The invention discloses an intelligent method for collecting large data based on edge computing. Firstly, according to the characteristics of the collected front-end data, the edge computing node determines whether the front-end data needs to be transmitted to the cloud server, and initiates data transmission to the server through multiple links at the same time. After receiving the request, the server calculates all the edges of the region where the edge computing node is located. The historical transmission data information of each link of the node is used as a feature to predict, and then the server sends the generated prediction table to the edge computing node. The edge computing node decides the transmission attributes of each link according to the prediction table and related policies and starts to transmit. After the transmission is completed, the server records the transmission of each link and updates the historical data of each link in the region. \u3002 The method makes full use of the historical information of all links transmitting data in the region to predict the performance of each link of the edge computing node, distributes transmission attributes more reasonably for multiple links, and improves the reliability of large-scale data collection.
【技术实现步骤摘要】
一种基于边缘计算的大数据智能收集方法
本专利技术涉及大数据的
,尤其是指一种基于边缘计算的大数据智能收集方法。
技术介绍
随着信息技术的发展,边缘计算可以在靠近物或数据源头的一侧,就近提供最近端服务。边缘计算节点收集到前端数据后,具有与云端服务器实时大数据交互的需求,但是,边缘计算节点与服务器之间的各条链路受运营商网络速度,流量成本等因素影响,在数据传输时的性能有较大差别。在边缘计算节点发起传输前,往往并不能获得其与服务器建立的各链路性能信息。因此往往需要人工根据经验设置链路传输信息,或采取较普遍的平均传输方法,在实际传输中往往成本较高,花费时间较长,并且未能充分利用各网络资源,很难自动配置较为理想的各链路属性,实现大规模数据的可靠实时收集。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足,提出了一种基于边缘计算的大数据智能收集方法,充分利用区域内所有链路传输数据的历史信息预测边缘计算节点各链路的性能,从而能更合理高效地为多链路分配传输属性,提高大规模数据收集可靠性。为实现上述目的,本专利技术所提供的技术方案为:一种基于边缘计算的大数据智能收集方法,包括以下步骤:S1、边缘计算节点根据收集到的前端数据特性,确定前端数据是否需要传输到云端服务器,如果不决定传输,则终止传输,传输过程结束;如果决定传输,接收数据采集点的数据,并进入S2;S2、边缘计算节点通过多条链路同时发起对服务器的数据传输请求,并向服务器发送其所有链路信息和传输数据信息;S3、服务器根据边缘计算节点所在区域的所有边缘计算节点的各链路历史数据计算各链路属性,生成相应的预测表;S4 ...
【技术保护点】
1.一种基于边缘计算的大数据智能收集方法,其特征在于,包括以下步骤:S1、边缘计算节点根据收集到的前端数据特性,确定前端数据是否需要传输到云端服务器,如果不决定传输,则终止传输,传输过程结束;如果决定传输,接收数据采集点的数据,并进入S2;S2、边缘计算节点通过多条链路同时发起对服务器的数据传输请求,并向服务器发送其所有链路信息和传输数据信息;S3、服务器根据边缘计算节点所在区域的所有边缘计算节点的各链路历史数据计算各链路属性,生成相应的预测表;S4、服务器向边缘计算节点发送对应的包含各链路预测属性的预测表;S5、边缘计算节点根据收到的预测表,根据相关策略决定各链路的传输属性;S6、边缘计算节点根据所决定的链路属性进行多链路传输,同时,服务器对边缘计算节点多链路传输情况进行记录,并周期性根据各链路情况动态更新历史数据。
【技术特征摘要】
1.一种基于边缘计算的大数据智能收集方法,其特征在于,包括以下步骤:S1、边缘计算节点根据收集到的前端数据特性,确定前端数据是否需要传输到云端服务器,如果不决定传输,则终止传输,传输过程结束;如果决定传输,接收数据采集点的数据,并进入S2;S2、边缘计算节点通过多条链路同时发起对服务器的数据传输请求,并向服务器发送其所有链路信息和传输数据信息;S3、服务器根据边缘计算节点所在区域的所有边缘计算节点的各链路历史数据计算各链路属性,生成相应的预测表;S4、服务器向边缘计算节点发送对应的包含各链路预测属性的预测表;S5、边缘计算节点根据收到的预测表,根据相关策略决定各链路的传输属性;S6、边缘计算节点根据所决定的链路属性进行多链路传输,同时,服务器对边缘计算节点多链路传输情况进行记录,并周期性根据各链路情况动态更新历史数据。2.根据权利要求1所述的一种基于边缘计算的大数据智能收集方法,其特征在于:在步骤S1中,前端数据特性包括数据总大小、数据形式和数据传输带宽信息。3.根据权利要求1所述的一种基于边缘计算的大数据智能收集方法,其特征在于:在步骤S1中,如果前端数据的特性不符合边缘计算节点所预设的传输条件,则终止传输;如果符合,则接收所对应的各数据采集点的数据。4.根据权利要求1所述的一种基于边缘计算的大数据智能收集方法,其特征在于:在步骤S2中,边缘计算节点向服务器发送的各链路信息包括以下参数:T=(L,B)其中,T为链路传输信息向量,L为链路信息向量;B为数据传输的大小参数。5.根据权利要求4所述的一种基于边缘计算的大数据智能收集方法,其特征在于:所述链路信息向量L由以下参数决定:L=(L1,L2,L3)其中,L1为链路区域信息,L2为链路类别信息,L3为链路发起传输请求的当前时间信息。6.根据权利要求1所述的一种基于边缘计算的大数据智能收集方法,其特征在于:在步骤S3中,服务器生成的链路预测表内各链路的预测属性包含了以下参数:R=(R1,R2,R3,R4,R5)其中,R为所在区域内链路传输预测属性向量,R1为边缘计算节点到服务器链路传输带宽预测值,R2为边缘计算节点到服务器链路传输带宽预测稳定性参数,R3为边缘计算节点到服务器时延预测值,R4为边缘计算节点到服务器时延预测稳定性参数,R5为链路传输成本参数。7.根据权利要求1所述的一种基于边缘计算的大数据智能收集方法,其特征在于:在步骤S3中,所述预测表的生成方法基于大数据回归算法,构建过程如下:S31、服务器根据获取到的链路区域信息L1,读取所在区域内所有与链路类别信息L2相同的链路历史传输数据向量D,其中,...
【专利技术属性】
技术研发人员:胡金龙,黄旸珉,邝岳臻,何杏萍,董守斌,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。