CN112187886B - 分布式智能分析设备***的业务处理方法 - Google Patents

分布式智能分析设备***的业务处理方法 Download PDF

Info

Publication number
CN112187886B
CN112187886B CN202010961363.7A CN202010961363A CN112187886B CN 112187886 B CN112187886 B CN 112187886B CN 202010961363 A CN202010961363 A CN 202010961363A CN 112187886 B CN112187886 B CN 112187886B
Authority
CN
China
Prior art keywords
information
application
processing
analysis
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010961363.7A
Other languages
English (en)
Other versions
CN112187886A (zh
Inventor
王丹星
兰雨晴
余丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongbiao Huian Information Technology Co Ltd
Original Assignee
Zhongbiao Huian Information Technology Co Ltd
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 Zhongbiao Huian Information Technology Co Ltd filed Critical Zhongbiao Huian Information Technology Co Ltd
Priority to CN202010961363.7A priority Critical patent/CN112187886B/zh
Publication of CN112187886A publication Critical patent/CN112187886A/zh
Application granted granted Critical
Publication of CN112187886B publication Critical patent/CN112187886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]

Landscapes

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

Abstract

本发明提供了分布式智能分析设备***的业务处理方法，其通过将不同应用端设备组建形成分布式应用端设备网络，并统一网络中每一个应用端设备的信息分析模式，从而保证每一个应用端设备在信息分析处理性能上是相同的，其还通过信息处理联动触发关系将所有应用端设备进行关联，以此实现所有应用端设备的信息处理关联性和便于将所有应用端设备的信息处理结果进行汇总，从而提高分布式智能分析设备***的业务处理性能和数据处理效率。

