performance parameters, for example, collects device performance parameters within a specific time period.
  • a specific time period may be set to a certain predetermined value, such as 1s, or may be configured according to a configuration file.
  • the device performance parameters are used to reflect the network performance of the data collection device, the resource occupation situation, the system load caused, and the like.
  • the device performance parameter may include at least one of network performance of a data collection device, system memory usage, system CPU usage, and system load usage.
  • the system load usage rate refers to the system load caused by the data collection device.
  • at least one of the network performance and system memory usage of the data collection device is a required device performance parameter.
  • each data collection device After collecting respective device performance parameters, each data collection device sends the collected device performance parameters to all data collection agents 100, that is, each data collection agent 100 in at least one data collection agent 100 can receive all Device performance parameters collected by the data collection device. Then, each data collection agent 100 determines the data collection device with the best performance evaluation as the main data collection device 210 from the data collection device cluster 200 based on the received performance parameters of each data collection device.
  • the specific structure of the data collection agent 100 and the determination process of the master data collection device 210 will be described below with reference to FIG. 2.
  • each data collection agent 100 sends the collected data to the master data collection device 210 for storage in the master data collection device 210.
  • the slave data collection device 220 in the data collection device cluster 200 may also send a data synchronization request to the master data collection device 210 to request data synchronization from the master data collection device 210, that is, request the master data
  • the data stored in the device 210 is collected.
  • the master data collection device 210 may synchronize data to the slave data collection device 220 in response to a data synchronization request from the slave data collection device 220.
  • FIG. 2 shows a block diagram of a data collection agent 110 according to an embodiment of the present application.
  • the data collection standby 110 may include a data collection unit 110, a performance parameter receiving unit 120, a main data collection device determination unit 130, and a data sending unit 140.
  • the data collection unit 110 is configured to collect data generated by the production equipment.
  • the performance parameter receiving unit 120 is configured to receive performance parameters collected by the data collection device from each data collection device.
  • the master data collection device determination unit 130 determines the data collection device with the best performance evaluation from the data collection device cluster 200 as the master based on the received performance parameters of each data collection device.
  • the data collection device 210 that is, the data collection device with the highest device performance evaluation score is determined as the main data collection device 210. A specific determination process of the master data collection device will be described below with reference to FIG. 3.
  • the data sending unit 140 sends the collected data to the determined master data collection device 210.
  • FIG. 3 is a block diagram showing the structure of the master data collection device determination unit 130 according to the embodiment of the present application.
  • the master data collection device determination unit 130 includes a performance score calculation module 131 and a master data collection device determination module 133.
  • the performance score calculation module 131 is configured to calculate a corresponding equipment performance evaluation score based on the received performance parameters of each data collection device.
  • the performance score calculation module 131 may further include a performance score evaluation sub-module (not shown) and a device performance score calculation sub-module (not shown).
  • the performance score evaluation sub-module calculates corresponding performance evaluation scores based on the received performance parameters.
  • the performance parameter is network performance
  • the data collection device to be performance evaluated is the i-th data collection device
  • the network performance uses the network performance percentage
  • the corresponding performance evaluation score is among them, A performance evaluation score corresponding to the network performance of the i-th data collection device.
  • network performance percentage It can be calculated using the following formula:
  • M represents the number of sections into which the network performance (ie, 100%) is divided
  • g refers to the section number into which the network performance percentage of the i-th data collection device at this moment falls
  • p network (k) refers to the k-th
  • d network (k) refers to the cumulative time of the network performance percentage interval. In this application, It is calculated using historical statistics.
  • the division of the network performance percentage interval is an average division, that is, the network performance percentage interval after each division is equal.
  • the performance parameter is the system memory usage rate
  • the data collection device to be performance evaluated is the i-th data collection device and the system memory usage rate is used
  • the corresponding performance evaluation score is among them, The performance evaluation score corresponding to the system memory usage of the i-th data collection device.
  • M represents the number of sections into which the system memory usage (ie, 100%) is divided
  • g refers to the section number into which the system memory usage of the i-th data collection device falls
  • p memory (k) is Refers to the system memory usage in the k-th system memory usage partition
  • d memory (k) refers to the cumulative time of the system's memory usage partition. In this application, It is calculated using historical statistics.
  • the performance parameter is the system CPU usage rate
  • the data collection device to be performance evaluated is the i-th data collection device, and the i-th data collection device has a system of n CPU cores and j CPU cores CPU usage usage To represent, where j refers to the number of the CPU core, and the value of j is 1 to n, then the corresponding performance evaluation score is
  • M represents the number of sections into which the system CPU usage (ie, 100%) is divided
  • g refers to the section number into which the system CPU usage of the j-th CPU core of the i-th data collection device falls at this moment
  • p CPU (k) refers to the system CPU usage of the k-th system CPU usage partition
  • d CPU (k) refers to the cumulative time of the system's CPU usage partition. In this application, It is calculated using historical statistics.
  • the performance parameter is the system load usage rate
  • the data collection device to be performance evaluated is the i-th data collection device and the system memory usage rate is used
  • the corresponding performance evaluation score is among them, The performance evaluation score corresponding to the system load usage of the i-th data collection device.
  • system load usage It can be calculated using the following formula:
  • M represents the number of sections into which the system load usage (that is, 100%) is divided
  • g refers to the section number into which the system load usage of the i-th data collection device falls
  • p systemLoad (k) is Refers to the system load usage of the k-th system load usage segment
  • d systemLoad (k) refers to the cumulative time of the system load usage segment. In this application, It is calculated using historical statistics.
  • the device performance score calculation submodule calculates a device performance evaluation score of each data collection device based on the calculated performance evaluation scores of each data collection device corresponding to each performance parameter. For example, for a certain data collection device, the device performance evaluation score of the data collection device may be calculated by summing the calculated performance evaluation scores.
  • the network performance, system memory usage, system CPU usage, and system load usage may each have a weight value. Accordingly, the device performance score calculation submodule collects data based on the calculated data. Each device performance evaluation score and corresponding weight value are used to calculate the device performance evaluation score of each data collection device.
  • the weight values of network performance, system memory usage, system CPU usage, and system load usage are a, b, c, and d, respectively.
  • the device performance evaluation score can be calculated using the following formula:
  • the weight value of the above-mentioned equipment performance parameter may be set based on the calculated corresponding performance evaluation score.
  • a, b, c, and d can be used separately with
  • To calculate the standard deviation of, for example, a, b, c, and d can be set as with The reciprocal of the standard deviation.
  • the device performance score calculation module 131 may further include: a performance parameter weight assignment sub-module (not shown), configured to calculate a performance evaluation score for each performance parameter as Each performance parameter gives its own weight value.
  • a performance parameter weight assignment sub-module (not shown), configured to calculate a performance evaluation score for each performance parameter as Each performance parameter gives its own weight value.
  • the network performance, system memory usage, system CPU usage, and system load usage may have different weight values.
  • the weight values of the network performance, system memory usage, system CPU usage, and system load usage may be set in descending order.
  • the weight value of the network performance is higher than the weight values of the system memory usage, the system CPU usage, and the system load usage; or the network performance and the system memory usage
  • the weight value of the amount is higher than the weight value of the system CPU usage amount and the system load usage rate.
  • the master data collection device determination module 133 determines the data collection device with the highest device performance evaluation score as the master data collection device 210 based on the calculated performance evaluation score of each device . If the calculated device performance scores are the same, the primary data collection device is determined by sequentially comparing performance evaluation scores of network performance, system memory usage, system CPU usage, and system load usage. That is, the performance evaluation scores of network performance are compared first, and the data collection device with the highest performance evaluation score corresponding to the network performance is determined as the main data collection device.
