物联网设备数据的解析方法、装置和电子设备
技术领域
本发明涉及物联网的技术领域,尤其是涉及一种物联网设备数据的解析方法、装置和电子设备。
背景技术
目前随着工业4.0快速发展,在企业制造生产中为了更好的服务企业,提高产能和质量,以及更精准的智能化,通常将物联网空间中的实体设备数字化,并在云端构建该实体设备的数据模型,得到设备物模型,设备物模型是传感器传输设备数据的一种数据模型,但是每个制造企业生产的设备属性不统一,每次云端接入一个物联网设备都要重新开发一套数据模型来对接传感器传过来的设备数据,导致研发重复性工作较大,工作效率较低。
发明内容
本发明的目的在于提供一种物联网设备数据的解析方法、装置和电子设备,以减少了研发人员的重复性工作,有效的提高了工作效率。
第一方面,本发明提供一种物联网设备数据的解析方法,包括:获取接入云端的物联网设备的设备数据;其中,所述设备数据包括:行业属性和待解析的设备属性;基于所述行业属性为所述物联网设备确定对应的云端设备物模型;其中,具有相同行业属性的物联网设备对应同一个云端设备物模型;利用所述云端设备物模型的规则匹配模板库对所述设备数据进行解析,得到所述物联网设备的设备属性。
在可选的实施方式中,获取接入云端的物联网设备的设备数据,包括:获取所述物联网设备的数据传输协议;基于所述数据传输协议将所述物联网设备发送的数据包进行解析,得到所述物联网设备的设备数据。
在可选的实施方式中,所述方法还包括:判断目标设备属性的参数值是否处于预设取值范围内;其中,所述目标设备属性为所述物联网设备的设备属性中的任意一个;若所述目标设备属性的参数值不处于所述预设取值范围内,则判断所述物联网设备的设备属性标识是否与所述规则匹配模板库中的数据标识完全匹配;若不完全匹配,则将所述设备数据丢弃并反馈数据接收异常;若完全匹配,则确定所述物联网设备处于异常状态。
在可选的实施方式中,所述方法还包括:获取个性化计算模型;其中,所述个性化计算模型是对所述设备属性的参数值执行预设运算的模型;利用所述个性化计算模型对所述设备属性的参数值进行运算,得到个性化统计结果。
在可选的实施方式中,所述方法还包括:记录每个云端设备物模型的调用次数;基于所述调用次数确定接入云端的物联网设备的分布。
在可选的实施方式中,所述方法还包括:获取接入云端的物联网设备的设备属性模板;其中,所述设备属性模板中包括:设备属性和设备属性标识的对应关系;基于所述设备属性模板建立每个所述设备属性标识与云端设备物模型中的数据标识的映射关系;其中,所述云端设备物模型为云端预先存储与所述物联网设备的行业属性相同的设备物模型;将所述映射关系存入所述云端设备物模型的规则匹配模板库。
第二方面,本发明提供一种物联网设备数据的解析装置,包括:第一获取模块,用于获取接入云端的物联网设备的设备数据;其中,所述设备数据包括:行业属性和待解析的设备属性;第一确定模块,用于基于所述行业属性为所述物联网设备确定对应的云端设备物模型;其中,具有相同行业属性的物联网设备对应同一个云端设备物模型;解析模块,用于利用所述云端设备物模型的规则匹配模板库对所述设备数据进行解析,得到所述物联网设备的设备属性。
在可选的实施方式中,获取接入云端的物联网设备的设备数据,包括:获取单元,用于获取所述物联网设备的数据传输协议;解析单元,用于基于所述数据传输协议将所述物联网设备发送的数据包进行解析,得到所述物联网设备的设备数据。
第三方面,本发明提供一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述前述实施方式中任一项所述的方法的步骤。
第四方面,本发明提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行前述实施方式中任一项所述的方法。
