基于边缘计算和5G通信的数据处理方法及中心云服务器技术

本申请提供一种基于边缘计算和5G通信的数据处理方法及中心云服务器，能够将采集到的实时运行数据压缩为目标运行数据并存入预先划分的目标存储空间中。然后按照存入时间的先后顺序将目标运行数据按照设定比例划分为第一数据集和第二数据集。进而基于第一数据集生产多个目标数据集并确定每个目标数据集的路径特征，这样可以基于路径特征对多个目标数据集进行聚类，从而根据聚类结果确定备用路径。最后对每条备用路径进行实例化以确定每条备用路径的匹配率，这样可以在中心云服务器出现故障时选择当前的最大匹配率的备用路径对应的备用实例进行切换。如此，可以有效减小中心云服务器的故障恢复耗时，最大限度减少中心云服务器的故障影响。

【技术实现步骤摘要】
基于边缘计算和5G通信的数据处理方法及中心云服务器
本申请涉及应用于边缘计算和5G的数据处理
，尤其涉及基于边缘计算和5G通信的数据处理方法及中心云服务器。
技术介绍
随着科技的发展，边缘计算和5G新基建已经广泛应用于社会生产中的各大重要领域，例如智慧城市、智能制造、远程医疗以及车联网控制等。在实际应用中，由于依赖边缘计算和5G形成的通信数据交互系统的复杂度和集成度越来越高，因此难免在运行时出现故障。在上述系统出现故障时，虽然系统配备了自恢复程序，但是现有的自恢复程序在极端的故障状态下实现故障恢复的耗时较长。
技术实现思路
本申请提供基于边缘计算和5G通信的数据处理方法及中心云服务器，以改善现有技术存在的上述技术问题。本申请所提供的两种实施方案如下。一种基于边缘计算和5G通信的数据处理方法，应用于与多个边缘设备通信的中心云服务器，所述方法包括：在检测到当前存储占比没有达到设定占比的情况下，在存储区中划分出用于存储所述中心云服务器的实时运行数据的目标存储空间；将采集到的所述中心云服务器的实时运行数据进行压缩得到目标运行数据，并将所述目标运行数据存入所述目标存储空间中；按照存入所述目标存储空间的时间先后顺序将所述目标存储空间中的目标运行数据按照设定比例划分为第一数据集和第二数据集；针对所述第一数据集中的每组基准运行数据，将该组基准运行数据中的每个第一基准数据包与该组基准运行数据相对的上一组基准运行数据中的其中一个第二基准数据包和/或与该组基准运行数据相对的下一组基准运行数据中的其中一个第三基准数据包进行整合，以得到多个目标数据集；其中，每个目标数据集中的基准数据包类型不重复；构建每个目标数据集的运行路径并提取每条运行路径的路径特征，基于所述路径特征对所述多个目标数据集进行聚类得到多个聚类集，确定每个聚类集的聚类中心的目标路径；依据所述第二数据集计算每条目标路径的路径指标系数并将所述路径指标系数大于设定指标系数的目标路径确定为备用路径；对所述备用路径进行实例化，将所述多个边缘设备的实时状态数据加载至每条备用路径对应的数据容器中并计算所述实时状态数据与每条备用路径的匹配率；在所述中心云服务器出现故障时，选择当前的最大匹配率的备用路径对应的备用实例进行切换。一种中心云服务器，所述中心云服务器与多个边缘设备通信，所述中心云服务器用于：在检测到当前存储占比没有达到设定占比的情况下，在存储区中划分出用于存储所述中心云服务器的实时运行数据的目标存储空间；将采集到的所述中心云服务器的实时运行数据进行压缩得到目标运行数据，并将所述目标运行数据存入所述目标存储空间中；按照存入所述目标存储空间的时间先后顺序将所述目标存储空间中的目标运行数据按照设定比例划分为第一数据集和第二数据集；针对所述第一数据集中的每组基准运行数据，将该组基准运行数据中的每个第一基准数据包与该组基准运行数据相对的上一组基准运行数据中的其中一个第二基准数据包和/或与该组基准运行数据相对的下一组