CN112380428A - 云边协调的边缘计算的方法、***、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种云边协调的边缘计算的方法、***、电子装置和存储介质，其中，该云边协调的边缘计算的方法包括：获取设备传感器采集到的数据，将该数据输入边缘计算模型；通过边缘计算模型，在本地网关对数据进行过滤和处理，并将处理的结果发送到云端；云端发送命令到网关，通过边缘计算模型将数据输出物模型参数转换为二进制流；网关将二进制流发送到设备传感器进行控制。通过本申请，解决了物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，提升了数据处理效率，减轻云端负荷，为用户提供更快速的响应，并能降低开发成本。

Description

云边协调的边缘计算的方法、***、电子装置和存储介质

技术领域

本申请涉及物联网领域，特别是涉及云边协调的边缘计算的方法、***、电子装置和存储介质。

背景技术

随着信息技术的快速发展，物联网技术得到了广泛应用，边缘计算伴随着物联网的发展而出现。边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，为大型运算设备、中小型运算设备就近提供服务。对物联网而言，边缘计算技术取得突破，意味着通过本地设备就可实现数据分析与控制，无需交付云端处理，这将大大提升数据处理效率，减轻云端负荷，为用户提供更快速的响应，满足物联网行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

在相关技术中，传统边缘计算网关的实现是在一个基础的开放性Linux***中，需要使用者自行根据需要进行编码来实现数据解析和编码调试，或者是根据特定场景开发特定专属的边缘设备，然而这些都没有提供统一集中管理的可自定义的通用边缘计算框架。

目前针对相关技术中，物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了云边协调的边缘计算的方法、***、电子装置和存储介质，至少解决相关技术中物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题。

第一方面，本申请实施例提供了一种云边协调的边缘计算的方法，所述方法包括：

获取设备传感器采集到的数据，将所述数据输入边缘计算模型；

通过所述边缘计算模型，在本地网关对所述数据进行过滤和处理，并将所述处理的结果发送到云端；

所述云端发送命令到网关，通过所述边缘计算模型将数据输出物模型参数转换为二进制流；

所述网关将所述二进制流发送到所述设备传感器进行控制。

在其中一些实施例中，所述将所述数据输入边缘计算模型之前，所述方法包括：

用户在所述云端通过脚本化语言自定义所述边缘计算模型，将所述设备传感器采集到的数据作为输入源，自定义计算结果作为所述边缘计算模型的数据输出源。

在其中一些实施例中，用户完成所述边缘计算模型自定义设置之后，所述方法包括：

将所述计算模型下发配置到所述网关，所述网关在本地对所述设备传感器采集到的数据进行过滤和处理。

在其中一些实施例中，所述将所述处理的结果发送到云端包括：

将所述结果按照定义的所述数据输出物模型发送到所述云端。

第二方面，本申请实施例提供了一种云边协调的边缘计算的***，所述***包括：设备传感器、网关和云端；

输入模块，用于获取所述设备传感器采集到的数据，将所述数据输入边缘计算模型；

输出模块，用于通过所述边缘计算模型，在本地网关对所述数据进行过滤和处理，并将所述处理的结果发送到所述云端；

发送模块，用于所述云端发送命令到网关，通过所述边缘计算模型将数据输出物模型参数转换为二进制流；

控制模块，用于所述网关将所述二进制流发送到所述设备传感器进行控制。

在其中一些实施例中，所述将所述数据输入边缘计算模型之前，所述***包括：

用户在所述云端通过脚本化语言自定义所述边缘计算模型，将所述设备传感器采集到的数据作为输入源，自定义计算结果作为所述边缘计算模型的数据输出源。

在其中一些实施例中，用户完成所述边缘计算模型自定义设置之后，所述***包括：

输入模块将所述计算模型下发配置到所述网关，所述网关在本地对所述设备传感器采集到的数据进行过滤和处理。

在其中一些实施例中，所述将所述处理的结果发送到云端包括：

输出模块将所述结果按照定义的所述数据输出物模型发送到所述云端。

第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项所述的云边协调的边缘计算的方法。

第四方面，本申请实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项所述的云边协调的边缘计算的方法。

相比于相关技术，本申请实施例提供的一种云边协调的边缘计算的方法，获取设备传感器采集到的数据，将该数据输入边缘计算模型；通过边缘计算模型，在本地网关对数据进行过滤和处理，并将处理的结果发送到云端；云端发送命令到网关，通过边缘计算模型将数据输出物模型参数转换为二进制流；网关将二进制流发送到设备传感器进行控制，解决了物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，提升了数据处理效率，减轻云端负荷，为用户提供更快速的响应，并能降低开发成本。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种云边协调的边缘计算的方法的应用环境示意图；