  • the performance evaluation score corresponding to the network performance is still the same, the performance evaluation score corresponding to the system memory usage is compared, and the data collection device with the highest performance evaluation score corresponding to the system memory usage is determined as the main data collection device. In this way, the comparisons are performed sequentially until the master data collection device is finally determined. If all performance evaluation scores are the same, a data collection device is randomly selected as the main data collection device.
  • the data collection agent 100 may further include a timer (not shown). When the timer expires, the data collection agent 100 performs the above-mentioned master data collection device determination process. In other words, the data collection agent 100 periodically performs the above-mentioned master data collection device determination process.
  • the data collection agent 100 may further include: a master data collection device failure detection unit (not shown), configured to detect whether the master data collection device 210 has failed. For example, assuming that the data collection agent 100 does not continuously receive device performance parameter information from the main data collection device 210 within a certain period of time, the main data collection device failure detection unit may determine that the main data collection device 210 has failed. Alternatively, the slave data collection device periodically sends a data synchronization request to the master data collection device. If the slave data collection device does not receive a response from the master data collection device within a set time, the master data collection device is deemed to have failed. When the failure of the master data collection device 210 is detected, the data collection agent 100 is triggered to perform the above-mentioned master data collection device determination process.
  • a master data collection device failure detection unit (not shown), configured to detect whether the master data collection device 210 has failed. For example, assuming that the data collection agent 100 does not continuously receive device performance parameter information from the main data collection device 210 within a certain period of time
  • FIG. 4 shows a schematic structural diagram of an example of a data collection device 200 according to an embodiment of the present application.
  • the data collection device 200 may include a performance parameter collection unit 201, a performance parameter sending unit 202, a data receiving unit 203, a synchronous data sending unit 204, and a data synchronization request sending unit 205.
  • the performance parameter collection unit 201 is configured to collect its own device performance parameters
  • the performance parameter sending unit 202 is configured to send the collected device performance parameters to all the data collection agents 100 in the at least one data collection agent 100 for each data
  • the collection agent 100 determines the best performance evaluation from the data collection device cluster 200 based on the device performance parameters collected by the data collection device and the device performance parameters collected by other data collection devices in the data collection cluster 200
  • the data collection device serves as the main data collection device 210.
  • the data receiving unit 203 is configured to receive the collected data generated at the at least one production device from the at least one data collection agent 100 when the data collection device is determined to be the main data collection device 210, or, at the data collection device When it is determined to be the slave data collection device 220, the master data collection device 210 receives data sent by the master data collection device 210 in response to the data synchronization request.
  • the synchronization data sending unit 204 is configured to, when the data collection device is determined to be the master data collection device 210, synchronize data to at least one in response to a data synchronization request from at least one slave data collection device 220 in the data collection device cluster 200. From the data collection device 220.
  • the data synchronization request sending unit 205 is configured to send a data synchronization request to the master data collection device 210 when the data collection device is determined to be a slave data collection device 220.
  • FIG. 5 shows a flowchart of a distributed data collection method according to an embodiment of the present application.
  • a data collection agent 100 located at the production equipment data generated by the production equipment at the production site is collected.
  • respective device performance parameters are collected.
  • each data collection device sends the collected device performance parameters to all the data collection agents 100.
  • each data collection agent 100 determines a data collection device with the best performance evaluation from the data collection device cluster 200 as the main data collection device 210 based on the performance parameters of the respective data collection devices received. And, in block S550, each data collection agent 100 sends the collected data to the determined main data collection device 210. How to determine the master data collection device will be described below with reference to FIGS. 6 and 7.
  • the distributed data collection method according to the present application may further include: sending a data synchronization request from the data collecting device 220 to the main data collecting device 210 in block S555, and then, in block S560
  • the master data collection device 210 synchronizes data to the slave data collection device 220 in response to a data synchronization request sent by the slave data collection device 220.
  • FIG. 6 shows a flowchart of an example of a master data collection device determination process in FIG. 5.
  • the data collection agent 110 calculates corresponding device performance evaluation scores based on the received performance parameters of each data collection device.
  • FIG. 7 shows a flowchart of an example of a device performance evaluation score determination process of a data collection device according to an embodiment of the present application.
  • a data collection device is selected from the data collection device cluster as the data collection device for the performance evaluation score of the current device to be calculated.
  • the corresponding performance evaluation scores are calculated based on the received performance parameters.
  • each performance parameter is given a weight value based on the calculated performance evaluation score, and in block S5417, based on the calculated performance evaluation scores of the respective data collection devices and the corresponding Weight value to calculate the equipment performance evaluation score of each data collection device.
  • block S5419 it is determined whether the above-mentioned device performance evaluation score calculation is completed for all data collection devices in the data collection device cluster. If all are completed, proceed to block S543, and determine the master data collection device based on the calculated device performance evaluation score. If not all are completed, the process returns to block S5411, and a new data collection device is selected again to repeatedly perform the foregoing device performance evaluation score calculation process.
  • a data collection device with the best performance evaluation is determined from the data collection device cluster 200 as the main data in block S543. Collecting device 210.
  • the device performance parameter may include at least one of the following device performance parameters: network performance, system memory usage, system CPU usage, and system load usage.
  • the weight values of the network performance, system memory usage, system CPU usage, and system load usage are arranged in descending order.
  • the weight value of the network performance is higher than the weight values of the system memory usage, the system CPU usage, and the system load usage; or, the network performance and the The weight value of the system memory usage is higher than the weight values of the system CPU usage and the system load usage.
  • the operation of the above-mentioned block S5415 is optional. In other examples of the present application, the operation of the above-mentioned block S5415 may not be required.
  • the weight values of the network performance, the system memory usage, the system CPU usage, and the system load usage rate may be given in advance. Alternatively, the network performance, system memory usage, system CPU usage, and system load usage may not be set with weight values.
  • a device performance evaluation score of each data collection device is calculated. For example, the calculated performance evaluation scores of each data collection device are simply added up or the device performance evaluation scores of each data collection device are determined according to a certain predetermined functional relationship.
  • the above-mentioned master data collection device determination process may be performed periodically.
  • the above-mentioned master data collection device determination process may be performed based on detecting that the master data collection device fails.
  • the above data collection agent can be implemented by hardware, or by software or a combination of hardware and software.
  • FIG. 8 shows a block diagram of a computing device 800 for distributed data collection according to the present application.
  • the computing device 800 may include at least one processor 810 that executes at least one computer-readable instruction (ie, the above-mentioned) stored or encoded in a computer-readable storage medium (ie, the memory 820). Elements implemented in software).
  • computer-executable instructions are stored in the memory 820, which when executed causes the at least one processor 810 to: collect data generated by a corresponding production device in at least one production device; and receive data collected by each data collection device Performance parameters; based on the received performance parameters of each data collection device, determining a data collection device with the best performance evaluation from the data collection device cluster as the main data collection device; and sending the collected data to the determined Master data collection device.
  • a program product such as a non-transitory machine-readable medium.
  • the non-transitory machine-readable medium may have instructions (that is, the above-mentioned elements implemented in software form), which when executed by a machine, cause the machine to execute various of the embodiments described above in connection with FIGS. Operation and function.
  • a computer program including computer-executable instructions that, when executed, cause at least one processor to execute each of the embodiments described above in connection with FIGS. 1-7 in various embodiments of the present application. Operations and functions.
  • a computer program product including computer-executable instructions that, when executed, cause at least one processor to execute the various embodiments described above in conjunction with FIGS. 1-7 in various embodiments of the present application.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供了一种分布式数据采集系统，包括：位于至少一个生产设备处的至少一个数据采集代理，用于采集生产设备所产生的数据；以及数据收集设备集群，所述数据收集设备集群中的各个数据收集设备用于收集各自的用于标识该数据收集设备性能的设备性能参数并发送给所有数据采集代理，所述至少一个数据采集代理中的各个数据采集代理还用于基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备，并将所采集的数据发送给所述主数据收集设备。利用该分布式数据采集系统，可以保证所确定的主数据收集设备具有最好的设备性能，由此使得所提供的分布式数据采集系统具备最佳性能。