基准运行数据中的其中一个第三基准数据包进行整合，以得到多个目标数据集；其中，每个目标数据集中的基准数据包类型不重复；构建每个目标数据集的运行路径并提取每条运行路径的路径特征，基于所述路径特征对所述多个目标数据集进行聚类得到多个聚类集，确定每个聚类集的聚类中心的目标路径；依据所述第二数据集计算每条目标路径的路径指标系数并将所述路径指标系数大于设定指标系数的目标路径确定为备用路径；对所述备用路径进行实例化，将所述多个边缘设备的实时状态数据加载至每条备用路径对应的数据容器中并计算所述实时状态数据与每条备用路径的匹配率；在所述中心云服务器出现故障时，选择当前的最大匹配率的备用路径对应的备用实例进行切换。应用本申请实施例基于边缘计算和5G通信的数据处理方法及中心云服务器时，能够将采集到的实时运行数据压缩为目标运行数据并存入预先划分的目标存储空间中。然后按照存入时间的先后顺序将目标运行数据按照设定比例划分为第一数据集和第二数据集。进而基于第一数据集生产多个目标数据集并确定每个目标数据集的路径特征，这样可以基于路径特征对多个目标数据集进行聚类，从而根据聚类结果确定备用路径。最后对每条备用路径进行实例化以确定每条备用路径的匹配率，这样可以在中心云服务器出现故障时选择当前的最大匹配率的备用路径对应的备用实例进行切换。如此，可以有效减小中心云服务器的故障恢复耗时，最大限度减少中心云服务器的故障影响。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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1是本申请根据一示例性实施例示出的一种基于边缘计算和5G通信的数据处理系统的示意图。图2是本申请根据一示例性实施例示出的一种基于边缘计算和5G通信的数据处理方法的流程图。图3是本申请根据一示例性实施例示出的一种基于边缘计算和5G通信的数据处理装置的一个实施例框图。图4为本申请基于边缘计算和5G通信的数据处理装置所在中心云服务器的一种硬件结构图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。专利技术人经进一步研究和调查发现，在极端的故障状态下，云端组件(例如中心云服务器)同样会出现故障，若出现这种故障情况，依照现有的自恢复程序对云端组件进行恢复，会耗费较长的时间，这对于毫秒级响应的系统而言无疑是极大地影响，可能会由于故障恢复时间过长而导致系统出现崩溃。为改善上述问题，本专利技术提供一种基于边缘计算和5G通信的数据处理方法及中心云服务器，能够在中心云服务器正常运行时采集自身的实时运行数据，然后对实时运行数据进行识别和分析，从而得到多个备用实例，这样可以在中心云服务器出现故障时根据边缘设备的实时状态进行中心云服务器的备用实例的快速切换，进而有效减小中心云服务器的故障恢复耗时，最大限度减少中心云服务器的故障影响。为实现上述目的，请首先参照图1，提供了基于边缘计算和5G通信的数据处理系统100的通信架构示意图。其中，所述数据处理系统100包括互相之间通信的中心云服务器200和多个边缘设备300。在本专利技术中，边缘设备300可以根据不同的应用领域进行选取，在此不作限定。上述数据处理系统100中的中心云服务器200在出现故障时能够快速地进行备用实例的切换，从而减少故障恢复的耗时。进一步地，为了更好地阐述上述方法，请结合参阅图2，提供了一种基于边缘计算和5G通信的数据处理方法的流程示意图，所述方法可以应用于图1中的中心云服务器200，具体可以包括如下步骤S21-步骤S25所描述的内容。步骤S21，在检测到当前存储占比没有达到设定占比的情况下，在本文档来自技高网...