本发明提供的物联网设备数据的解析方法,包括:获取接入云端的物联网设备的设备数据;其中,设备数据包括:行业属性和待解析的设备属性;基于行业属性为物联网设备确定对应的云端设备物模型;其中,具有相同行业属性的物联网设备对应同一个云端设备物模型;利用云端设备物模型的规则匹配模板库对设备数据进行解析,得到物联网设备的设备属性。
现有技术中,云端在对物联网设备数据进行解析之前,需要针对每一个物联网设备均开发一套相应的设备物模型,研发重复性工作较大,工作效率较低。本发明提供的物联网设备数据的解析方法中,在获取到接入云端的物联网设备的设备数据之后,根据物联网设备的行业属性为该物联网设备确定对应的云端设备物模型,然后利用云端设备物模型的规则匹配模板库对上述设备数据进行解析,得到物联网设备的设备属性。在本发明方法中,具有相同行业属性的物联网设备对应同一个云端设备物模型,云端设备物模型的规则匹配模板库实现了云端设备物模型对物联网设备数据一对多的解析,减少了研发人员的重复性工作,有效的提高了工作效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种物联网设备数据的解析方法的流程图;
图2为本发明实施例提供的一种可选的物联网设备数据的解析方法的流程图;
图3为本发明实施例提供的一种通过API接口调用云端设备物模型的逻辑示意图;
图4为本发明实施例提供的一种物联网设备数据的解析装置的功能模块图;
图5为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
随着物联网的迅猛发展,企业制造生产中通常将物联网空间中的实体物联网设备数字化,进而使得物联网设备管理更精准更智能化,为了实现这一目的,研发人员需要在云端为实体设备构建与其相对应的设备物模型,设备物模型是传感器传输设备数据的一种数据模型,例如,X机床的设备属性有:ws代表水温值,wy代表压力值,也就是说,针对X机床,(设备属性)水温值对应的设备属性标识为ws;(设备属性)压力值对应的设备属性标识为wy,X机床上的传感器检测到上述设备属性后,比如ws=50,wy=80,会将上述数据打包并上传至云端,云端接收到设备数据后,为了能够准确解析得到设备属性,则需要预先为X机床开发一套数据模型来对接传感器传过来的设备数据。但由于每个制造企业生产的设备属性不统一,每次云端接入一个物联网设备都要重新开发一套数据模型来对接传感器传过来的设备数据,导致研发重复性工作较大,工作效率较低。有鉴于此,本发明实施例提供了一种物联网设备数据的解析方法,用以缓解上文中所提出的技术问题。
实施例一
图1为本发明实施例提供的一种物联网设备数据的解析方法的流程图,如图1所示,该方法具体包括如下步骤:
步骤S102,获取接入云端的物联网设备的设备数据。
具体的,在对物联网设备数据进行解析之前,首先要获取到接入云端的物联网设备的设备数据,其中,设备数据包括:行业属性和待解析的设备属性;行业属性可以理解为是物联网设备的所属行业信息,例如,若物联网设备是挖掘机,那么根据其发送的设备数据,云端就能确定接收到的设备数据为挖掘机数据。云端接入的设备数据为利用设备厂家设计的设备属性标识和对应的设备属性所表示的数据,在不确定各标识含义的情况下,设备属性不能准确的解析出来。
例如,A公司生产的挖掘机的设备属性有:jws代表水温值,jwy代表压力值;B公司生产的挖掘机的设备属性有:wwa代表水温值;wwy代表压力值;上述jws,jwy,wwa和wwy均代表设备属性标识,云端接收到的设备数据只是jws=30,jwy=100,wwa=60和wwy=80,云端在对接传感器传过来的设备数据时,如果不明确设备标识含义,则无法解析设备属性。
上述设备数据一般是物联网设备上的各个传感器检测到相应的设备属性后,再通过预设传输途径统一发送至云端的,云端可以理解为对物联网设备的设备数据进行数据处理的服务器。