Description

分布式智能分析设备***的业务处理方法
技术领域
本发明涉及集成业务处理的技术领域，特别涉及分布式智能分析设备***的业务处理方法。
背景技术
目前，分布式智能分析设备***广泛用于实现并行集成业务处理，其通过将具有不同功能的分析设备进行通信连接，以此构建形成相应的分布式设备网络，从而能够便于在不同空间区域进行相应的数据信息分析处理，并将该数据信息分析处理的结果上传至相应的服务终端，再通过该服务终端进行相应的综合评判。该分布式智能分析设备***能够有效地解决多对象监测分析的需求，但是在现有技术中，该分布式智能分析设备***中的每一个分析设备都只能针对其接收到的数据信息进行分析，其并不能针对其他分析设备接收到的数据信息进行相应数据关联挖掘处理，这使得不同分析设备相互之间不存在任何数据信息的关联性，其严重地制约分布式智能分析设备***的业务处理性能和降低数据处理效率。
发明内容
针对现有技术存在的缺陷，本发明提供分布式智能分析设备***的业务处理方法，其包括获取若干应用端设备各自的运算状态信息和存储状态信息，并根据该运算状态信息和该存储状态信息构建形成相应的分布式应用端设备网络，再对该分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系，并获取任意一个应用端设备通过该信息分析模式对某一输入信息的分析结果，同时通过该信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理，最后根据该数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示；可见，该分布式智能分析设备***的业务处理方法通过将不同应用端设备组建形成分布式应用端设备网络，并统一网络中每一个应用端设备的信息分析模式，从而保证每一个应用端设备在信息分析处理性能上是相同的，其还通过信息处理联动触发关系将所有应用端设备进行关联，以此实现所有应用端设备的信息处理关联性和便于将所有应用端设备的信息处理结果进行汇总，从而提高分布式智能分析设备***的业务处理性能和数据处理效率。
本发明提供分布式智能分析设备***的业务处理方法，其特征在于，其包括如下步骤：
步骤S1，获取若干应用端设备各自的运算状态信息和存储状态信息，并根据所述运算状态信息和所述存储状态信息构建形成相应的分布式应用端设备网络；
步骤S2，对所述分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系；
步骤S3，获取任意一个应用端设备通过所述信息分析模式对某一输入信息的分析结果，同时通过所述信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理；
步骤S4，根据所述数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示；
进一步，在所述步骤S1中，获取若干应用端设备各自的运算状态信息和存储状态信息具体包括，
步骤S101A，获取每一个应用端设备当前的实际运算荷载值、实际运算速率值和实际运算时间延迟值，以此作为所述运算状态信息；
步骤S102A，获取每一个应用端设备的存储空间标称值、实际存储空间剩余值和存储空间消耗速率，以此作为所述存储状态信息；
进一步，在所述步骤S1中，根据所述运算状态信息和所述存储状态信息构建形成相应的分布式应用端设备网络具体包括，
步骤S101B，根据所述实际运算荷载值、所述实际运算速率值和所述运算时间延迟值，对所述应用端设备的运算性能进行综合评价分析，以此确定所述应用端设备的运算性能评价值；
步骤S102B，根据所述存储空间标称值、所述实际存储空间剩余值和所述存储空间消耗速率，对所述应用端设备的存储性能进行综合评价分析，以此确定所述应用端设备的存储性能评价值；
步骤S103B，根据所述运算性能评价值和所述存储性能评价值，确定所有应用端设备各自的信息处理优先级别，再根据所述信息处理优先级别构建形成所述分布式应用端设备网络；
进一步，在所述步骤S2中，对所述分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理具体包括，
步骤S201A，确定所述分布式应用端设备网络中每一个应用端设备分别对应于影像信息、声音信息和文本信息的影像信息分析模式、声音信息分析模式和文本信息分析模式；
步骤S202A，确定每一个应用端设备对应的所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式各自的实际信息分析灵敏度值和实际信息分析计算频率值；
步骤S203A，根据所述实际信息分析灵敏度值和所述实际信息分析计算频率值，对每一个应用端设备对应的所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式分别进行统一信息分析灵敏度值和统一信息分析计算频率值设置，从而实现对所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式的统一处理；
进一步，在所述步骤S2中，构建所有应用端设备相互之间的信息处理联动触发关系具体包括，
步骤S201B，获取所有应用端设备各自的数据输入端口的实际数据输入时钟信息，并计算所述应用端设备对应的实际数据输入时钟信息相互之间的时间差异；
步骤S202B，根据所述时间差异，所有应用端设备各自的数据输入端口同步协调至在统一时钟下进行工作；