【技术保护点】
1.一种基于边缘计算和5G通信的数据处理方法，其特征在于，应用于与多个边缘设备通信的中心云服务器，所述方法包括：/n在检测到当前存储占比没有达到设定占比的情况下，在存储区中划分出用于存储所述中心云服务器的实时运行数据的目标存储空间；将采集到的所述中心云服务器的实时运行数据进行压缩得到目标运行数据，并将所述目标运行数据存入所述目标存储空间中；/n按照存入所述目标存储空间的时间先后顺序将所述目标存储空间中的目标运行数据按照设定比例划分为第一数据集和第二数据集；/n针对所述第一数据集中的每组基准运行数据，将该组基准运行数据中的每个第一基准数据包与该组基准运行数据相对的上一组基准运行数据中的其中一个第二基准数据包和/或与该组基准运行数据相对的下一组基准运行数据中的其中一个第三基准数据包进行整合，以得到多个目标数据集；其中，每个目标数据集中的基准数据包类型不重复；/n构建每个目标数据集的运行路径并提取每条运行路径的路径特征，基于所述路径特征对所述多个目标数据集进行聚类得到多个聚类集，确定每个聚类集的聚类中心的目标路径；依据所述第二数据集计算每条目标路径的路径指标系数并将所述路径指标系数大于设定指标系数的目标路径确定为备用路径；/n对所述备用路径进行实例化，将所述多个边缘设备的实时状态数据加载至每条备用路径对应的数据容器中并计算所述实时状态数据与每条备用路径的匹配率；在所述中心云服务器出现故障时，选择当前的最大匹配率的备用路径对应的备用实例进行切换。/n...

【技术特征摘要】
1.一种基于边缘计算和5G通信的数据处理方法，其特征在于，应用于与多个边缘设备通信的中心云服务器，所述方法包括：
在检测到当前存储占比没有达到设定占比的情况下，在存储区中划分出用于存储所述中心云服务器的实时运行数据的目标存储空间；将采集到的所述中心云服务器的实时运行数据进行压缩得到目标运行数据，并将所述目标运行数据存入所述目标存储空间中；
按照存入所述目标存储空间的时间先后顺序将所述目标存储空间中的目标运行数据按照设定比例划分为第一数据集和第二数据集；
针对所述第一数据集中的每组基准运行数据，将该组基准运行数据中的每个第一基准数据包与该组基准运行数据相对的上一组基准运行数据中的其中一个第二基准数据包和/或与该组基准运行数据相对的下一组基准运行数据中的其中一个第三基准数据包进行整合，以得到多个目标数据集；其中，每个目标数据集中的基准数据包类型不重复；
构建每个目标数据集的运行路径并提取每条运行路径的路径特征，基于所述路径特征对所述多个目标数据集进行聚类得到多个聚类集，确定每个聚类集的聚类中心的目标路径；依据所述第二数据集计算每条目标路径的路径指标系数并将所述路径指标系数大于设定指标系数的目标路径确定为备用路径；
对所述备用路径进行实例化，将所述多个边缘设备的实时状态数据加载至每条备用路径对应的数据容器中并计算所述实时状态数据与每条备用路径的匹配率；在所述中心云服务器出现故障时，选择当前的最大匹配率的备用路径对应的备用实例进行切换。


2.根据权利要求1所述的方法，其特征在于，设定比例可以通过以下步骤确定：
调取所述中心云服务器在设定时段内的备用实例切换记录；其中，所述设定时段为以当前时刻为终止时刻，以当前时刻之前的时刻为起始时刻之间的时段，所述备用实例切换记录包括所述中心云服务器所切换的设定数量个历史备用实例；
确定所述设定数量个历史备用实例对应的历史第一数据集的第一均值以及历史第二数据集的第二均值，并确定距离当前时刻最近的历史备用实例对应的切换时刻与所述设定时段之间的相对系数；其中，所述相对系数为第一时段和第二时段的比值，所述第一时段为所述切换时刻与所述终止时刻之间的时段，所述第二时段为所述切换时刻与所述起始时刻之间的时段；
采用所述相对系数对所述第一均值和所述第二均值之间的比例值进行加权得到所述设定比例。


3.根据权利要求1所述的方法，其特征在于，将所述多个边缘设备的实时状态数据加载至每条备用路径并计算所述实时状态数据与每条备用路径的匹配率，包括：
获取每个边缘设备的实时状态数据并基于根据每个边缘设备的通信协议确定出的所述多个边缘设备的网络拓扑为每组实时状态数据添加数据签名；其中，所述数据签名具有唯一的签名编号；
抽取每条备用路径对应的模拟线程脚本，通过运行所述模拟线程脚本激活所述中心云服务器在每条备用路径下的虚拟运行线程，将每组实时状态数据按照所述数据标签的签名编号的由小到大的顺序依次加载至所述虚拟运行线程对应的线程参数容器中；
采用预设的函数调用方法调取所述线程参数容器中的目标线程数据并根据所述目标线程数据计算得到每条备用路径的匹配率；其中，所述目标线程数据包括所述线程参数容器的容器参数以及封装于所述线程参数容器中的实时状态数据，所述函数调用方法对应的调用函数为钩子hook函数。