Description

分布式数据采集系统及方法 技术领域
本申请通常涉及数据采集领域，更具体地，涉及分布式数据采集系统及方法。
背景技术
对于工业领域而言，数据采集非常重要，分布式数据采集系统是当前普遍使用的数据采集方案。分布式数据采集系统需要较多的硬件资源和软件资源，并且现有的分布式数据采集系统的硬件需要持续更新以满足不断增加的系统负载。
目前，一些开源软件组织提出了一种分布式数据采集系统。在该分布式数据采集系统中，在进行主节点选择时或者在该系统中的主节点宕机时，将会从符合要求的若干节点或若干其他节点中，随机选择一个节点或一个其他节点以作为主节点或新的主节点来继续工作。但是在这种主节点选择策略中不会考虑节点性能，从而不能确保性能最好的节点被选择为主节点，由此不能保证该分布式数据采集系统能够提供最佳性能。
发明内容
鉴于上述，本申请提供了一种分布式数据采集系统及方法。利用该系统及方法，通过基于所接收的数据收集设备集群中的各个数据收集设备的性能参数来从数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备，可以保证所提供的分布式数据采集系统具备最佳性能。
根据本申请的一个方面，提供了一种分布式数据采集系统，包括：位于至少一个生产设备处的至少一个数据采集代理，用于采集所述至少一个生产设备所产生的数据；以及数据收集设备集群，所述数据收集设备集群中的各个数据收集设备用于收集各自的用于标识该数据收集设备性能的设备性能参数并发送给所有数据采集代理，所述至少一个数据采集代理中的 每个数据采集代理还用于基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备，并将所采集的数据发送给所述主数据收集设备。
可选地，在上述方面的一个示例中，所述主数据收集设备响应于所述数据收集设备集群中的从数据收集设备的数据同步请求而将数据同步给所述从数据收集设备。
可选地，在上述方面的一个示例中，所述设备性能参数可以包括下述设备性能参数中的至少一种：网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
可选地，在上述方面的一个示例中，在确定所述主数据收集设备时，所述数据采集代理具体用于：基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分；以及基于所计算出的各个设备性能评估得分，从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备。
可选地，在上述方面的一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及在计算设备性能评估得分时，所述数据采集代理具体用于：针对各个数据收集设备，基于所接收的各个性能参数来分别计算出对应的性能评估得分；以及基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
可选地，在上述方面的一个示例中，所述数据采集代理还用于：基于所计算出的性能参数的对应性能评估得分来为各个性能参数赋予权重值。
可选地，在上述方面的一个示例中，所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者，所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使用量和所述系统负载使用率的权重值；或者，所述网络性能、所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值按照降序排列。
可选地，在上述方面的一个示例中，所述数据采集代理可以包括定时器，在所述定时器期满时，所述数据采集代理执行主数据收集设备确定过 程，或者所述数据采集代理还用于：检测所述主数据收集设备是否失效，以及在检测到所述主数据收集设备失效时，执行主数据收集设备确定过程。
根据本申请的另一方面，提供了一种分布式数据采集方法，包括：采集至少一个生产设备中的对应生产设备所产生的数据；接收来自一个数据收集设备集群中的各个数据收集设备的用于标识该数据收集设备性能的设备性能参数；以及基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备，并将所采集的数据发送给所述主数据收集设备。
可选地，在上述方面的一个示例中，所述设备性能参数包括下述设备性能参数中的至少一种：网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
可选地，在上述方面的一个示例中，基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备可以包括：基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分；以及基于所计算出的各个设备性能评估得分，从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备。
可选地，在上述方面的一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分可以包括：针对各个数据收集设备，基于所接收的各个性能参数来分别计算出对应的性能评估得分；以及基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
可选地，在上述方面的一个示例中，基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分还可以包括：基于所计算出的性能参数的对应性能评估得分来为所接收的数据收集设备的各个性能参数赋予权重值。
可选地，在上述方面的一个示例中，所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者，所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使 用量和所述系统负载使用率的权重值；或者，所述网络性能、所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值按照降序排列。
可选地，在上述方面的一个示例中，所述主数据收集设备确定过程是定期执行或者基于检测到所述主数据收集设备失效而执行。
根据本申请的另一方面，提供了一种数据采集代理，包括：数据采集单元，用于采集至少一个生产设备中的对应生产设备所产生的数据；性能参数接收单元，用于接收各个数据收集设备所收集的性能参数；主数据收集设备确定单元，用于基于所接收的各个数据收集设备的性能参数，从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备；以及数据发送单元，用于将所采集的数据发送给所确定出的主数据收集设备。
可选地，在上述方面的一个示例中，所述设备性能参数包括下述设备性能参数中的至少一种：网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
可选地，在上述方面的一个示例中，所述主数据收集设备确定单元包括：设备性能得分计算模块，用于基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分；以及主数据收集设备确定模块，用于基于所计算出的各个设备性能评估得分，从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为所述主数据收集设备。
可选地，在上述方面的一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及所述设备性能得分计算模块具体用于：针对各个数据收集设备，基于所接收的各个性能参数来分别计算出对应的性能评估得分；以及基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
可选地，在上述方面的一个示例中，所述设备性能得分计算模块还用于：基于所计算出的各个性能参数的对应性能评估得分来为所接收的数据收集设备的各个性能参数赋予权重值。
根据本申请的另一方面，提供了一种用于分布式数据采集的方法，包 括：在数据收集设备集群中的一个数据收集设备处收集自身的设备性能参数并发送给至少一个数据采集代理中的所有数据采集代理，以供每个数据采集代理基于所述数据收集设备所收集的设备性能参数来以及所述数据收集集群中的其他数据收集设备所收集的设备性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备；以及在所述数据收集设备被确定为是主数据收集设备时，从所述至少一个数据采集代理接收所采集的在至少一个生产设备处产生的数据，并且响应于所述数据收集设备集群中的至少一个从数据收集设备的数据同步请求而将数据同步给所述至少一个从数据收集设备，和/或在所述数据收集设备被确定为是从数据收集设备时，向主数据收集设备发送数据同步请求并且接收主数据收集设备响应于所述数据同步请求而发送的数据。