步骤S203B，根据所述统一时钟，将所有应用端设备各自的信息处理操作进行同步化，以使当任意一个应用端设备进行信息处理操作时，其余应用端设备也相应地进行相同的信息处理操作，从而实现所述信息处理联动触发关系；
进一步，在所述步骤S3中，获取任意一个应用端设备通过所述信息分析模型对某一输入信息的分析结果具体包括，
步骤S301A，确定任意一个应用端设备当前的输入信息的信息类型，其中，所述信息类型包括影像信息、声音信息或者文本信息；
步骤S302A，根据所述信息类型，从对应的应用端设备中调用相匹配的信息分析模式，对所述输入信息进行分析处理，从而获得相应的分析处理结果，其中，所述分析处理包括影像色调特征分析处理、影像纹理特征分析处理、声音声纹特征分析处理或者文本语义分析处理；
进一步，在所述步骤S3中，通过所述信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理具体包括，
步骤S301B，确定所述任意一个应用端设备对所述输入信息的处理进度时钟信息；
步骤S302B，通过所述信息处理联动触发关系和所述处理进度时钟信息，指示其余应用端设备对所述分析结果进行数据关联挖掘处理，其中，所述数据关联挖掘处理包括对所述分析结果进行信息关联扩展，再根据所述信息关联扩展的结果从其余应用端设备中挖掘得到与其匹配的其他数据信息；
进一步，在所述步骤S4中，根据所述数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示具体包括，
步骤S401，确定所述数据关联挖掘处理的结果对应的数据类型，以此对所述数据关联挖掘处理得到的数据信息划分为若干数据集合；
步骤S402，将若干所述数据集合作为所有应用终端设备当前输出的数据结果，并对所述数据结果进行汇总和动态显示；
进一步，利用公式构建出运算性能综合评价模型和存储性能综合评价模型来对所述应用端设备的运算性能以及所述应用端设备的存储性能进行综合评价分析，由于所述应用端设备在每次运算过程中所述实际运算荷载值、所述实际运算速率值和所述运算时间延迟值会存在浮动变化，这需要在所述运算性能综合评价模型中利用数据处理修正对应的变化，同样地，在应用端设备存储的过程中，所述存储空间消耗速率也会存在浮动变化的波动，着需要在所述存储性能综合评价模型中修正对应的变化，最终利用公式根据所述运算性能评价值和所述存储性能评价值，确定所有应用端设备各自的信息处理优先级别，其具体过程包括，
第一、利用下面公式(1)，得到所述运算性能综合评价模型的输入-输出表达式
Figure BDA0002680656410000051
在上述公式(1)中，λi表示第i个应用端设备的运算性能综合评价值，
Figure BDA0002680656410000056
表示第i个应用端设备的第a个实际运算荷载浮动值，Vi a表示第i个应用端设备的第a个实际运算速率浮动值，
Figure BDA0002680656410000052
表示第i个应用端设备的第a个运算时间延迟浮动值，
Figure BDA0002680656410000053
表示对
Figure BDA0002680656410000054
求方差、且
Figure BDA0002680656410000055
u表示实际运算荷载值、实际运算速率值和运算时间延迟值的变化次数，n表示所述应用端设备的总个数；
第二、利用下面公式(2)，得到所述存储性能综合评价模型的输入-输出表达式
Figure BDA0002680656410000061
在上述公式(2)中，βi表示第i个应用端设备的存储性能综合评价值，Gi表示第i个应用端设备的存储空间标称值，Xi表示第i个应用端设备的实际存储空间剩余值，
Figure BDA0002680656410000062
表示第i个应用端设备的第j个存储空间消耗速率浮动值，
Figure BDA0002680656410000063
表示对
Figure BDA0002680656410000064
求方差、且
Figure BDA0002680656410000065
m表示第i个应用端设备的存储空间消耗速率的变化次数；
第三，利用下面公式(3)，得到所有应用端设备各自的信息处理优先级判定值
Figure BDA0002680656410000066
在上述公式(3)中，Di表示第i个应用端设备的信息处理优先级判定值，当Di的值越大对应的应用端设备的信息处理优先级就越高，再根据信息处理优先级别构建形成分布式应用端设备网络。
相比于现有技术，该分布式智能分析设备***的业务处理方法包括获取若干应用端设备各自的运算状态信息和存储状态信息，并根据该运算状态信息和该存储状态信息构建形成相应的分布式应用端设备网络，再对该分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系，并获取任意一个应用端设备通过该信息分析模式对某一输入信息的分析结果，同时通过该信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理，最后根据该数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示；可见，该分布式智能分析设备***的业务处理方法通过将不同应用端设备组建形成分布式应用端设备网络，并统一网络中每一个应用端设备的信息分析模式，从而保证每一个应用端设备在信息分析处理性能上是相同的，其还通过信息处理联动触发关系将所有应用端设备进行关联，以此实现所有应用端设备的信息处理关联性和便于将所有应用端设备的信息处理结果进行汇总，从而提高分布式智能分析设备***的业务处理性能和数据处理效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明提供的分布式智能分析设备***的业务处理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的分布式智能分析设备***的业务处理方法的流程示意图。该分布式智能分析设备***的业务处理方法包括如下步骤：