步骤S104,基于行业属性为物联网设备确定对应的云端设备物模型。
在本发明实施例中,云端会根据物联网行业的积累信息内置一些行业的***模型库,也即,内置多个行业的设备物模型,其中,具有相同行业属性的物联网设备对应同一个云端设备物模型;并且可为每个云端设备物模型设置唯一的ID。所以云端在接收到物联网设备的设备数据之后,首先利用其行业属性确定进行数据解析所需使用的云端设备物模型。
例如,所有厂家生产的挖掘机设备在接入云端时均使用同一个设备物模型来对数据进行解析,设备物模型中针对每一个设备属性只有一个数据标识,例如,挖掘机行业对应的云端设备物模型中,AAA(数据标识)代表水温值(设备属性),虽然A公司生产的挖掘机的设备属性中由jws代表水温值,B公司生产的挖掘机的设备属性中由wwa代表水温值,但是在接入云端后,云端并不需要为A公司和B公司分别开发设备物模型,而是令AAA与jws形成映射关系,AAA与wwa形成映射关系,从而无需为每个挖掘机设备开发新的设备物模型,而是依赖上述一对多的映射关系共用同一个设备物模型,从而降低研发工作量,提高工作效率。
步骤S106,利用云端设备物模型的规则匹配模板库对设备数据进行解析,得到物联网设备的设备属性。
在确定了物联网设备对应的云端设备物模型之后,利用该云端设备物模型即可对设备数据进行解析,从而得到接入云端的物联网设备的设备属性,在本发明实施例中,云端设备物模型在对设备数据进行解析时,具体使用该设备物模型的规则匹配模板库与设备数据进行匹配,其中,规则匹配模板库中存储有该云端设备物模型的每个数据标识与该云端设备物模型所属行业中多个物联网设备的设备属性标识的映射关系,例如AAA与jws的映射关系,以及AAA与wwa的映射关系。因此,在接收到的设备数据中包括jws=30时,云端即可根据映射关系得到当前接入的挖掘机其水温值为30。本发明方法应用于设备物模型的规则映射引擎,规则映射引擎具备数据处理速度快且稳定的优点。
现有技术中,云端在对物联网设备数据进行解析之前,需要针对每一个物联网设备均开发一套相应的设备物模型,研发重复性工作较大,工作效率较低。本发明提供的物联网设备数据的解析方法中,在获取到接入云端的物联网设备的设备数据之后,根据物联网设备的行业属性为该物联网设备确定对应的云端设备物模型,然后利用云端设备物模型的规则匹配模板库对上述设备数据进行解析,得到物联网设备的设备属性。在本发明方法中,具有相同行业属性的物联网设备对应同一个云端设备物模型,云端设备物模型的规则匹配模板库实现了云端设备物模型对物联网设备数据一对多的解析,减少了研发人员的重复性工作,有效的提高了工作效率。
上文中对本发明实施例提供的物联网设备数据的解析方法进行了描述,下面对其中一些步骤的可选实施方式以及在本发明方法的基础上开发的其他功能进行逐一介绍。
在一个可选的实施方式中,上述步骤S102,获取接入云端的物联网设备的设备数据,具体包括如下内容:
获取物联网设备的数据传输协议;基于数据传输协议将物联网设备发送的数据包进行解析,得到物联网设备的设备数据。
具体的,本发明实施例中的云端能够兼容多种物联网通信协议,例如CoAP(Constrained Application Protocol,受限应用协议),MQTT(Message QueuingTelemetry Transport消息队列遥测传输),JMS(Java Message Service,即消息服务)等,每个物联网设备使用其支持的数据传输协议将设备数据打包后发送至云端,所以云端为了准确获取到该物联网设备的设备数据,首先要获取到物联网设备具体使用哪一种传输协议,然后利用其数据传输协议将接收到的数据包进行准确解析,从而获取到物联网设备的设备数据。
云端利用设备物模型对物联网设备发送的设备数据进行解析后,能够得到物联网设备的一些运行状态信息,例如,温度值,压力值,工作时长,运行时长等,在一个可选的实施方式中,如图2所示,本发明方法还包括如下步骤:
步骤S107,判断目标设备属性的参数值是否处于预设取值范围内。
传感器发送的数值型参数信息,云端解析出来之后,还可以对其进行动态检查,校验所有设备属性的参数值的准确性,具体通过判断目标设备属性的参数值是否处于预设取值范围内,其中,目标设备属性为物联网设备的设备属性中的任意一个;每一个数值型的设备属性均应设置相应的取值范围,该取值范围需要根据用户实际需求进行设置,例如,若已知某物联网设备在正常运行时其水温值范围应处于60摄氏度至100摄氏度,那么水温值的设备属性对应的预设取值范围就可以设置为60摄氏度至100摄氏度。
若目标设备属性的参数值不处于预设取值范围内,则执行步骤S108;若目标设备属性的参数值处于预设取值范围内,则将目标设备属性的参数值进行记录并存储。
步骤S108,判断物联网设备的设备属性标识是否与规则匹配模板库中的数据标识完全匹配。
若不完全匹配,则执行步骤S109;若完全匹配,则执行步骤S110。
步骤S109,将设备数据丢弃并反馈数据接收异常。
步骤S110,确定物联网设备处于异常状态。
具体的,如果确定目标设备属性的参数值超过了相应的预设取值范围,那么要进一步判断物联网设备的设备属性标识是否与规则匹配模板库中的数据标识完全匹配,如果是在不完全匹配的情况下进行的数据解析,那么可以肯定解析出来的数据不能正确反映物联网设备的运行信息,所以选择将设备数据进行丢弃,并反馈数据接收异常;如果目标设备属性的参数值超过了相应的预设取值范围,且确认物联网设备的设备属性标识能够与规则匹配模板库中的数据标识完全匹配,那么说明数据解析无误,物联网设备就是处于异常状态。如果设有与云端相连接的显示器,则可以将上述解析出来的数据进行显示,并显示数据校验的结果。
在对接入的设备数据进行校验时,可以选择时间窗口的方式提取一条设备数据,然后对提取的这一条设备数据进行校验,例如,规定在每5分钟接收到的多条设备数据中随机抽取一条设备数据进行校验;或者还可以批量采集多条设备数据,然后将上述多条设备数据进行比对,对比每条设备数据的属性,找出异同点,其基本原理为:从N个样本中等概率抽取M个样本(M<N),以一个数组来模拟样本,直接等概率抽取。具体做法如下:每次都随机在[0,N-1](假设第一个样本的标号为0)之间抽取一个数,并且与之前的数相比较,如果与上一次抽取的数字相同,则继续随机抽取,直到抽取到一个与之前所有的数均不同的数;如果不相同,则将该随机数添加到结果集中,并继续随机抽取,直至结果集中的数为M个。
在一个可选的实施方式中,本发明方法还包括如下步骤:
步骤S21,获取个性化计算模型;其中,个性化计算模型是对设备属性的参数值执行预设运算的模型。
步骤S22,利用个性化计算模型对设备属性的参数值进行运算,得到个性化统计结果。
在本发明实施例中,规则映射引擎在解析到物联网设备的设备属性之后,用户还可以根据实际需求选择云端内置的一些个性化模型库,个性化模型库中存储有多个个性化计算模型,个性化计算模型是能够对设备属性的参数值执行预设运算的模型,如果用户在利用云端的设备物模型对物联网设备的设备数据进行解析时,选择了一个或多个个性化计算模型,那么在输出数据解析结果的同时,还能得到一个或多个个性化统计结果,进而对物联网设备的运行状态进行深度剖析。例如,设备物模型中预设有工作时长和运行时长的设备属性,个性化计算模型中又定义了设备开机率的设备属性,且设备开机率=工作时长/运行时长,因此,云端设备物模型在对设备数据进行解析之后,利用个性化计算模型可以进一步得到设备开机率的具体参数值。个性化模型库给用户提供了多种可选的计算模型,用户选择使用后又可以对模型库的应用及使用范围进行训练。
在一个可选的实施方式中,本发明方法还包括如下步骤:
步骤S31,记录每个云端设备物模型的调用次数;
步骤S32,基于调用次数确定接入云端的物联网设备的分布。