根据本申请的另一方面，提供了一种数据收集设备，包括：性能参数收集单元，用于收集自身的设备性能参数；性能参数发送单元，用于将所收集的设备性能参数发送给至少一个数据采集代理中的所有数据采集代理，以供每个数据采集代理基于所述数据收集设备所收集的设备性能参数来以及所述数据收集集群中的其他数据收集设备所收集的设备性能参数来从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备；数据接收单元，用于在所述数据收集设备被确定为是主数据收集设备时，从所述至少一个数据采集代理接收所采集的在至少一个生产设备处产生的数据，或者在所述数据收集设备被确定为是从数据收集设备时，从主数据收集设备接收主数据收集设备响应于所述数据同步请求而发送的数据；同步数据发送单元，用于在所述数据收集设备被确定为是主数据收集设备时，响应于所述数据收集设备集群中的至少一个从数据收集设备的数据同步请求而将数据同步给所述至少一个从数据收集设备；以及数据同步请求发送单元，用于在所述数据收集设备被确定为是从数据收集设备时，向主数据收集设备发送数据同步请求。
根据本申请的另一方面，提供了一种计算设备，包括：至少一个处理器；以及与所述至少一个处理器耦合的存储器，用于存储指令，当所述指令被所述至少一个处理器执行时，使得所述处理器执行如上所述的用于分布式数据采集的方法。
根据本申请的另一方面，提供了一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的用于分布式数据采集的方法。
根据本申请的另一方面，提供了一种计算机程序，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行如上所述的用于分布式数据采集的方法。
根据本申请的另一方面，提供了一种计算机程序产品，所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行如上所述的用于分布式数据采集的方法。
利用根据本申请的分布式数据采集系统及方法，通过基于所接收的数据收集设备集群中的各个数据收集设备的性能参数来从数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备，可以保证所提供的分布式数据采集系统具备最佳性能。
利用根据本申请的分布式数据采集系统及方法，通过选择网络性能、系统内存使用量、系统CPU使用量和系统负载使用率中的至少一种作为性能参数来进行设备性能得分评估，可以使得设备性能评估更加准确。
利用根据本申请的分布式数据采集系统及方法，通过在进行设备性能得分评估时为网络性能、系统内存使用量、系统CPU使用量和系统负载使用率设置权重值，可以进一步提高设备性能评估的准确率。
利用根据本申请的分布式数据采集系统及方法，通过在进行设备性能得分评估时将网络性能、系统内存使用量、系统CPU使用量和系统负载使用率的权重值设置为按照降序排列，可以进一步提高设备性能评估的准确率。
附图说明
通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。
图1示出了根据本申请的实施例的分布式数据采集系统的方框示意图；
图2示出了根据本申请的实施例的数据采集代理的方框示意图；
图3示出了根据本申请的实施例的设备性能得分计算单元的结构方框图；
图4示出了根据本申请的实施例的数据收集设备200的一个示例的结构示意图；
图5示出了根据本申请的实施例的分布式数据采集方法的流程图；
图6示出了根据本申请的实施例的主数据收集设备确定过程的示例的流程图；
图7示出了根据本申请的实施例的数据收集设备的设备性能评估得分确定过程的示例的流程图；和
图8示出了根据本申请的用于分布式数据采集的计算设备的方框图。附图标记
10  分布式数据采集系统
100 至少一个数据采集代理
200 数据收集设备集群
210 主数据收集设备
220 从数据收集设备
110 数据采集单元
120 性能参数接收单元
130 主数据收集设备确定单元
140 数据发送单元
131 设备性能得分计算模块
133 主数据收集设备确定模块
201 性能参数收集单元
202 性能参数发送单元
203 数据接收单元
204 同步数据发送单元
205 数据同步请求发送单元S510采集生产设备所产生的数据
S520 收集各个数据收集设备的设备性能参数
S530 发送给所有数据采集代理
S540 确定主数据收集设备
S550 将所采集的数据发送给主数据收集设备
S555 接收从数据收集设备的数据同步请求
S560 将数据同步给从数据收集设备
S541 计算各个数据收集设备的设备性能评估得分
S543 确定主数据收集设备
S5411 选择一个数据收集设备
S5413 计算出各个性能参数对应的性能评估得分
S5415 为所接收的性能参数赋予权重值
S5417 基于各个性能参数的性能评估得分以及对应的权重值，计算出该数据收集设备的设备性能评估得分
S5419 针对所有设备都完成设备性能评估？
800   计算设备
810   至少一个处理器
820   存储器
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中 明确地指明，否则一个术语的定义在整个说明书中是一致的。
图1示出了根据本申请的实施例的分布式数据采集系统10的方框示意图。如图10所示，分布式数据采集系统10包括至少一个数据采集代理100和数据收集设备集群200。
至少一个数据采集代理100可以布置在例如工厂的生产设备处，用于采集生产设备所产生的数据。在本申请中，数据采集代理100可以采用硬件实现，也可以采用软件实现。在本申请中，数据采集代理100的个数可以与生产设备的个数相对应，即，每个生产设备设置一个数据采集代理100。在本申请中，术语“生产设备”是指用于产品生产的设备，比如工厂数控机床控制器等。术语“数据采集代理”是指用于数据采集的设备，比如部署在生产设备中的软件应用程序等。
数据收集设备集群200可以布置在例如工厂的IT室中，例如，数据收集设备集群200可以是布置在IT室中的数据存储服务器集群。数据收集设备集群200可以具有多个数据收集设备，例如，几个、几十个或者其他数目个。数据收集设备集群200的规模可以根据具体应用情形来确定。在本申请中，数据收集设备集群200采用分布式结构，即，主-从结构。具体地，在数据收集设备集群200中，包括一个主数据收集设备210以及多个从数据收集设备220。在本申请中，术语“数据收集设备”是指用于收集数据采集代理所采集的数据的设备，比如，数据存储服务器或者数据计算服务器。
数据收集设备集群200中的各个数据收集设备收集各自的设备性能参数，例如，收集特定时间周期内的设备性能参数。在本申请中，特定时间周期可以被设定为某个预定值，比如1s，或者可以根据配置文件进行配置。所述设备性能参数用于反映数据收集设备的网络性能、资源占用情况、所造成的系统负载等。例如，所述设备性能参数可以包括数据收集设备的网络性能、系统内存使用量、系统CPU使用量和系统负载使用率中的至少一个。这里，系统负载使用率是指该数据收集设备所造成的系统负载。在本申请的一个示例中，数据收集设备的网络性能和系统内存使用量中的至少一个是必选设备性能参数。
在收集到各自的设备性能参数后，各个数据收集设备将所收集的设备性能参数发送给所有的数据采集代理100，即，至少一个数据采集代理100 中的各个数据采集代理100都可以接收到所有数据收集设备所收集的设备性能参数。然后，各个数据采集代理100基于所接收的各个数据收集设备的性能参数来从数据收集设备集群200中确定出性能评估最佳的数据收集设备作为主数据收集设备210。数据采集代理100的具体结构以及主数据收集设备210的确定过程将在下面参照图2进行描述。
在如上确定出主数据收集设备210后，各个数据采集代理100将所采集的数据发送给主数据收集设备210，以存储在主数据收集设备210中。
在本申请的另一示例中，数据收集设备集群200中的从数据收集设备220还可以向主数据收集设备210发送数据同步请求，以向主数据收集设备210请求数据同步，即，请求主数据收集设备210中存储的数据。主数据收集设备210可以响应于从数据收集设备220的数据同步请求而将数据同步给从数据收集设备220。
图2示出了根据本申请的实施例的数据采集代理110的方框示意图。如图2所示，数据采集待110可以包括数据采集单元110、性能参数接收单元120、主数据收集设备确定单元130和数据发送单元140。
数据采集单元110用于采集生产设备所产生的数据。性能参数接收单元120用于从各个数据收集设备接收该数据收集设备所收集的性能参数。