步骤S1，获取若干应用端设备各自的运算状态信息和存储状态信息，并根据该运算状态信息和该存储状态信息构建形成相应的分布式应用端设备网络；
步骤S2，对该分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系；
步骤S3，获取任意一个应用端设备通过该信息分析模式对某一输入信息的分析结果，同时通过该信息处理联动触发关系指示其余应用端设备对该分析结果进行数据关联挖掘处理；
步骤S4，根据该数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示。
该分布式智能分析设备***的业务处理有别于现有技术的分布式智能分析设备***中不同应用端设备相互之间是孤立的和不存在任何信息关联性，其通过构建关于所有应用端设备的信息处理联动触发关系，来将原本处于信息孤立状态的不同应用端设备转换成在信息处理上具有相应的关联性，并且还借助该关联性来根据任意一个应用端设备的分析结果指示其余应用端设备进行数据关联挖掘处理，从而全面地和准确地对当前分析的数据信息进关联汇聚，以此提高分布式智能分析设备***的业务处理性能和数据处理效率。
优选地，在该步骤S1中，获取若干应用端设备各自的运算状态信息和存储状态信息具体包括，
步骤S101A，获取每一个应用端设备当前的实际运算荷载值、实际运算速率值和实际运算时间延迟值，以此作为该运算状态信息；
步骤S102A，获取每一个应用端设备的存储空间标称值、实际存储空间剩余值和存储空间消耗速率，以此作为该存储状态信息。
由于不同应用端设备的运算状态信息和存储状态信息并不是完全相同，并且不同应用端设备在运算状态和存储状态上的差异会影响后续构建形成相应的分布式应用端设备网络的整体数据处理性能，而通过获取每一个应用端设备的实际运算荷载值、实际运算速率值、实际运算时间延迟值、存储空间标称值、实际存储空间剩余值和存储空间消耗速率能够全面地对运算状态和存储状态进行综合分析，从而实现分布式应用端设备网络的数据处理性能最优化。
优选地，在该步骤S1中，根据该运算状态信息和该存储状态信息构建形成相应的分布式应用端设备网络具体包括，
步骤S101B，根据该实际运算荷载值、该实际运算速率值和该运算时间延迟值，对该应用端设备的运算性能进行综合评价分析，以此确定该应用端设备的运算性能评价值；
步骤S102B，根据该存储空间标称值、该实际存储空间剩余值和该存储空间消耗速率，对该应用端设备的存储性能进行综合评价分析，以此确定该应用端设备的存储性能评价值；
步骤S103B，根据该运算性能评价值和该存储性能评价值，确定所有应用端设备各自的信息处理优先级别，再根据该信息处理优先级别构建形成该分布式应用端设备网络；其中，所述分布式应用端设备网络是指将设置在不同位置区域的应用端设备进行通信连接，从而组成相应的分布式通信网络。
通过确定不同应用端设备的运算性能评价值和存储性能评价值能够在构建形成该分布式应用端设备网络的过程中准确地和有针对性地将具有不同优先级别的应用端设备设置到合适的区域，从而大大地改善分布式应用端设备网络的整体运行性能。
优选地，在该步骤S2中，对该分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理具体包括，
步骤S201A，确定该分布式应用端设备网络中每一个应用端设备分别对应于影像信息、声音信息和文本信息的影像信息分析模式、声音信息分析模式和文本信息分析模式；
步骤S202A，确定每一个应用端设备对应的该影像信息分析模式、该声音信息分析模式和该文本信息分析模式各自的实际信息分析灵敏度值和实际信息分析计算频率值；
步骤S203A，根据该实际信息分析灵敏度值和该实际信息分析计算频率值，对每一个应用端设备对应的该影像信息分析模式、该声音信息分析模式和该文本信息分析模式分别进行统一信息分析灵敏度值和统一信息分析计算频率值设置，从而实现对该影像信息分析模式、该声音信息分析模式和该文本信息分析模式的统一处理；其中，统一信息分析灵敏度值和统一信息分析计算频率值设置是指对每一个应用端设备都设置成具有相同的信息分析灵敏度值和相同的信息分析计算频率值，而对该影像信息分析模式、该声音信息分析模式和该文本信息分析模式的统一处理是指按照上述相同的信息分析灵敏度值和相同的信息分析计算频率值，对该影像信息分析模式、该声音信息分析模式和该文本信息分析模式进行相同的信息分析处理。
通过对所有应用端设备中的影像信息分析模式、声音信息分析模式和文本信息分析模式进行统一处理，能够保证每一个应用端设备均能够对输入的影像信息、声音信息和文本信息进行相同精度和灵敏度的分析处理，从而保证该分布式应用端设备网络的数据信息处理准确性和可靠性。
优选地，在该步骤S2中，构建所有应用端设备相互之间的信息处理联动触发关系具体包括，
步骤S201B，获取所有应用端设备各自的数据输入端口的实际数据输入时钟信息，并计算该应用端设备对应的实际数据输入时钟信息相互之间的时间差异；