在本发明实施例中,利用规则映射引擎调用云端设备物模型进行设备数据解析之后,还可以记录下每个云端设备物模型被调用的次数,进而根据调用次数确定接入云端的物联网设备的分布,因为被调用次数越多的云端设备物模型,其所属行业的物联网设备越多,基于上述分布统计结果,用户可以对该云端辖区内的物联网设备数量进行调整。
上文中对如何使用云端设备物模型对物联网设备传输的设备数据进行解析的过程进行了详细的描述,下面对构建用于数据解析的云端设备物模型的过程进行介绍。
在一个可选的实施方式中,本发明方法还包括如下步骤:
步骤S41,获取接入云端的物联网设备的设备属性模板;其中,设备属性模板中包括:设备属性和设备属性标识的对应关系。
首先,要对物联网设备的设备数据进行解析,规则映射引擎首先要获取到接入云端的物联网设备的设备属性模板,该设备属性模板中应包括设备属性和设备属性标识的对应关系,例如上文中所记载的jws代表水温值,其中,jws为设备属性标识,水温值为设备属性,二者存在唯一的对应关系。上述设备属性模板用户可以通过在web页面自定义配置,也可以直接上传一个设备属性的标准模板(例如excel格式的文档),通过批量导入完成设备属性模板配置,或者从web页面提供的预设属性模板中进行选择,预设属性模板可根据各个云端设备物模型被调用的次数进行排序。
步骤S42,基于设备属性模板建立每个设备属性标识与云端设备物模型中的数据标识的映射关系;其中,云端设备物模型为云端预先存储与物联网设备的行业属性相同的设备物模型。
在本发明实施例中,相同行业属性的物联网设备在云端统一使用相同的设备物模型,所以在获取到物联网设备的设备属性模板之后,首先根据其行业属性确定相应的云端设备物模型,然后再建立物联网设备的每个设备属性标识与云端设备物模型中的数据标识的映射关系,例如,挖掘机行业对应的云端设备物模型中,AAA(数据标识)代表水温值(设备属性),用户配置A公司生产的挖掘机的设备属性中由jws代表水温值,那么此时就需要建立AAA与jws形成映射关系,以此类推,完成云端设备物模型中的所有数据标识的映射关系。
步骤S43,将映射关系存入云端设备物模型的规则匹配模板库。
最后,将映射关系存入云端设备物模型的规则匹配模板库,当规则映射引擎调用云端设备物模型时,利用该设备物模型对应的规则匹配模板库中的映射关系进行数据解析。
云端设备物模型的建立能够实现基于云端设备物模型的流式数据处理、计算、汇总和历史数据呈现,客户端可以接采用Http请求API接口(可以进行TCP协议的RPC改造,提高访问性能和速度)的方式调用设备物模型。进行基于设备数据维度的处理,图3为本发明实施例提供的一种通过API接口调用云端设备物模型的逻辑示意图。
本发明实施例提供的物联网设备数据的解析方法中,相同行业属性的多个物联网设备在云端对应同一个设备物模型,也即,一个设备物模型可以应对多种设备,不用再关心设备底层属性不一致而无法统一的技术问题,也相当于将设备物模型进行标准化,通过建立物联网设备的设备属性标识与设备物模型的数据标识之间的映射关系,即可对物联网设备的设备数据进行解析,解决了目前物联网工业行业中物联网设备数据解析操作流程复杂的技术问题,减少了研发人员的重复性工作,有效的提高了工作效率。基于设备物模型可以进行二次演变、派生出多种模型;用户还可以自定义常用加减乘除(选择个性化计算模型)计算得出想要的业务数据,针对设备属性过多,用户无法识别的情况,可以利用本发明方法快速、简单的过滤出需要的设备属性,过滤之后的数据更简单易懂,更人性化。
实施例二
本发明实施例还提供了一种物联网设备数据的解析装置,该物联网设备数据的解析装置主要用于执行上述实施例一所提供的物联网设备数据的解析方法,以下对本发明实施例提供的物联网设备数据的解析装置做具体介绍。
图4是本发明实施例提供的一种物联网设备数据的解析装置的功能模块图,如图4所示,该装置主要包括:第一获取模块10,第一确定模块20,解析模块30,其中:
第一获取模块10,用于获取接入云端的物联网设备的设备数据;其中,设备数据包括:行业属性和待解析的设备属性。
第一确定模块20,用于基于行业属性为物联网设备确定对应的云端设备物模型;其中,具有相同行业属性的物联网设备对应同一个云端设备物模型。
解析模块30,用于利用云端设备物模型的规则匹配模板库对设备数据进行解析,得到物联网设备的设备属性。
现有技术中,云端在对物联网设备数据进行解析之前,需要针对每一个物联网设备均开发一套相应的设备物模型,研发重复性工作较大,工作效率较低。本发明提供的物联网设备数据的解析装置,在获取到接入云端的物联网设备的设备数据之后,根据物联网设备的行业属性为该物联网设备确定对应的云端设备物模型,然后利用云端设备物模型的规则匹配模板库对上述设备数据进行解析,得到物联网设备的设备属性。在本发明实施例中,具有相同行业属性的物联网设备对应同一个云端设备物模型,云端设备物模型的规则匹配模板库实现了云端设备物模型对物联网设备数据一对多的解析,减少了研发人员的重复性工作,有效的提高了工作效率。
可选的,第一获取模块10包括:
获取单元,用于获取物联网设备的数据传输协议。
解析单元,用于基于数据传输协议将物联网设备发送的数据包进行解析,得到物联网设备的设备数据。
可选的,该装置还包括:
第一判断模块,用于判断目标设备属性的参数值是否处于预设取值范围内;其中,目标设备属性为物联网设备的设备属性中的任意一个。
第二判断模块,用于若目标设备属性的参数值不处于预设取值范围内,则判断物联网设备的设备属性标识是否与规则匹配模板库中的数据标识完全匹配。
第二确定模块,若不完全匹配,则将设备数据丢弃并反馈数据接收异常。
第三确定模块,若完全匹配,则确定物联网设备处于异常状态。
可选的,该装置还包括:
第二获取模块,用于获取个性化计算模型;其中,个性化计算模型是对设备属性的参数值执行预设运算的模型。
运算模块,用于利用个性化计算模型对设备属性的参数值进行运算,得到个性化统计结果。
可选的,该装置还包括:
记录模块,用于记录每个云端设备物模型的调用次数。
第四确定模块,用于基于调用次数确定接入云端的物联网设备的分布。
可选的,该装置还包括:
第三获取模块,用于获取接入云端的物联网设备的设备属性模板;其中,设备属性模板中包括:设备属性和设备属性标识的对应关系。
建立模块,用于基于设备属性模板建立每个设备属性标识与云端设备物模型中的数据标识的映射关系;其中,云端设备物模型为云端预先存储与物联网设备的行业属性相同的设备物模型。
存储模块,用于将映射关系存入云端设备物模型的规则匹配模板库。
实施例三
参见图5,本发明实施例提供了一种电子设备,该电子设备包括:处理器60,存储器61,总线62和通信接口63,所述处理器60、通信接口63和存储器61通过总线62连接;处理器60用于执行存储器61中存储的可执行模块,例如计算机程序。
其中,存储器61可能包含高速随机存取存储器(RAM,RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器61用于存储程序,所述处理器60在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中,或者由处理器60实现。
处理器60可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61,处理器60读取存储器61中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的一种物联网设备数据的解析方法、装置和电子设备的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。