在接收到各个数据收集设备的性能参数之后，主数据收集设备确定单元130基于所接收的各个数据收集设备的性能参数，从数据收集设备集群200中确定出性能评估最佳的数据收集设备作为主数据收集设备210，即，将设备性能评估得分最高的数据收集设备确定为主数据收集设备210。关于主数据收集设备的具体确定过程将在下面参照图3进行说明。
在确定出主数据收集设备210后，数据发送单元140将所采集的数据发送给所确定出的主数据收集设备210。
图3示出了根据本申请的实施例的主数据收集设备确定单元130的结构方框图。如图3所示，主数据收集设备确定单元130包括性能得分计算模块131和主数据收集设备确定模块133。
性能得分计算模块131用于基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分。在本申请的一个示例中，性能得分计算模块131还可以包括性能得分评估子模块(未示出)和设备性能 得分计算子模块(未示出)。性能得分评估子模块基于所接收的各个性能参数来分别计算出对应的性能评估得分。
例如，在性能参数是网络性能的情况下，假设待进行性能评估的数据收集设备是第i个数据收集设备，并且网络性能利用网络性能百分比
Figure PCTCN2018098132-appb-000001
来表示，则所对应的性能评估得分为
Figure PCTCN2018098132-appb-000002
其中，
Figure PCTCN2018098132-appb-000003
为第i个数据收集设备的网络性能所对应的性能评估得分。
在本申请中，网络性能百分比
Figure PCTCN2018098132-appb-000004
可以利用下述公式来计算：
Figure PCTCN2018098132-appb-000005
其中，M表示网络性能(即，100％)被分割为的区间个数，g是指第i个数据收集设备此刻的网络性能百分比所落入的区间编号，p network(k)是指第k个网络性能百分比区间的网络性能百分比值，以及d network(k)是指该网络性能百分比区间的累计时间。在本申请中，
Figure PCTCN2018098132-appb-000006
是使用历史统计数据来计算出的。
例如，假设M＝10，则表示将100％的网络性能分割为10个网络性能百分比区间。通常，网络性能百分比区间的分割是平均分割，即，每个分割后的网络性能百分比区间相等。
在性能参数是系统内存使用率的情况下，假设待进行性能评估的数据收集设备是第i个数据收集设备，并且系统内存使用率使用
Figure PCTCN2018098132-appb-000007
来表示，则所对应的性能评估得分为
Figure PCTCN2018098132-appb-000008
其中，
Figure PCTCN2018098132-appb-000009
为第i个数据收集设备的系统内存使用率所对应的性能评估得分。
在本申请中，系统内存使用率
Figure PCTCN2018098132-appb-000010
可以利用下述公式来计算：
Figure PCTCN2018098132-appb-000011
其中，M表示系统内存使用率(即，100％)被分割为的区间个数，g是指第i个数据收集设备此刻的系统内存使用率所落入的区间编号，p memory(k)是指第k个系统内存使用率分割区间的系统内存使用率，以及d memory(k)是指该系统内存使用率分割区间的累计时间。在本申请中，
Figure PCTCN2018098132-appb-000012
是使用历史统计数据来计算出的。
在性能参数是系统CPU使用率的情况下，假设待进行性能评估的数据收集设备是第i个数据收集设备，并且该第i个数据收集设备具有n个CPU内核，第j个CPU内核的系统CPU使用率使用
Figure PCTCN2018098132-appb-000013
来表示，其中，j是指CPU内核的编号，j的取值是1到n，则所对应的性能评估得分为
Figure PCTCN2018098132-appb-000014
在本申请中，系统CPU使用率
Figure PCTCN2018098132-appb-000015
可以利用下述公式来计算：
Figure PCTCN2018098132-appb-000016
其中，M表示系统CPU使用率(即，100％)被分割为的区间个数，g是指第i个数据收集设备的第j个CPU内核此刻的系统CPU使用率所落入的区间编号，p CPU(k)是指第k个系统CPU使用率分割区间的系统CPU使用率，以及d CPU(k)是指该系统CPU使用率分割区间的累计时间。在本申请中，
Figure PCTCN2018098132-appb-000017
是使用历史统计数据来计算出的。
在性能参数是系统负载使用率的情况下，假设待进行性能评估的数据收集设备是第i个数据收集设备，并且系统内存使用率使用
Figure PCTCN2018098132-appb-000018
来表示，则所对应的性能评估得分为
Figure PCTCN2018098132-appb-000019
其中，
Figure PCTCN2018098132-appb-000020
为第i个数据收集设备的系统负载使用率所对应的性能评估得分。
在本申请中，系统负载使用率
Figure PCTCN2018098132-appb-000021
可以利用下述公式来计 算：
Figure PCTCN2018098132-appb-000022
其中，M表示系统负载使用率(即，100％)被分割为的区间个数，g是指第i个数据收集设备此刻的系统负载使用率所落入的区间编号，p systemLoad(k)是指第k个系统负载使用率分割区间的系统负载使用率，以及d systemLoad(k)是指该系统负载使用率分割区间的累计时间。在本申请中，
Figure PCTCN2018098132-appb-000023
是使用历史统计数据来计算出的。
然后，设备性能得分计算子模块基于所计算出的各个数据收集设备的与各个性能参数对应的性能评估得分，计算出各个数据收集设备的设备性能评估得分。例如，针对某个数据收集设备，可以通过对所计算出的各个性能评估得分进行求和来计算出该数据收集设备的设备性能评估得分。
在本申请的一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率可以各自具有权重值，相应地，设备性能得分计算子模块基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
例如，可以假设网络性能、系统内存使用量、系统CPU使用量和系统负载使用率的权重值分别为a，b，c和d，则设备性能评估得分可以利用下述公式计算出：
Figure PCTCN2018098132-appb-000024
在本申请中，上述设备性能参数的权重值可以基于所计算出的对应性能评估得分来设定。例如，a、b、c和d可以分别利用
Figure PCTCN2018098132-appb-000025
和
Figure PCTCN2018098132-appb-000026
的标准差来计算出，比如，将a、b、c和d可以分别设置为
Figure PCTCN2018098132-appb-000027
Figure PCTCN2018098132-appb-000028
和
Figure PCTCN2018098132-appb-000029
的标准差的倒数。
此外，在本申请的另一示例中，设备性能得分计算模块131还可以包括：性能参数权重赋值子模块(未示出)，用于基于所计算出的各个性能参数的对应性能评估得分来为各个性能参数赋予各自的权重值。
在本申请的一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率可以具有不同的权重值。例如，在一个示例中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率的权重值可以被设置为按照降序排列。在其他示例中，所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者，所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使用量和所述系统负载使用率的权重值。
在如上计算出各个数据收集设备的设备性能评估得分后，主数据收集设备确定模块133基于所计算出的各个设备性能评估得分，将设备性能评估得分最高的数据收集设备确定为主数据收集设备210。如果所计算出的设备性能得分相同，则通过依次比较网络性能、系统内存使用率、系统CPU使用率和系统负载使用率的性能评估得分来确定主数据收集设备。即，先比较网络性能的性能评估得分，将网络性能所对应的性能评估得分最高的数据收集设备确定为主数据收集设备。如果网络性能所对应的性能评估得分仍然相同，则比较系统内存使用率所对应的性能评估得分，将系统内存使用率所对应的性能评估得分最高的数据收集设备确定为主数据收集设备。按照这种方式，依次进行比较，直到最后确定出主数据收集设备。如果所有的性能评估得分都相同，则随机选择一个数据收集设备作为主数据收集设备。