步骤S202B，根据该时间差异，所有应用端设备各自的数据输入端口同步协调至在统一时钟下进行工作；
步骤S203B，根据该统一时钟，将所有应用端设备各自的信息处理操作进行同步化，以使当任意一个应用端设备进行信息处理操作时，其余应用端设备也相应地进行相同的信息处理操作，从而实现该信息处理联动触发关系。
通过对所有应用端设备进行时钟统一，能够便于后续根据该统一后的时钟构建关于所有应用端设备的信息处理联动触发关系，从而降低该信息处理联动触发关系的形成难度。
优选地，在该步骤S3中，获取任意一个应用端设备通过所述信息分析模型对某一输入信息的分析结果具体包括，
步骤S301A，确定任意一个应用端设备当前的输入信息的信息类型，其中，该信息类型包括影像信息、声音信息或者文本信息；
步骤S302A，根据该信息类型，从对应的应用端设备中调用相匹配的信息分析模式，对该输入信息进行分析处理，从而获得相应的分析处理结果，其中，该分析处理包括影像色调特征分析处理、影像纹理特征分析处理、声音声纹特征分析处理或者文本语义分析处理。
通过指示应用端设备对输入信息进行关于影像色调特征、影像纹理特征、声音声纹特征或者文本语义的分析处理能够提高对该输入信息的分析准确性和有效性。
在该步骤S3中，通过该信息处理联动触发关系指示其余应用端设备对该分析结果进行数据关联挖掘处理具体包括，
步骤S301B，确定该任意一个应用端设备对该输入信息的处理进度时钟信息；
步骤S302B，通过该信息处理联动触发关系和该处理进度时钟信息，指示其余应用端设备对该分析结果进行数据关联挖掘处理，其中，该数据关联挖掘处理包括对该分析结果进行信息关联扩展，再根据该信息关联扩展的结果从其余应用端设备中挖掘得到与其匹配的其他数据信息。
通过该信息处理联动触发关系和该处理进度时钟信息来进行该数据关联挖掘处理，能够最大限度地提高对所有应用端设备的数据关联挖掘准确性和彻底性，从而避免发生数据挖掘错误和遗漏的情况。
优选地，在该步骤S4中，根据该数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示具体包括，
步骤S401，确定该数据关联挖掘处理的结果对应的数据类型，以此对该数据关联挖掘处理得到的数据信息划分为若干数据集合；
步骤S402，将若干该数据集合作为所有应用终端设备当前输出的数据结果，并对该数据结果进行汇总和动态显示。
通过将该数据关联挖掘处理得到的数据信息划分为若干数据集合，能够便于后续对该数据结果进行可靠的和全面的汇总与显示，从而提高用户对数据结果的获取便捷性。
优选地，利用公式构建出运算性能综合评价模型和存储性能综合评价模型来对该应用端设备的运算性能以及该应用端设备的存储性能进行综合评价分析，由于该应用端设备在每次运算过程中该实际运算荷载值、该实际运算速率值和该运算时间延迟值会存在浮动变化，这需要在该运算性能综合评价模型中利用数据处理修正对应的变化，同样地，在应用端设备存储的过程中，该存储空间消耗速率也会存在浮动变化的波动，着需要在该存储性能综合评价模型中修正对应的变化，最终利用公式根据该运算性能评价值和该存储性能评价值，确定所有应用端设备各自的信息处理优先级别，其具体过程包括，
第一、利用下面公式(1)，得到该运算性能综合评价模型的输入-输出表达式
Figure BDA0002680656410000121
在上述公式(1)中，λi表示第i个应用端设备的运算性能综合评价值，
Figure BDA0002680656410000122
表示第i个应用端设备的第a个实际运算荷载浮动值，Vi a表示第i个应用端设备的第a个实际运算速率浮动值，
Figure BDA0002680656410000123
表示第i个应用端设备的第a个运算时间延迟浮动值，
Figure BDA0002680656410000131
表示对
Figure BDA0002680656410000132
求方差、且
Figure BDA0002680656410000133
u表示实际运算荷载值、实际运算速率值和运算时间延迟值的变化次数，n表示该应用端设备的总个数；
第二、利用下面公式(2)，得到该存储性能综合评价模型的输入-输出表达式
Figure BDA0002680656410000134
在上述公式(2)中，βi表示第i个应用端设备的存储性能综合评价值，Gi表示第i个应用端设备的存储空间标称值，Xi表示第i个应用端设备的实际存储空间剩余值，
Figure BDA0002680656410000135
表示第i个应用端设备的第j个存储空间消耗速率浮动值，
Figure BDA0002680656410000136
表示对
Figure BDA0002680656410000137
求方差、且
Figure BDA0002680656410000138
m表示第i个应用端设备的存储空间消耗速率的变化次数；
第三，利用下面公式(3)，得到所有应用端设备各自的信息处理优先级判定值
Figure BDA0002680656410000139
在上述公式(3)中，Di表示第i个应用端设备的信息处理优先级判定值，当Di的值越大对应的应用端设备的信息处理优先级就越高，再根据信息处理优先级别构建形成分布式应用端设备网络。