图2是根据本申请实施例的云边协调的边缘计算方法的流程图；

图3是根据本申请实施例的设备上行采集数据的处理转换示意图；

图4是根据本申请实施例的云端命令输出控制的数据转换示意图；

图5是根据本申请实施例的用户自定义边缘计算模型的数据转换示意图；

图6是根据本申请实施例的智能空开测试的边缘计算模型的实例示意图；

图7是根据本申请实施例的云边协调的边缘计算***的结构框图；

图8是根据本申请实施例的电子设备的内部结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请提供的云边协调的边缘计算的方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的一种云边协调的边缘计算的方法的应用环境示意图，如图1所示，其中，该应用环境的***包括设备传感器10、网关11和云端12，具体的实现方法为：获取设备传感器10采集到的数据，将该数据输入边缘计算模型中，接着通过边缘计算模型，在本地网关11对数据进行过滤和处理，并将处理的结果发送到云端12，实现设备数据的上行采集；云端12发送命令到网关11，通过边缘计算模型将数据输出物模型参数转换为二进制流，然后网关11将二进制流发送到设备传感器10进行控制，实现下行设备控制，解决了物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，提升了数据处理效率，减轻云端负荷，为用户提供更快速的响应，并能降低开发成本。

本实施例提供了一种云边协调的边缘计算的方法，图2是根据本申请实施例的云边协调的边缘计算方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，获取设备传感器10采集到的数据，将该数据输入边缘计算模型，其中，边缘计算是在高带宽、时间敏感型和物联网集成这个背景下发展起来的技术，它是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务，边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端，其中，物理实体搭载着融合网络、计算、存储、应用核心能力的边缘计算平台，为终端用户提供实时、动态和智能的服务计算。可选的，本实施例中从设备的RS485接口上读取二进制流原始数据，例如，‘010310012A021B002F022B000D0011FFFFFFFF59B7’，然后将获取到的原始数据输入边缘计算模型；

步骤S202，通过边缘计算模型，在本地网关11对获取到的原始数据进行过滤和处理，并将处理的结果发送到云端12，可选的，本实施例通过边缘计算模型，在本地网关11对获取到的原始数据，例如：‘010310012A021B002F022B000D0011FFFFFFFF59B7’进行过滤和处理，得到数据输出物模型对应的json对象，并将其发送到云端12，其中，json字符串描述了从哪个设备的哪个服务返回的原始数据。图3是根据本申请实施例的设备上行采集数据的处理转换示意图，如图3所示，可选的，本实施例中从设备采集的原始数据到发送至云端12的json对象过程中的数据流转具体为：从设备的RS485接口上读取二进制流原始数据‘010310012A021B002F022B000D0011FFFFFFFF59B7’，将其组装为json_obj，然后调用本地网关脚本函数protocol_decode()，将json_obj传递给脚本语言Lua，接着Lua将json对象返回给c语言，最后c发送json对象到云端(Cloud)，经过混编语言的数据转换，c将原始数据转换后得到的json对象入库并输出到云端的数据输出物模型中，输出数据为{"zaoyin":55.5,"PM10":17,"identifier":"post",

"wendu":25.6,"zhaodu":188,"shifushidu":53.9,"term_addr":"01","PM2_5":13}，其中，protocol_decode()的作用是根据设备协议将二进制流转换为设备的物模型对应的json对象，Lua是一个简洁、轻量、可扩展的脚本语言。本实施例通过边缘计算模型，在本地网关对原始数据进行过滤和处理，数据处理更接近数据来源，而不是在外部数据中心或云端进行，可以减少迟延时间，能大大提升数据的处理和分析效率，减轻云端负荷；

步骤S203，云端12发送命令到网关11，通过边缘计算模型将数据输出物模型参数转换为二进制流，可选的，本实施例中云端12发送输入命令，例如：'{"term_addr":"01","identifier":"post"}'到网关11，接着通过边缘计算模型将数据输出物模型参数json对象数据，转换为对应的二进制流数据‘0 010300000008440c 16’，其中，输入命令中的"term_addr":"01"指的是485设备的地址码，"identifier":"post"指的是485设备物模型定义的服务识别符；

步骤S204，网关11将转换得到的二进制流数据发送到设备传感器10中进行控制，可选的，本实施例中网关11将转换得到的二进制流数据‘0010300000008440c 16’发送到设备传感器10中，由RS485接口接收数据，实现对设备485的下行控制。图4是根据本申请实施例的云端命令输出控制的数据转换示意图，如图4所示，可选的，本实施例中从云端输出命令参数到发送至设备过程中的数据流转具体为：云端12发送命令参数，如：json对象数据'{"term_addr":"01","identifier":"post"}'到网关11，然后将json对象数据传递给脚本语言Lua，并调用脚本函数protocol_encode()将json数据转换为二进制流数据，接着Lua将二进制流数据转换为ASCII串，返回给c，c将二进制流的ASCII串‘0 010300000008440c16’，发送到485设备，实现对设备485的下行控制，其中，protocol_encode()的作用是根据协议描述将json数据转换为设备节点的二进制流数据。本实施例通过边缘计算模型将命令发送到网关，在网关本地进行数据转换，实现在本地对设备进行控制，能减少迟延时间，使得设备可以稳定地离线运行。

通过上述步骤S201至步骤S204，相对于现有技术中，物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题。本实施例采用可自定义的边缘计算模型，获取设备传感器10采集到的原始数据，将该数据输入边缘计算模型中，接着通过边缘计算模型，在本地网关11对获取到的原始数据进行过滤和处理，得到数据输出物模型对应的参数，并将参数发送到云端12，实现设备数据的上行采集；云端12发送命令参数到网关11，通过边缘计算模型将数据输出物模型参数转换为二进制流，然后网关11将转换得到的二进制流发送到设备传感器10进行控制，实现下行设备控制，解决了现有技术中物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，提升了数据处理效率，减轻云端负荷，为用户提供更快速的响应，并能降低开发成本，提高了软件的可复用性。

在其中一些实施例中，将设备采集到的数据输入边缘计算模型之前，用户在云端12通过脚本化语言自定义边缘计算模型，其中，将设备传感器10采集到的数据作为输入源，自定义计算结果作为边缘计算模型的数据输出源，图5是根据本申请实施例的用户自定义边缘计算模型的数据转换示意图，如图5所示，可选的，本实施例中用户自定义边缘计算模型的数据转化具体为：在云端12将用户选择的各个设备数据源对应的物模型参数json对象数据，如：{"sn":"6543211232E","time":1574213209,"state":0,"quality":0,"identifier":"post","tags"{"PM25":29,"PM10":36,"shidu":36.2,"zhaodu":564,"zaoyin":52.2,"wendu":19.2}}发送传递到本地网关的c中，接着调用脚本函数protocol_decode()，并将json对象数据传递给Lua，在Lua中计算并缓存相关数据，返回为用户自定义的物模型参数，从Lua语言转换为c，最后本地网关将对应的物模型数据发送到云端12，输出对应的数据输出物模型参数为：{"zaoyin":55.5,"PM10":17,"identifier":"post","wendu":25.6,"zhaodu":188,"shifushidu":53.9,"term_addr":"01","PM25":13}，其中protocol_decode()函数的作用是根据用户选择的数据源，计算并映射出新物模型数据。图6是根据本申请实施例的智能空开测试的边缘计算模型的实例示意图，如图6所示，可选的，本实施例中用户在计算单元通过脚本化语言自定义边缘计算模型，其中，将设备传感器10采集到的负氧离子数据作为输入源，自定义FRP上在线网关、平台在线网关和平台所有网关中的处理数据作为边缘计算模型的输出源，实现了一套云端可配置的边缘计算模型的搭建，为用户提供了一个可自定义的数据处理和转化的工具，提高了软件工具的可复用性，且降低了开发的复杂度和成本。

在其中一些实施例中，在用户完成边缘计算模型的自定义设置之后，将计算单元中自定义的计算模型下发配置到网关11，网关11在本地对设备传感器10采集到的数据进行过滤和处理，本实施例通过将计算模型下发配置至网关，在本地执行计算算法，能减轻云端负荷，节省网络流量资源，提升运行效率，在本地更快速地处理和分析数据，为用户提供更快速的响应。

在其中一些实施例中，将处理的结果发送到云端12包括：将处理的结果按照定义的数据输出物模型发送到云端12。可选的，数据输出物模型的参数从根据不同设备属性定义的服务标识符中获取，在下行控制时，下行参数标识符的参数来自于用户点击添加的设备控制时输入的控制参数；在上行应答时，上行数据标识符的参数从下挂设备上读取，通过设置数据输出物模型，给用户提供一个统一的输出模型框架，能提高模型的可复用性，有利于提高使用效率。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种云边协调的边缘计算的***，该***用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是根据本申请实施例的云边协调的边缘计算***的结构框图，如图7所示，该***包括输入模块71、输出模块72、发送模块73和控制模块74：

输入模块71，用于获取设备传感器采集到的数据，将数据输入边缘计算模型；输出模块72，用于通过边缘计算模型，在本地网关对设备传感器采集到的数据进行过滤和处理，并将处理的结果发送到云端；发送模块73，用于云端发送命令到网关，通过边缘计算模型将数据输出物模型参数转换为二进制流；控制模块74，用于网关将转换得到的二进制流发送到设备传感器进行控制。

通过上述***，输入模块71获取设备传感器采集到的数据，将该数据输入边缘计算模型；输出模块72通过边缘计算模型，在本地网关对原始数据进行过滤和处理，数据处理更接近数据来源，而不是在外部数据中心或云端进行，可以减少迟延时间，能大大提升数据的处理和分析效率，减轻云端负荷；发送模块73云端发送命令到网关，通过边缘计算模型将数据输出物模型参数转换为二进制流；控制模块74通过边缘计算模型将命令发送到网关，在网关本地进行数据转换，实现在本地对设备进行控制，能减少迟延时间，使得设备可以稳定地离线运行。整个***解决了物联网的边缘计算***缺少统一集中管理的可自定义的通用边缘计算框架，导致开发重复且复杂，成本高和复用性差的问题，提升了数据处理效率，减轻云端负荷，为用户提供更快速的响应，并能降低开发成本，提高了软件的可复用性。

在其中一些实施例中，将设备采集到的数据输入边缘计算模型之前，用户在云端通过脚本化语言自定义边缘计算模型，其中，将设备传感器采集到的数据作为输入源，自定义计算结果作为边缘计算模型的数据输出源，可选的，本实施例中用户自定义边缘计算模型的数据转化具体为：在云端将用户选择的各个设备数据源对应的物模型参数json对象数据，如：{"sn":"6543211232E","time":1574213209,"state":0,"quality":0,"identifier":"post","tags"{"PM25":29,"PM10":36,"shidu":36.2,"zhaodu":564,"zaoyin":52.2,"wendu":19.2}}发送传递到本地网关的c中，接着调用脚本函数protocol_decode()，并将json对象数据传递给Lua，在Lua中计算并缓存相关数据，返回为用户自定义的物模型参数，从Lua语言转换为c，最后本地网关将对应的物模型数据发送到云端，输出对应的数据输出物模型参数为：{"zaoyin":55.5,"PM10":17,"identifier":"post","wendu":25.6,"zhaodu":188,"shifushidu":53.9,"term_addr":"01","PM25":13}，protocol_decode()函数的作用是根据用户选择的数据源，计算并映射出新物模型数据。可选的，本实施例中用户在计算单元通过脚本化语言自定义边缘计算模型，其中，将设备传感器采集到的负氧离子数据作为输入源，自定义FRP上在线网关、平台在线网关和平台所有网关中的处理数据作为边缘计算模型的输出源，实现了一套云端可配置的边缘计算模型的搭建，为用户提供了一个可自定义的数据处理和转化的工具，提高了软件工具的可复用性，且降低了开发的复杂度和成本。

在其中一些实施例中，输入模块还用于在用户完成边缘计算模型的自定义设置之后，将计算单元中自定义的计算模型下发配置到网关，网关在本地对设备传感器采集到的数据进行过滤和处理，本实施例通过将计算模型下发配置至网关，在本地执行计算算法，能减轻云端负荷，节省网络流量资源，提升运行效率，在本地更快速地处理和分析数据，为用户提供更快速的响应。

在其中一些实施例中，输出模块还用于将处理的结果按照定义的数据输出物模型发送到云端。可选的，数据输出物模型的参数从根据不同设备属性定义的服务标识符中获取，在下行控制时，下行参数标识符的参数来自于用户点击添加的设备控制时输入的控制参数；在上行应答时，上行数据标识符的参数从下挂设备上读取，通过设置数据输出物模型，给用户提供一个统一的输出模型框架，能提高模型的可复用性，有利于提高使用效率。

下面结合应用场景对本发明进行详细的说明。

本发明的目的是提供一套云端可配置的边缘计算的模型，将设备采集的数据汇聚后，作为数据输入源提供给边缘计算模型，通过用户自定义的数据输出模型，输出计算结果到云端。例如，监测房屋倾斜，需要四角加装水平仪传感器，每秒钟每个水平仪会有数十条原始数据，如果原始数据直接上平台，会给平台造成很大压力。用户通过云平台自定义边缘计算模型，将水平仪的原始数据作为数据输入源，定义房屋是否倾斜作为数据输出源。然后将原始数据计算的算法通过Lua，Python脚本语言描述出来，下发到网关，这样原始数据无需上传云端，计算脚本在网关本地执行，输出结果是业务平台需要的房屋是否倾斜的最终数据结果。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

另外，结合上述实施例中的云边协调的边缘计算的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种云边协调的边缘计算的方法。

在一个实施例中，图8是根据本申请实施例的电子设备的内部结构示意图，如图8所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图8所示。该电子设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种云边协调的边缘计算的方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种云边协调的边缘计算的方法，其特征在于，所述方法包括：

获取设备传感器采集到的数据，将所述数据输入边缘计算模型；

通过所述边缘计算模型，在本地网关对所述数据进行过滤和处理，并将所述处理的结果发送到云端；

所述云端发送命令到网关，通过所述边缘计算模型将数据输出物模型参数转换为二进制流；

所述网关将所述二进制流发送到所述设备传感器进行控制。

2.根据权利要求1所述的方法，其特征在于，所述将所述数据输入边缘计算模型之前，所述方法包括：

用户在所述云端通过脚本化语言自定义所述边缘计算模型，将所述设备传感器采集到的数据作为输入源，自定义计算结果作为所述边缘计算模型的数据输出源。

3.根据权利要求1或2所述的方法，其特征在于，用户完成所述边缘计算模型自定义设置之后，所述方法包括：

将所述计算模型下发配置到所述网关，所述网关在本地对所述设备传感器采集到的数据进行过滤和处理。

4.根据权利要求1所述的方法，其特征在于，所述将所述处理的结果发送到云端包括：

将所述结果按照定义的所述数据输出物模型发送到所述云端。

5.一种云边协调的边缘计算的***，其特征在于，所述***包括：设备传感器、网关和云端；

输入模块，用于获取所述设备传感器采集到的数据，将所述数据输入边缘计算模型；

输出模块，用于通过所述边缘计算模型，在本地网关对所述数据进行过滤和处理，并将所述处理的结果发送到所述云端；

发送模块，用于所述云端发送命令到网关，通过所述边缘计算模型将数据输出物模型参数转换为二进制流；

控制模块，用于所述网关将所述二进制流发送到所述设备传感器进行控制。

6.根据权利要求5所述的***，其特征在于，所述将所述数据输入边缘计算模型之前，所述***包括：

用户在所述云端通过脚本化语言自定义所述边缘计算模型，将所述设备传感器采集到的数据作为输入源，自定义计算结果作为所述边缘计算模型的数据输出源。

7.根据权利要求5或6所述的***，其特征在于，用户完成所述边缘计算模型自定义设置之后，所述***包括：

输入模块将所述计算模型下发配置到所述网关，所述网关在本地对所述设备传感器采集到的数据进行过滤和处理。

8.根据权利要求5所述的***，其特征在于，所述将所述处理的结果发送到云端包括：

输出模块将所述结果按照定义的所述数据输出物模型发送到所述云端。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任一项所述的云边协调的边缘计算的方法。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至4中任一项所述的云边协调的边缘计算的方法。

Images