此外，可选地，数据采集代理100还可以包括定时器(未示出)。在所述定时器期满时，数据采集代理100执行上述主数据收集设备确定过程。换言之，数据采集代理100定期地执行上述主数据收集设备确定过程。
或者，在本申请的另一示例中，数据采集代理100还可以包括：主数据收集设备失效检测单元(未示出)，用于检测主数据收集设备210是否失效。例如，假设数据采集代理100在某个时间段内持续没有从主数据收集设备210处接收到设备性能参数信息，则主数据收集设备失效检测单元可以确定主数据收集设备210失效。或者，从数据收集设备周期性地向主数据收集设备发送数据同步请求，若从数据收集设备未在设定的时间内接收到主数据收集设备的响应，则认定主数据收集设备失效。在检测到主数据收集设备210失效时，触发数据采集代理100执行上述主数据收集设备确 定过程。
图4示出了根据本申请的实施例的数据收集设备200的一个示例的结构示意图。如图4中所示，数据收集设备200可以包括性能参数收集单元201、性能参数发送单元202、数据接收单元203、同步数据发送单元204和数据同步请求发送单元205。
性能参数收集单元201用于收集自身的设备性能参数，以及性能参数发送单元202用于将所收集的设备性能参数发送给至少一个数据采集代理100中的所有数据采集代理100，以供每个数据采集代理100基于所述数据收集设备所收集的设备性能参数来以及所述数据收集集群200中的其他数据收集设备所收集的设备性能参数来从数据收集设备集群200中确定出性能评估最佳的数据收集设备作为主数据收集设备210。
数据接收单元203用于在该数据收集设备被确定为是主数据收集设备210时，从至少一个数据采集代理100接收所采集的在至少一个生产设备处产生的数据，或者，在该数据收集设备被确定为是从数据收集设备220时，从主数据收集设备210接收主数据收集设备210响应于数据同步请求而发送的数据。
同步数据发送单元204用于在该数据收集设备被确定为是主数据收集设备210时，响应于数据收集设备集群200中的至少一个从数据收集设备220的数据同步请求而将数据同步给至少一个从数据收集设备220。数据同步请求发送单元205用于在该数据收集设备被确定为是从数据收集设备220时，向主数据收集设备210发送数据同步请求。
上面参照图1到图4对根据本申请的分布式数据采集系统进行描述，下面结合图5到图7描述根据本申请的分布式数据采集方法。
图5示出了根据本申请的实施例的分布式数据采集方法的流程图。如图5所示，在块S510，在位于生产设备处的数据采集代理100处，采集生产站点的生产设备所产生的数据。在块S520，在数据收集设备集群200中的各个数据收集设备处，收集各自的设备性能参数。然后，在块S530，各个数据收集设备将所收集的设备性能参数发送给所有数据采集代理100。
接着，在块S540，在每个数据采集代理100处，基于所接收的各个数据收集设备的性能参数来从数据收集设备集群200中确定出性能评估最佳 的数据收集设备作为主数据收集设备210，并且，在块S550，每个数据采集代理100将所采集的数据发送给所确定出的主数据收集设备210。关于如何确定主数据收集设备将在下面参照图6和图7进行描述。
可选地，在本申请的一个示例中，根据本申请的分布式数据采集方法还可以包括：在块S555，从数据收集设备220向主数据收集设备210发送数据同步请求，然后，在块S560，主数据收集设备210响应于从数据收集设备220所发送的数据同步请求而将数据同步给从数据收集设备220。
图6示出了图5中的主数据收集设备确定过程的示例的流程图。如图5所示，在块S541，数据采集代理110基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分。图7示出了根据本申请的实施例的数据收集设备的设备性能评估得分确定过程的示例的流程图。
如图6所示，在块S5411中，从数据收集设备集群中选择一个数据收集设备作为当前待计算设备性能评估得分的数据收集设备。接着，在块S5413中，基于所接收的各个性能参数来分别计算出对应的性能评估得分。然后，在块S5415中，基于所计算出的性能评估得分来为各个性能参数赋予各自的权重值，并且，在块S5417中，基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
然后，在块S5419中，确定是否针对数据收集设备集群中的所有数据收集设备都完成上述设备性能评估得分计算。如果都完成，则进行到块S543，基于所计算出的设备性能评估得分来确定出主数据收集设备。如果没有都完成，则返回到块S5411，重新选择一个新的数据收集设备来重复执行上述设备性能评估得分计算过程。
在如上计算出各个数据收集设备的设备性能评估得分后，在块S543，基于所计算出的各个设备性能评估得分，从数据收集设备集群200中确定出性能评估最佳的数据收集设备作为主数据收集设备210。
可选地，在本申请的一个示例中，所述设备性能参数可以包括下述设备性能参数中的至少一种：网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
可选地，在本申请的一个示例中，所述网络性能、系统内存使用量、 系统CPU使用量和系统负载使用率的权重值按照降序排列。在本申请的其他示例中，所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者，所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使用量和所述系统负载使用率的权重值。
此外，上述块S5415的操作是可选操作。在本申请的其他示例中，可以不需要上述块S5415的操作。相应地，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率的权重值可以预先赋予。或者，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率可以不设置权重值。在这种情况下，在块S5417中，基于所计算出的各个数据收集设备的各个性能评估得分，计算出各个数据收集设备的设备性能评估得分。例如，将所计算出的各个数据收集设备的各个性能评估得分简单加和或者按照某种预定函数关系式来确定出各个数据收集设备的设备性能评估得分。
此外，可选地，在本申请的一个示例中，上述主数据收集设备确定过程可以是定期执行地。或者，在本申请的另一示例中，上述主数据收集设备确定过程可以是基于检测到所述主数据收集设备失效而执行的。
如上参照图1到图7，对根据本申请的分布式数据采集系统以及分布式数据采集方法的实施例进行了描述。上面的数据采集代理可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。
在本申请中，数据采集代理可以利用计算设备实现。图8示出了根据本申请的用于分布式数据采集的计算设备800的方框图。根据一个实施例，计算设备800可以包括至少一个处理器810，该至少一个处理器810执行在计算机可读存储介质(即，存储器820)中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个实施例中，在存储器820中存储计算机可执行指令，其当执行时使得至少一个处理器810：采集至少一个生产设备中的对应生产设备所产生的数据；接收各个数据收集设备所收集的性能参数；基于所接收的各个数据收集设备的性能参数，从所述数据收集设备集群中确定出性能评估最佳的数据收集设备作为主数据收集设备；以及将所采集的数据发送给所确 定出的主数据收集设备。
应该理解，在存储器820中存储的计算机可执行指令当执行时使得至少一个处理器810进行本申请的各个实施例中以上结合图1-7描述的各种操作和功能。
根据一个实施例，提供了一种比如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本申请的各个实施例中以上结合图1-7描述的各种操作和功能。
根据一个实施例，提供了一种计算机程序，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行本申请的各个实施例中以上结合图1-7描述的各种操作和功能。
根据一个实施例，提供了一种计算机程序产品，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行本申请的各个实施例中以上结合图1-7描述的各种操作和功能。
上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。