利用公式(1)得到运算性能综合评价模型的输入-输出表达式，从而利用运算性能综合评价模型修正应用端设备在每次运算过程中实际运算荷载值、实际运算速率值和运算时间延迟值的浮动变化，并求得运算性能综合评价值；利用公式(2)得到存储性能综合评价模型的输入-输出表达式，从而利用存储性能综合评价模型对所述存储空间消耗速率的浮动变化进行修正并求得存储性能综合评价值；最后利用公式(3)得到所有应用端设备各自的信息处理优先级，从而根据评判值确定所有应用端设备各自的信息处理优先级；再根据信息处理优先级别构建形成所述分布式应用端设备网络；上述过程每次运算和存储的浮动变化进行修正并且建立评价模型，使得整个评价模型稳定可靠。
从上述实施例的内容可知，该分布式智能分析设备***的业务处理方法包括获取若干应用端设备各自的运算状态信息和存储状态信息，并根据该运算状态信息和该存储状态信息构建形成相应的分布式应用端设备网络，再对该分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系，并获取任意一个应用端设备通过该信息分析模式对某一输入信息的分析结果，同时通过该信息处理联动触发关系指示其余应用端设备对该分析结果进行数据关联挖掘处理，最后根据该数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示；可见，该分布式智能分析设备***的业务处理方法通过将不同应用端设备组建形成分布式应用端设备网络，并统一网络中每一个应用端设备的信息分析模式，从而保证每一个应用端设备在信息分析处理性能上是相同的，其还通过信息处理联动触发关系将所有应用端设备进行关联，以此实现所有应用端设备的信息处理关联性和便于将所有应用端设备的信息处理结果进行汇总，从而提高分布式智能分析设备***的业务处理性能和数据处理效率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.分布式智能分析设备***的业务处理方法，其特征在于，其包括如下步骤：
步骤S1，获取若干应用端设备各自的运算状态信息和存储状态信息，并根据所述运算状态信息和所述存储状态信息构建形成相应的分布式应用端设备网络；
步骤S2，对所述分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理，同时构建所有应用端设备相互之间的信息处理联动触发关系；
步骤S3，获取任意一个应用端设备通过所述信息分析模式对某一输入信息的分析结果，同时通过所述信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理；
步骤S4，根据所述数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示；
其中，利用公式构建出运算性能综合评价模型和存储性能综合评价模型来对所述应用端设备的运算性能以及所述应用端设备的存储性能进行综合评价分析，由于所述应用端设备在每次运算过程中所述实际运算荷载值、所述实际运算速率值和所述运算时间延迟值会存在浮动变化，这需要在所述运算性能综合评价模型中利用数据处理修正对应的变化，同样地，在应用端设备存储的过程中，所述存储空间消耗速率也会存在浮动变化的波动，着需要在所述存储性能综合评价模型中修正对应的变化，最终利用公式根据所述运算性能评价值和所述存储性能评价值，确定所有应用端设备各自的信息处理优先级别，其具体过程包括，
第一、利用下面公式(1)，得到所述运算性能综合评价模型的输入-输出表达式
Figure FDA0003059517010000021
在上述公式(1)中，λi表示第i个应用端设备的运算性能综合评价值，
Figure FDA0003059517010000022
表示第i个应用端设备的第a个实际运算荷载浮动值，Vi a表示第i个应用端设备的第a个实际运算速率浮动值，
Figure FDA0003059517010000023
表示第i个应用端设备的第a个运算时间延迟浮动值，
Figure FDA0003059517010000024
表示对
Figure FDA0003059517010000025
求方差、且
Figure FDA0003059517010000026
u表示实际运算荷载值、实际运算速率值和运算时间延迟值的变化次数，n表示所述应用端设备的总个数；
第二、利用下面公式(2)，得到所述存储性能综合评价模型的输入-输出表达式
Figure FDA0003059517010000027
在上述公式(2)中，βi表示第i个应用端设备的存储性能综合评价值，Gi表示第i个应用端设备的存储空间标称值，Xi表示第i个应用端设备的实际存储空间剩余值，
Figure FDA0003059517010000028
表示第i个应用端设备的第j个存储空间消耗速率浮动值，
Figure FDA0003059517010000029
表示对
Figure FDA00030595170100000210
求方差、且
Figure FDA00030595170100000211
m表示第i个应用端设备的存储空间消耗速率的变化次数；
第三，利用下面公式(3)，得到所有应用端设备各自的信息处理优先级判定值
Figure FDA0003059517010000031
在上述公式(3)中，Di表示第i个应用端设备的信息处理优先级判定值，当Di的值越大对应的应用端设备的信息处理优先级就越高，再根据信息处理优先级别构建形成分布式应用端设备网络。
2.如权利要求1所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S1中，获取若干应用端设备各自的运算状态信息和存储状态信息具体包括，