4.根据权利要求1-3任一项所述的方法，其特征在于，构建每个目标数据集的运行路径，包括：
针对每个目标数据集中的每个第四基准数据包，确定每个第四基准数据包的时序参数清单以及数据结构清单；其中，所述时序数据清单用于表征每个第四基准数据包的时序特征，所述数据结构清单用于表征每个第四基准数据包的数据结构特征，所述时序参数清单和所述数据结构清单均以清单列表的形式进行缓存；
将每个第四基准数据包的数据结构清单中的每组第一清单列表按照该第一清单列表在所述数据结构清单中的列表权重的由大到小的顺序依次映射到该第四基准数据包对应的时序数据清单的每个第二清单列表中，得到每个第四基准数据包对应的映射清单列表；其中，每个第四基准数据包对应的第一清单列表的数量小于等于该第四基准数据包对应的第二清单列表的数量；
根据每个第四基准数据包对应的多个映射清单列表中存在目标映射数据的目标映射清单列表的占比确定每个第四基准数据包对应的时序异步系数；其中，所述目标映射数据为目标映射清单列表中数据指向权重最大的映射数据，数据指向权重用于表征映射数据在其对应的第四基准数据包中的数据标签的调用活跃度，所述时序异步系数用于表征所述第四基准数据包在该第四基准数据包对应的目标数据集中的关联度；
将每个目标数据集中的每个第四基准数据包进行节点化处理，得到每个第四基准数据包在预设轨迹平面中的二维坐标，采用每个第四基准数据包的时序异步系数对该第四基准数据包对应的二维坐标进行调整得到修正坐标，将所述修正坐标进行拟合得到每个目标数据集的运行路径。


5.根据权利要求1-3任一项所述的方法，其特征在于，将采集到的所述中心云服务器的实时运行数据进行压缩得到目标运行数据，包括：
按照根据所述中心云服务器的内存容量确定出的目标时长间隔将所述实时运行数据切分为n个在时序上连续的数据段；其中，所述内存容量与所述目标时长间隔成反比，所述内存容量越大，所述目标时长越短，n为正整数；
针对n个数据段中的当前数据段，如果存在与当前数据段对应的前一个数据段，则计算当前数据段与前一个数据段之间的第一数据连续度，如果存在与当前数据段对应的后一个数据段，则计算当前数据段与后一个数据段之间的第二数据连续度；
针对n个数据段中的当前数据段，根据当前数据段的第一数据连续度和/或第二数据连续度计算当前数据段相对于所述实时运行数据的目标连续度；其中，若当前数据段仅存在第一数据连续度或第二数据连续度，则将该第一数据或第二数据连续度确定为所述目标连续度；若当前数据段同时存在第一数据连续度和第二数据连续度，则根据当前数据段在所述实时运行数据中的位置对当前数据段的第一数据连续度和第二数据连续度进行加权，得到所述目标连续度；其中当前数据段的位置通过当前数据段在n个数据段中的序列位置确定；
确定在目标时长间隔下得到得n个数据段中的目标连续度的数量是否达到设定数量；
若在目标时长间隔下得到的n个数据段中的目标连续度的数量达到所述设定数量，则将n个数据段进行压缩得到n个目标运行数据；若在目标时长间隔下得到的n个数据段中的目标连续度的数量没有达到所述设定数量，则按照设定时间步长对目标时长间隔进行缩短并按照缩短之后的目标时长间隔将所述实时运行数据切分为m个在时序上连续的数据段，并返回执行与针对n个数据段中的当前数据段，根据当前数据段的第一数据连续度和/或第二数据连续度计算当前数据段相对于所述实时运行数据的...

【专利技术属性】
技术研发人员：石霜霜，
申请(专利权)人：石霜霜，
类型：发明
国别省市：山西;14