Claims (26)

  1. 一种分布式数据采集系统(10)，包括：
    位于至少一个生产设备处的至少一个数据采集代理(100)，用于采集所述至少一个生产设备所产生的数据；以及
    数据收集设备集群(200)，所述数据收集设备集群(200)中的各个数据收集设备用于收集各自的用于标识该数据收集设备性能的设备性能参数并发送给所有数据采集代理(100)，
    所述至少一个数据采集代理(100)中的每个数据采集代理(100)，还用于基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为主数据收集设备(210)，并将所采集的数据发送给所述主数据收集设备(210)。
  2. 如权利要求1所述的分布式数据采集系统(10)，其中，所述主数据收集设备(210)响应于所述数据收集设备集群(200)中的从数据收集设备(220)的数据同步请求而将数据同步给所述从数据收集设备(200)。
  3. 如权利要求1或2所述的分布式数据采集系统(10)，其中，所述设备性能参数包括下述设备性能参数中的至少一种：
    网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
  4. 如权利要求3所述的分布式数据采集系统(10)，其中，在确定所述主数据收集设备时，所述数据采集代理(100)具体用于：
    基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分；以及
    基于所计算出的各个设备性能评估得分，从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为所述主数据收集设备(210)。
  5. 如权利要求4所述的分布式数据采集系统(10)，其中，所述网络 性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及在计算设备性能评估得分时，所述数据采集代理(100)具体用于：
    针对各个数据收集设备，基于所接收的各个性能参数来分别计算出对应的性能评估得分；以及
    基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
  6. 如权利要求5所述的分布式数据采集系统(10)，其中，所述数据采集代理(100)还用于：
    基于所计算出的性能参数的对应性能评估得分来为各个性能参数赋予各自的权重值。
  7. 如权利要求5或6所述的分布式数据采集系统(10)，其中，
    所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者
    所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使用量和所述系统负载使用率的权重值；或者
    所述网络性能、所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值按照降序排列。
  8. 如权利要求1所述的分布式数据采集系统(10)，其中，
    所述数据采集代理(100)包括定时器，在所述定时器期满时，所述数据采集代理(100)执行主数据收集设备确定过程，或者
    所述数据采集代理(100)还用于：检测所述主数据收集设备(210)是否失效，并且在检测到所述主数据收集设备(210)失效时，执行主数据收集设备确定过程。
  9. 一种分布式数据采集方法(S500)，包括：
    采集(S510)至少一个生产设备中的对应生产设备所产生的数据；
    接收(S530)来自一个数据收集设备集群(200)中的各个数据收集设 备的用于标识该数据收集设备性能的设备性能参数；
    基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群(200)中确定(S540)出性能评估最佳的数据收集设备作为主数据收集设备(210)，并将所采集的数据发送(S450)给所述主数据收集设备(210)。
  10. 如权利要求9所述的分布式数据采集方法(S500)，其中，所述设备性能参数包括下述设备性能参数中的至少一种：
    网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
  11. 如权利要求10所述的分布式数据采集方法(S500)，其中，基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群(200)中确定(S540)出性能评估最佳的数据收集设备作为主数据收集设备(210)包括：
    基于所接收的各个数据收集设备的性能参数来分别计算(S541)出对应的设备性能评估得分；以及
    基于所计算出的各个设备性能评估得分，从所述数据收集设备集群中确定(S543)出性能评估最佳的数据收集设备作为主数据收集设备。
  12. 如权利要求11所述的分布式数据采集方法(S500)，其中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及基于所接收的各个数据收集设备的性能参数来分别计算(S541)出对应的设备性能评估得分包括：
    针对各个数据收集设备，
    基于所接收的各个性能参数来分别计算(S5413)出对应的性能评估得分；以及
    基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出(S5417)各个数据收集设备的设备性能评估得分。
  13. 如权利要求12所述的分布式数据采集方法，其中，基于所接收的各个数据收集设备的性能参数来分别计算(S541)出对应的设备性能评估 得分还包括：
    基于所计算出的各个性能参数的对应性能评估得分来为所接收的数据收集设备的各个性能参数赋予(S5415)权重值。
  14. 如权利要求12或13所述的分布式数据采集方法(S500)，其中，所述网络性能的权重值高于所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值；或者
    所述网络性能和所述系统内存使用量的权重值高于所述系统CPU使用量和所述系统负载使用率的权重值；或者
    所述网络性能、所述系统内存使用量、所述系统CPU使用量和所述系统负载使用率的权重值按照降序排列。
  15. 如权利要求9到14中任一项所述的分布式数据采集方法(S500)，其中，所述主数据收集设备确定过程是定期执行或者基于检测到所述主数据收集设备失效而执行。
  16. 一种数据采集代理(100)，包括：
    数据采集单元(110)，用于采集至少一个生产设备中的对应生产设备所产生的数据；
    性能参数接收单元(120)，用于接收数据收集设备集群(200)中的各个数据收集设备所收集的性能参数；
    主数据收集设备确定单元(130)，用于基于所接收的各个数据收集设备的性能参数来从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为主数据收集设备(210)；以及
    数据发送单元(140)，用于将所采集的数据发送给所确定出的主数据收集设备。
  17. 如权利要求16所述的数据采集代理(100)，其中，所述设备性能参数包括下述设备性能参数中的至少一种：
    网络性能、系统内存使用量、系统CPU使用量和系统负载使用率。
  18. 如权利要求16或17所述的数据采集代理(100)，其中，所述主数据收集设备确定单元(130)包括：
    设备性能得分计算模块(131)，用于基于所接收的各个数据收集设备的性能参数来分别计算出对应的设备性能评估得分；以及
    主数据收集设备确定模块(133)，用于基于所计算出的各个设备性能评估得分，从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为所述主数据收集设备(210)。
  19. 如权利要求18所述的数据采集代理(100)，其中，所述网络性能、系统内存使用量、系统CPU使用量和系统负载使用率各自具有权重值，以及所述设备性能得分计算模块(131)具体用于：
    针对各个数据收集设备，
    基于所接收的各个性能参数来分别计算出对应的性能评估得分；以及
    基于所计算出的各个数据收集设备的各个性能评估得分和对应的权重值，计算出各个数据收集设备的设备性能评估得分。
  20. 如权利要求19所述的数据采集代理(100)，其中，所述设备性能得分计算模块(131)还用于：
    基于所计算出的各个性能参数的对应性能评估得分来为所接收的数据收集设备的各个性能参数赋予权重值。
  21. 一种用于分布式数据采集的方法，包括：
    在数据收集设备集群(200)中的一个数据收集设备处收集(S520)自身的设备性能参数并发送(S530)给至少一个数据采集代理(100)中的所有数据采集代理(100)，以供每个数据采集代理(100)基于所述数据收集设备所收集的设备性能参数来以及所述数据收集集群(200)中的其他数据收集设备所收集的设备性能参数来从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为主数据收集设备(210)；以及
    在所述数据收集设备被确定为是主数据收集设备(210)时，从所述至少一个数据采集代理(100)接收(S550)所采集的在至少一个生产设备处产生的数据，并且响应于所述数据收集设备集群(200)中的至少一个从数据收集设备(220)的数据同步请求而将数据同步(S560)给所述至少一个从数据收集设备(220)，和/或
    在所述数据收集设备被确定为是从数据收集设备(220)时，向主数据收集设备(210)发送(S555)数据同步请求并且接收(S560)主数据收集设备(210)响应于所述数据同步请求而发送的数据。
  22. 一种数据收集设备，包括：
    性能参数收集单元(201)，用于收集自身的设备性能参数；
    性能参数发送单元(202)，用于将所收集的设备性能参数发送给至少一个数据采集代理(100)中的所有数据采集代理(100)，以供每个数据采集代理(100)基于所述数据收集设备所收集的设备性能参数来以及所述数据收集集群(200)中的其他数据收集设备所收集的设备性能参数来从所述数据收集设备集群(200)中确定出性能评估最佳的数据收集设备作为主数据收集设备(210)；
    数据接收单元(203)，用于在所述数据收集设备被确定为是主数据收集设备(210)时，从所述至少一个数据采集代理(100)接收所采集的在至少一个生产设备处产生的数据，或者在所述数据收集设备被确定为是从数据收集设备(220)时，从主数据收集设备(210)接收主数据收集设备(210)响应于所述数据同步请求而发送的数据；
    同步数据发送单元(204)，用于在所述数据收集设备被确定为是主数据收集设备(210)时，响应于所述数据收集设备集群(200)中的至少一个从数据收集设备(220)的数据同步请求而将数据同步给所述至少一个从数据收集设备(220)；以及
    数据同步请求发送单元(205)，用于在所述数据收集设备被确定为是从数据收集设备(220)时，向主数据收集设备(210)发送数据同步请求。
  23. 一种计算设备(800)，包括：
    至少一个处理器(810)；以及
    与所述至少一个处理器(810)耦合的存储器(820)，用于存储指令，当所述指令被所述至少一个处理器(810)执行时，使得所述处理器(820)执行如权利要求9～15、21中的任一项所述的方法。
  24. 一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求9～15、21中的任一项所述的方法。
  25. 一种计算机程序，包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行根据权利要求9～15、21中的任一项所述的方法。
  26. 一种计算机程序产品，所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行根据权利要求9～15、21中的任一项所述的方法。
PCT/CN2018/098132 2018-08-01 2018-08-01 分布式数据采集系统及方法 WO2020024186A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/098132 WO2020024186A1 (zh) 2018-08-01 2018-08-01 分布式数据采集系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/098132 WO2020024186A1 (zh) 2018-08-01 2018-08-01 分布式数据采集系统及方法

Publications (1)

Publication Number Publication Date
WO2020024186A1 true WO2020024186A1 (zh) 2020-02-06

Family

ID=69232278

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/098132 WO2020024186A1 (zh) 2018-08-01 2018-08-01 分布式数据采集系统及方法

Country Status (1)

Country Link
WO (1) WO2020024186A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463378A (zh) * 2020-11-27 2021-03-09 北京浪潮数据技术有限公司 一种服务器资产扫描方法、系统、电子设备及存储介质
CN115022402A (zh) * 2022-07-01 2022-09-06 杭州乘云数字技术有限公司 一种基于一栈式集成技术的agent采集方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101079884A (zh) * 2007-03-27 2007-11-28 腾讯科技（深圳）有限公司 一种客户端登陆业务服务器的的方法、系统及设备
US7502857B2 (en) * 2000-12-15 2009-03-10 International Business Machines Corporation Method and system for optimally allocating a network service
CN103905537A (zh) * 2014-03-20 2014-07-02 冶金自动化研究设计院 分布式环境下管理工业实时数据存储的系统
CN106941522A (zh) * 2017-03-13 2017-07-11 广州五舟科技股份有限公司 轻量级分布式计算平台及其数据处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7502857B2 (en) * 2000-12-15 2009-03-10 International Business Machines Corporation Method and system for optimally allocating a network service
CN101079884A (zh) * 2007-03-27 2007-11-28 腾讯科技（深圳）有限公司 一种客户端登陆业务服务器的的方法、系统及设备
CN103905537A (zh) * 2014-03-20 2014-07-02 冶金自动化研究设计院 分布式环境下管理工业实时数据存储的系统
CN106941522A (zh) * 2017-03-13 2017-07-11 广州五舟科技股份有限公司 轻量级分布式计算平台及其数据处理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112463378A (zh) * 2020-11-27 2021-03-09 北京浪潮数据技术有限公司 一种服务器资产扫描方法、系统、电子设备及存储介质
CN112463378B (zh) * 2020-11-27 2023-12-22 北京浪潮数据技术有限公司 一种服务器资产扫描方法、系统、电子设备及存储介质
CN115022402A (zh) * 2022-07-01 2022-09-06 杭州乘云数字技术有限公司 一种基于一栈式集成技术的agent采集方法及系统

Similar Documents

Publication Publication Date Title
WO2018180369A1 (ja) センサネットワークシステム
CN106375420B (zh) 一种基于负载均衡的服务器集群智能监控系统及方法
WO2022016808A1 (zh) 一种kubernetes集群资源动态调整方法及电子设备
CN112231075B (zh) 一种基于云服务的服务器集群负载均衡控制方法及系统
US10175664B2 (en) Sensor information complementing system and sensor information complementing method
JP2012530980A (ja) 温度収集制御装置及び方法
JP6323288B2 (ja) データ取得装置、データ取得方法、及びプログラム
WO2020024186A1 (zh) 分布式数据采集系统及方法
US10909841B2 (en) Data collection system
CN107968797B (zh) 一种视频传输方法、装置及系统
WO2018120962A1 (zh) 一种基于可靠性管理的不确定性消除情景感知系统及其工作方法
WO2016095410A1 (zh) 链路流量分担的方法和装置
WO2018099090A1 (zh) 从云计算系统中确定主调度器的方法及装置
US8930532B2 (en) Session management in a thin client system for effective use of the client environment
CN105528366A (zh) 一种数据同步控制方法和装置
Santos et al. A decentralized damage detection system for wireless sensor and actuator networks
JP2013236264A (ja) 監視装置および負荷平準化方法並びにプログラム、それを備える監視システム
JP2013206112A5 (zh)
JP5271737B2 (ja) データ収集システム，及び伝送制御装置
KR101534477B1 (ko) 설비 제어 망에서 확률 모델을 활용한 능동 수동 데이터 수집 장치 및 방법
US9336044B2 (en) Parallel computer, and job information acquisition method for parallel computer
US20150154279A1 (en) Apparatus and method for building relation model based on resource management architecture
CN110324385A (zh) 数据同步方法及装置、分布式系统
WO2016165471A1 (zh) Hadoop集群组件指标的采集方法及装置
Alom et al. Optimization of detected deadlock views of distributed database

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18928513

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18928513

Country of ref document: EP

Kind code of ref document: A1