步骤S101A，获取每一个应用端设备当前的实际运算荷载值、实际运算速率值和实际运算时间延迟值，以此作为所述运算状态信息；
步骤S102A，获取每一个应用端设备的存储空间标称值、实际存储空间剩余值和存储空间消耗速率，以此作为所述存储状态信息。
3.如权利要求2所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S1中，根据所述运算状态信息和所述存储状态信息构建形成相应的分布式应用端设备网络具体包括，
步骤S101B，根据所述实际运算荷载值、所述实际运算速率值和所述运算时间延迟值，对所述应用端设备的运算性能进行综合评价分析，以此确定所述应用端设备的运算性能评价值；
步骤S102B，根据所述存储空间标称值、所述实际存储空间剩余值和所述存储空间消耗速率，对所述应用端设备的存储性能进行综合评价分析，以此确定所述应用端设备的存储性能评价值；
步骤S103B，根据所述运算性能评价值和所述存储性能评价值，确定所有应用端设备各自的信息处理优先级别，再根据所述信息处理优先级别构建形成所述分布式应用端设备网络。
4.如权利要求3所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S2中，对所述分布式应用端设备网络中的所有应用端设备进行信息分析模式的统一处理具体包括，
步骤S201A，确定所述分布式应用端设备网络中每一个应用端设备分别对应于影像信息、声音信息和文本信息的影像信息分析模式、声音信息分析模式和文本信息分析模式；
步骤S202A，确定每一个应用端设备对应的所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式各自的实际信息分析灵敏度值和实际信息分析计算频率值；
步骤S203A，根据所述实际信息分析灵敏度值和所述实际信息分析计算频率值，对每一个应用端设备对应的所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式分别进行统一信息分析灵敏度值和统一信息分析计算频率值设置，从而实现对所述影像信息分析模式、所述声音信息分析模式和所述文本信息分析模式的统一处理。
5.如权利要求4所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S2中，构建所有应用端设备相互之间的信息处理联动触发关系具体包括，
步骤S201B，获取所有应用端设备各自的数据输入端口的实际数据输入时钟信息，并计算所述应用端设备对应的实际数据输入时钟信息相互之间的时间差异；
步骤S202B，根据所述时间差异，所有应用端设备各自的数据输入端口同步协调至在统一时钟下进行工作；
步骤S203B，根据所述统一时钟，将所有应用端设备各自的信息处理操作进行同步化，以使当任意一个应用端设备进行信息处理操作时，其余应用端设备也相应地进行相同的信息处理操作，从而实现所述信息处理联动触发关系。
6.如权利要求5所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S3中，获取任意一个应用端设备通过所述信息分析模型对某一输入信息的分析结果具体包括，
步骤S301A，确定任意一个应用端设备当前的输入信息的信息类型，其中，所述信息类型包括影像信息、声音信息或者文本信息；
步骤S302A，根据所述信息类型，从对应的应用端设备中调用相匹配的信息分析模式，对所述输入信息进行分析处理，从而获得相应的分析处理结果，其中，所述分析处理包括影像色调特征分析处理、影像纹理特征分析处理、声音声纹特征分析处理或者文本语义分析处理。
7.如权利要求6所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S3中，通过所述信息处理联动触发关系指示其余应用端设备对所述分析结果进行数据关联挖掘处理具体包括，
步骤S301B，确定所述任意一个应用端设备对所述输入信息的处理进度时钟信息；
步骤S302B，通过所述信息处理联动触发关系和所述处理进度时钟信息，指示其余应用端设备对所述分析结果进行数据关联挖掘处理，其中，所述数据关联挖掘处理包括对所述分析结果进行信息关联扩展，再根据所述信息关联扩展的结果从其余应用端设备中挖掘得到与其匹配的其他数据信息。
8.如权利要求7所述的分布式智能分析设备***的业务处理方法，其特征在于：
在所述步骤S4中，根据所述数据关联挖掘处理的结果，将所有应用端设备当前输出的数据结果进行汇总和显示具体包括，
步骤S401，确定所述数据关联挖掘处理的结果对应的数据类型，以此对所述数据关联挖掘处理得到的数据信息划分为若干数据集合；
步骤S402，将若干所述数据集合作为所有应用终端设备当前输出的数据结果，并对所述数据结果进行汇总和动态显示。
CN202010961363.7A 2020-09-14 2020-09-14 分布式智能分析设备***的业务处理方法 Active CN112187886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010961363.7A CN112187886B (zh) 2020-09-14 2020-09-14 分布式智能分析设备***的业务处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010961363.7A CN112187886B (zh) 2020-09-14 2020-09-14 分布式智能分析设备***的业务处理方法

Publications (2)

Publication Number Publication Date
CN112187886A CN112187886A (zh) 2021-01-05
CN112187886B true CN112187886B (zh) 2021-07-06

Family

ID=73920905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010961363.7A Active CN112187886B (zh) 2020-09-14 2020-09-14 分布式智能分析设备***的业务处理方法

Country Status (1)

Country Link
CN (1) CN112187886B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059425A (zh) * 2007-05-29 2007-10-24 浙江大学 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置
CN101075376A (zh) * 2006-05-19 2007-11-21 北京微视新纪元科技有限公司 基于多视点的智能视频交通监控***及方法
US10445339B1 (en) * 2014-05-28 2019-10-15 EMC IP Holding Company LLC Distributed contextual analytics

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7406216B2 (en) * 2004-12-15 2008-07-29 Micron Technology, Inc. Method and apparatus for distributed analyses of images
CN109525800A (zh) * 2018-11-08 2019-03-26 江西国泰利民信息科技有限公司 一种远程会议语音识别数据传输方法
CN112050810B (zh) * 2019-12-23 2022-09-27 华北电力大学（保定） 一种基于计算机视觉的室内定位导航方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101075376A (zh) * 2006-05-19 2007-11-21 北京微视新纪元科技有限公司 基于多视点的智能视频交通监控***及方法
CN101059425A (zh) * 2007-05-29 2007-10-24 浙江大学 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置
US10445339B1 (en) * 2014-05-28 2019-10-15 EMC IP Holding Company LLC Distributed contextual analytics

Also Published As

Publication number Publication date
CN112187886A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
JP4910804B2 (ja) 業務プロセス推定プログラム、業務プロセス推定方法および業務プロセス推定装置
CN109543891A (zh) 容量预测模型的建立方法、设备及计算机可读存储介质
CN112051771B (zh) 多云数据采集方法、装置、计算机设备和存储介质
CN113051183A (zh) 一种测试数据的推荐方法、***、电子设备及存储介质
CN113986564A (zh) 应用数据的流量监控方法、装置、计算机设备及介质
CN114172819B (zh) Nfv网元的需求资源预测方法、***、电子设备和存储介质
CN111311014A (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN110602207A (zh) 基于离网预测推送信息的方法、装置、服务器和存储介质
CN112187886B (zh) 分布式智能分析设备***的业务处理方法
CN117499148A (zh) 一种网络访问控制方法、装置、设备及存储介质
CN110443451B (zh) 事件定级方法、装置、计算机设备和存储介质
CN101136808B (zh) 分析网络业务量的方法和装置
CN112801327B (zh) 预测物流件量与其建模的方法、装置、设备及存储介质
CN112785000A (zh) 面向大规模机器学习***的机器学习模型训练方法及***
CN112764957A (zh) 应用故障定界方法及装置
CN111966734A (zh) 结合rpa和ai的电子表格的数据处理方法与电子设备
JP2009118274A (ja) 通信帯域算出装置、方法、およびプログラム
CN116882724B (zh) 一种业务流程优化方案的生成方法、装置、设备及介质
CN105653453B (zh) 一种应用程序分析方法及装置
CN117493202A (zh) 基于金融***的测试数据构造方法和装置、设备及介质
CN115470091A (zh) 用户行为分析建模方法、装置、设备及可读存储介质
CN115756993A (zh) ***运行检测方法、装置、电子设备和存储介质
CN115858921A (zh) 模型处理方法、装置、设备以及存储介质
CN117952446A (zh) 业务处理模型的监控方法、相关设备及存储介质
CN117574148A (zh) 智能预测模型的训练方法、预测方法及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant