CN113032413A - 数据采样方法、装置、电子设备、存储介质和程序产品 - Google Patents
数据采样方法、装置、电子设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN113032413A CN113032413A CN202110260809.8A CN202110260809A CN113032413A CN 113032413 A CN113032413 A CN 113032413A CN 202110260809 A CN202110260809 A CN 202110260809A CN 113032413 A CN113032413 A CN 113032413A
- Authority
- CN
- China
- Prior art keywords
- timestamp
- target
- data
- length
- periodic data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 title claims abstract description 34
- 230000000737 periodic effect Effects 0.000 claims abstract description 81
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 26
- 238000001914 filtration Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 108010080865 Factor XII Proteins 0.000 description 2
- 102000000429 Factor XII Human genes 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102100023927 Asparagine synthetase [glutamine-hydrolyzing] Human genes 0.000 description 1
- 108010071289 Factor XIII Proteins 0.000 description 1
- 101100380329 Homo sapiens ASNS gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2308—Concurrency control
- G06F16/2315—Optimistic concurrency control
- G06F16/2322—Optimistic concurrency control using timestamps
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例涉及一种数据采样方法、装置、计算机设备、存储介质和程序产品。方法包括：获取周期数据；其中，周期数据为周期性上报的数据，每一周期数据对应一个第一时间戳；获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳；上报目标时间戳对应的周期数据。从而可以实现按照周期数据的时间戳进行筛选，并按照筛选得到的目标时间戳上报周期数据，减少周期数据的上报量，降低了数据的并发量。
Description
技术领域
本公开实施例涉及数据采样技术领域，特别是涉及一种数据采样方法、装置、电子设备、存储介质和程序产品。
背景技术
随着互联网共享技术的发展，出现了对共享产品进行数据搜集和追踪的技术，通过搜集或追踪到的数据，可以对共享产品的状态进行分析和管理。传统方法中，通常是共享产品按照一定的时间间隔周期性地向服务器上报数据。
然而，传统方法中的数据上报方式，会出现短时间内上报大量数据的情况，数据并发量大，会对下游客户端或服务器造成影响。
发明内容
本公开实施例提供一种数据采样方法、装置、电子设备、存储介质和程序产品，可以用于解决并发量大的问题。
第一方面，本公开实施例提供一种数据采样方法，所述方法包括：
获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
上报所述目标时间戳对应的周期数据。
在一个实施例中，所述目标时间窗的长度为所述，的N倍，所述N大于1的正整数。
在一个实施例中，所述按照周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳，包括：
筛选小于所述周期长度的第二时间戳，得到所述目标时间戳。
在一个实施例中，所述筛选小于所述周期长度的第二时间戳，得到所述目标时间戳，包括：
获取目标扰动因子，在所述第二时间戳的基础上，添加所述目标扰动因子，得到更新后的第二时间戳；
从更新后的第二时间戳中，筛选小于所述周期长度的时间戳，得到所述目标时间戳。
在一个实施例中，所述获取目标扰动因子，包括：
根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子；其中，所述车辆编号为上报所述周期数据的车辆的编号。
在一个实施例中，所述根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子，包括：
按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子。
在一个实施例中，所述按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子，包括：
将所述车辆编号与所述周期长度之间的乘积，确定为第一扰动因子；
将所述第一扰动因子与所述车辆编号的长度之间的比值，确定为第二扰动因子；
对所述第二扰动因子取整，得到所述目标扰动因子。
第二方面，本公开实施例提供一种数据采样装置，所述装置包括：
数据获取模块，用于获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
时间戳确定模块，用于获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
时间戳筛选模块，用于按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
数据采样模块，用于上报所述目标时间戳对应的周期数据。
在一个实施例中，所述目标时间窗的长度为所述周期长度的N倍，所述N大于1的正整数。
在一个实施例中，所述时间戳筛选模块还用于：
筛选小于所述周期长度的第二时间戳，得到所述目标时间戳。
在一个实施例中，所述时间戳筛选模块还用于：
获取目标扰动因子，在所述第二时间戳的基础上，添加所述目标扰动因子，得到更新后的第二时间戳；
从更新后的第二时间戳中，筛选小于所述周期长度的时间戳，得到所述目标时间戳。
在一个实施例中，所述时间戳筛选模块还用于：
根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子；其中，所述车辆编号为上报所述周期数据的车辆的编号。
在一个实施例中，所述时间戳筛选模块还用于：
按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子。
在一个实施例中，所述时间戳筛选模块还用于：
将所述车辆编号与所述周期长度之间的乘积，确定为第一扰动因子；
将所述第一扰动因子与所述车辆编号的长度之间的比值，确定为第二扰动因子；
对所述第二扰动因子取整，得到所述目标扰动因子。
第三方面，本公开实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并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第一方面所述的方法。
第四方面，本公开实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
第五方面，本公开实施例一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的方法。
本公开实施例提供的数据采样方法、装置、计算机设备、存储介质和程序产品，通过获取周期数据；其中，周期数据为周期性上报的数据，每一周期数据对应一个第一时间戳；获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳；上报目标时间戳对应的周期数据。从而可以实现按照周期数据的时间戳进行筛选，并按照筛选得到的目标时间戳上报周期数据，减少周期数据的上报量，降低了数据的并发量。
附图说明
图1为一个实施例中数据采样方法的系架构图；
图2为一个实施例中数据采样方法的流程示意图；
图3为一个实施例中步骤S300的一种可实施方式的流程示意图；
图4为一个实施例中步骤S310的一种可实施方式的流程示意图；
图5为一个实施例中数据采样装置的结构框图；
图6为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本公开实施例的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开实施例，并不用于限定本公开实施例。
首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。通常情况下，在共享单车、共享电动车或网约车出行领域，需要实时获取共享单车、共享电动车或网约车的数据，并进行实时追踪，以提高安全性和实用性。当前的技术背景是：通常是共享单车、共享电动车或网约车按照一定的时间间隔主动上报车辆数据。基于该背景，申请人通过长期的模拟研发以及数据的搜集、演示和验证，发现共享单车、共享电动车或网约车可能会出现短时间内上报大量数据的情况，导致下游客户端或服务器或应用并发量过大，影响下游客户端或服务器或应用的正常运行。如何减小数据并发量，避免对下游客户端或服务器或应用的影像成为目前亟待解决的难题。
下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。
本公开实施例提供的数据采样方法，可以应用于如图1所示的***架构中。该***架构包括单车端101、客户端102以及服务器103。其中，单车101可以为脚踏自行车、电动自行车、滑板车、摩托车等非机动或者机动车辆；客户端102可以为手机、平板电脑、IPAD等电子设备，还可以为安装在电子设备上的APP软件；服务器103可以为独立的服务器或者是多个服务器组成的服务器集群。其中，单车端101设置有通信组件，其可以通过无线的方式与客户端102或者服务器103进行通信，例如，客户端102可以根据用户的解锁操作向单车端发送解锁指令等。另外，客户端102和服务器103之间可以采用无线或者有线的方式进行通信。本公开实施例对单车端101、客户端102以及服务器103之间的通信方式并不做限定。
在一个实施例中，如图2所示，提供了一种数据采样方法，以该方法应用于图1中的单车端101或客户端102为例进行说明，包括以下步骤：
步骤S100，获取周期数据；其中，周期数据为周期性上报的数据，每一周期数据对应一个第一时间戳。
步骤S200，获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，将得到的余数确定为第二时间戳。
步骤S300，按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳。
步骤S400，上报目标时间戳对应的周期数据。
其中，时间戳是使用数字签名技术产生的数据，签名的对象包括了原始文件信息、签名参数、签名时间等信息。周期数据为周期性上报的数据，每一周期数据对应一个上报的时间戳，该时间戳为第一时间戳。第二时间戳是指对第一时间戳取余后的余数，该余数可看作是对第一时间戳进行变换后的另一时间戳。
具体地，获取包括第一时间戳的周期数据。接着，获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，得到的余数是小于目标时间窗长度的时间戳，将该第一时间戳的余数时间戳确定为第二时间戳。并按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳。由此可见，第一时间戳的数量等于第二时间戳的数量，目标时间戳是在第二时间戳的基础上筛选得到的，目标时间戳的数量是小于第一时间戳的数量的。最后，上报目标时间戳对应的周期数据。此时，原本应该按照第一时间戳上报周期数据的状态，变成了按照目标时间上报周期数据，减少了数据上报的次数，同时减小了数据的并发量。
上述数据采样方法中，通过获取周期数据；其中，周期数据为周期性上报的数据，每一周期数据对应一个第一时间戳；获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳；上报目标时间戳对应的周期数据。从而可以实现按照周期数据的时间戳进行筛选，并按照筛选得到的目标时间戳上报周期数据，减少周期数据的上报量，降低了数据的并发量。
在一个实施例中，为步骤S300的一种可实施方式，包括：
筛选小于周期长度的第二时间戳，得到目标时间戳。
其中，目标时间窗的长度为周期长度的N倍，N大于1的正整数。
具体地，将第二时间戳分别与周期长度进行比较，并将小于周期长度的第二时间戳筛选出来，确定为目标时间戳。
示例地，当周期数据的周期长度为15s，N为4，目标时间窗的长度为15s*4＝60s时，如表1所示，为三辆共享车辆(车辆1、车辆2和车辆3)以15s为周期上报数据对应的第一时间戳和第二时间戳。
表1共享车辆的第一时间戳和第二时间戳
由表1可见，第二时间戳中小于周期长度15s的目标时间戳为车辆1第三行、第七行、第十一行、第十五行的1，车辆2第三行、第七行、第十一行、第十五行的6，车辆3第三行、第七行、第十一行、第十五行的8。
可选地，从表1中可以看出，当周期数据的周期长度为15s，N为4，目标时间窗的长度为15s*4＝60s时，对于同一辆车每4条数据必有1条被选中，即采样比率为25％。同样地，当周期数据的周期长度为15s，N为2，目标时间窗的长度为15s*2＝30s时，对于同一辆车每2条数据必有1条被选中，即采样比率为50％；当周期数据的周期长度为15s，N为8，目标时间窗的长度为15s*8＝120s时，对于同一辆车每8条数据必有1条被选中，即采样比率为12.5％。需要说明的是，上述N为2、4、8仅为示例性说明，具体实施中，可选择大于1的任一正整数。
上述实施例中，通过筛选小于周期长度的第二时间戳，得到目标时间戳。后续按照目标时间戳上报数据，可以减少上报数据的次数，同时保证每一车辆在一段时间内(目标时间窗长度)，均有数据可以上报，实现数据的均衡上报。同时，根据周期长度确定的目标时间窗长度，可以在周期长度较短的情况下，提高数据上报的实时性，而在周期长度较长的情况下，减小数据上报的***开销。
在一个实施例中，如图3所示，为步骤S300的一种可实施方式的流程示意图，具体包括：
步骤S310，获取目标扰动因子，在第二时间戳的基础上，添加目标扰动因子，得到更新后的第二时间戳。
步骤S320，从更新后的第二时间戳中，筛选小于周期长度的时间戳，得到目标时间戳。
其中，目标扰动因子是指能够使第二时间戳发生变化的时间量。
具体地，由上一实施例可知，按照目标时间戳进行数据的上报确实能缓解一定的数据并发量大的问题。然而，目标时间戳集中在三辆共享车辆的同一时间，当车辆多的时候，同样会出现在短时间内数据并发量大的问题。为解决这一问题，可通过如下方式解决：获取目标扰动因子，在第二时间戳的基础上，添加目标扰动因子，得到更新后的第二时间戳。将更新后的第二时间戳分别与周期长度进行比较，并将小于周期长度的第二时间戳筛选出来，确定为目标时间戳。
示例地，当目标扰动因子为12s时，如表2所示，为三辆共享车辆(车辆1、车辆2和车辆3)的更新后的第二时间戳、和目标时间戳。
表2共享车辆的第二时间戳和更新后的第二时间戳
由表2可见，更新后的第二时间戳中小于周期长度15s的目标时间戳为车辆1第四行、第八行、第十二行、第十六行的13，车辆2第三行、第七行、第十一行、第十五行的3，车辆3第三行、第七行、第十一行、第十五行的5。可见，新的目标时间戳没有像表1所示集中在同一时间进行数据的上报，可减小数据上报的并发量。
上述实施例中，通过获取目标扰动因子，在第二时间戳的基础上，添加目标扰动因子，得到更新后的第二时间戳，从更新后的第二时间戳中，筛选小于周期长度的时间戳，得到目标时间戳，可以平滑并发量，进一步减小数据的并发量。
在一个实施例中，为步骤S310的一种可实施方式，包括：
根据获取到的车辆编号和周期长度，确定出目标扰动因子；其中，车辆编号为上报周期数据的车辆的编号。
具体地，为了对每一车辆进行区分，使得车辆之间不会出现数据挤压，可以根据具体的车辆编号确定目标扰动因子，同时为兼顾周期长度对扰动的影响，可以同时根据具体的周期长度确定目标扰动因子。可选地，按照目标扰动因子与车辆编号、周期长度成正比例的关系，确定出目标扰动因子。
可选地，如图4所示，为步骤S310的一种可实施方式的流程示意图，具体包括：
步骤S311，将车辆编号与周期长度之间的乘积，确定为第一扰动因子。
步骤S312，将第一扰动因子与车辆编号的长度之间的比值，确定为第二扰动因子。
步骤S313，对第二扰动因子取整，得到目标扰动因子。
其中，车辆编号的长度是指车辆编号的周期，例如，当将车辆的尾号确定为车辆编号时，车辆编号可以是0、1、2、……、8、9等10个数字，此时车辆编号的长度为10。当将车辆的后两位数字确定为车辆编号时，车辆编号可以是00、01、02、……、98、99等100个数字，此时车辆编号的长度为100。
具体地，将车辆编号与周期长度之间的乘积，确定为第一扰动因子，第一扰动因子为(车辆编号*周期长度)。将第一扰动因子(车辆编号*周期长度)与车辆编号的长度之间的比值，确定为第二扰动因子，第二扰动因子为(车辆编号*周期长度)/车辆编号的长度。对第二扰动因子取整，得到目标扰动因子。
示例地，当车辆编号为8，车辆编号的长度为10时，将车辆编号8与周期长度15之间的乘积120，确定为第一扰动因子。将第一扰动因子120与车辆编号的长度10之间的比值12，确定为第二扰动因子。对第二扰动因子12取整，得到目标扰动因子12。
可选地，当车辆编号为9，车辆编号的长度为10时，将车辆编号9与周期长度15之间的乘积135，确定为第一扰动因子。将第一扰动因子135与车辆编号的长度10之间的比值13.5，确定为第二扰动因子。对第二扰动因子13.5取整，得到目标扰动因子13。可选地，此处的对第二扰动因子向下取整仅为示例性说明，具体实现过程中也可以是其他的取整方式。
上述实施例中，根据获取到的车辆编号和周期长度，确定出目标扰动因子。可以同时兼顾车辆编号和周期长度对扰动的影响，为对共享车辆的追踪提供基础，同时能够为第二时间戳提供扰动量，为后续确定最终的目标时间戳，进一步减小数据的并发量提供基础。
应该理解的是，虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种数据采样装置，包括：数据获取模块501、时间戳确定模块502、时间戳筛选模块503和数据采样模块504，其中：
数据获取模块501，用于获取周期数据；其中，周期数据为周期性上报的数据，每一周期数据对应一个第一时间戳；
时间戳确定模块502，用于获取目标时间窗，并按照目标时间窗的长度，对周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
时间戳筛选模块503，用于按照周期数据的周期长度，筛选第二时间戳，得到目标时间戳；
数据采样模块504，用于上报目标时间戳对应的周期数据。
在一个实施例中，目标时间窗的长度为周期长度的N倍，N大于1的正整数。
在一个实施例中，时间戳筛选模块503还用于：筛选小于周期长度的第二时间戳，得到目标时间戳。
在一个实施例中，时间戳筛选模块503还用于：获取目标扰动因子，在第二时间戳的基础上，添加目标扰动因子，得到更新后的第二时间戳；从更新后的第二时间戳中，筛选小于周期长度的时间戳，得到目标时间戳。
在一个实施例中，时间戳筛选模块503还用于：根据获取到的车辆编号和周期长度，确定出目标扰动因子；其中，车辆编号为上报周期数据的车辆的编号。
在一个实施例中，时间戳筛选模块503还用于：按照目标扰动因子与车辆编号、周期长度成正比例的关系，确定出目标扰动因子。
在一个实施例中，时间戳筛选模块503还用于：将车辆编号与周期长度之间的乘积，确定为第一扰动因子；将第一扰动因子与车辆编号的长度之间的比值，确定为第二扰动因子；对第二扰动因子取整，得到目标扰动因子。
关于数据采样装置的具体限定可以参见上文中对于数据采样方法的限定，在此不再赘述。上述数据采样装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图6是根据一示例性实施例示出的一种电子设备1300的内部结构图。例如，电子设备1300可以是承载客户端的移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图6，电子设备1300可以包括以下一个或多个组件：处理组件1302，存储器1304，电源组件1306，多媒体组件1308，音频组件1310，输入/输出(I/O)的接口1312，传感器组件1314，以及通信组件1316。其中，存储器上存储有在处理器上运行的计算机程序或者指令。
处理组件1302通常控制电子设备1300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件1302可以包括一个或多个模块，便于处理组件1302和其他组件之间的交互。例如，处理组件1302可以包括多媒体模块，以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在电子设备1300的操作。这些数据的示例包括用于在电子设备1300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1306为电子设备1300的各种组件提供电力。电源组件1306可以包括电源管理***，一个或多个电源，及其他与为电子设备1300生成、管理和分配电力相关联的组件。
多媒体组件1308包括在所述电子设备1300和用户之间的提供一个输出接口的触控显示屏。在一些实施例中，触控显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1308包括一个前置摄像头和/或后置摄像头。当电子设备1300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如，音频组件1310包括一个麦克风(MIC)，当电子设备1300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中，音频组件1310还包括一个扬声器，用于输出音频信号。
I/O接口1312为处理组件1302和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器，用于为电子设备1300提供各个方面的状态评估。例如，传感器组件1314可以检测到电子设备1300的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1300的显示器和小键盘，传感器组件1314还可以检测电子设备1300或电子设备1300一个组件的位置改变，用户与电子设备1300接触的存在或不存在，电子设备1300方位或加速/减速和电子设备1300的温度变化。传感器组件1314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1316被配置为便于电子设备1300和其他设备之间有线或无线方式的通信。电子设备1300可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述数据采样方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1304，上述指令可由电子设备1300的处理器1320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品，该计算机程序被处理器执行时，可以实现上述方法。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行这些计算机指令时，可以全部或部分地按照本公开实施例所述的流程或功能实现上述方法中的部分或者全部。
示例性的，本申请实施例公开了TS1、一种数据采样方法，其特征在于，所述方法包括：
获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
上报所述目标时间戳对应的周期数据。
TS2、如TS1所述的方法，其特征在于，所述目标时间窗的长度为所述，的N倍，所述N大于1的正整数。
TS3、如TS1所述的方法，其特征在于，所述按照周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳，包括：
筛选小于所述周期长度的第二时间戳，得到所述目标时间戳。
TS4、如TS3所述的方法，其特征在于，所述筛选小于所述周期长度的第二时间戳，得到所述目标时间戳，包括：
获取目标扰动因子，在所述第二时间戳的基础上，添加所述目标扰动因子，得到更新后的第二时间戳；
从更新后的第二时间戳中，筛选小于所述周期长度的时间戳，得到所述目标时间戳。
TS5、如TS4所述的方法，其特征在于，所述获取目标扰动因子，包括：
根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子；其中，所述车辆编号为上报所述周期数据的车辆的编号。
TS6、如TS5所述的方法，其特征在于，所述根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子，包括：
按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子。
TS7、如TS6所述的方法，其特征在于，所述按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子，包括：
将所述车辆编号与所述周期长度之间的乘积，确定为第一扰动因子；
将所述第一扰动因子与所述车辆编号的长度之间的比值，确定为第二扰动因子；
对所述第二扰动因子取整，得到所述目标扰动因子。
TS8、一种数据采样装置，其特征在于，所述装置包括：
数据获取模块，用于获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
时间戳确定模块，用于获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
时间戳筛选模块，用于按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
数据采样模块，用于上报所述目标时间戳对应的周期数据。
TS9、如TS8所述的装置，其特征在于，所述目标时间窗的长度为所述周期长度的N倍，所述N大于1的正整数。
TS10、如TS 8所述的装置，其特征在于，所述时间戳筛选模块还用于：
筛选小于所述周期长度的第二时间戳，得到所述目标时间戳。
TS11、如TS 10所述的装置，其特征在于，所述时间戳筛选模块还用于：
获取目标扰动因子，在所述第二时间戳的基础上，添加所述目标扰动因子，得到更新后的第二时间戳；
从更新后的第二时间戳中，筛选小于所述周期长度的时间戳，得到所述目标时间戳。
TS12、如TS所述的装置，其特征在于，所述时间戳筛选模块还用于：
根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子；其中，所述车辆编号为上报所述周期数据的车辆的编号。
TS13、如TS所述的装置，其特征在于，所述时间戳筛选模块还用于：
按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子。
TS14、如TS所述的装置，其特征在于，所述时间戳筛选模块还用于：
将所述车辆编号与所述周期长度之间的乘积，确定为第一扰动因子；
将所述第一扰动因子与所述车辆编号的长度之间的比值，确定为第二扰动因子；
对所述第二扰动因子取整，得到所述目标扰动因子。
TS 15、一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现TS 1至7中任一项所述的方法的步骤。
TS 16、一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现TS 1至7中任一项所述的方法的步骤。
TS 17、一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现TS 1-7中任一项所述的方法的步骤。
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，所述的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，本公开实施例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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上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公开实施例的几种实施方式，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，在不脱离本公开实施例构思的前提下，还可以做出若干变形和改进，这些都属于本公开实施例的保护范围。因此，本公开实施例专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据采样方法，其特征在于，所述方法包括：
获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
上报所述目标时间戳对应的周期数据。
2.根据权利要求1所述的方法，其特征在于，所述目标时间窗的长度为所述周期长度的N倍，所述N大于1的正整数。
3.根据权利要求1所述的方法，其特征在于，所述按照周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳，包括：
筛选小于所述周期长度的第二时间戳，得到所述目标时间戳。
4.根据权利要求3所述的方法，其特征在于，所述筛选小于所述周期长度的第二时间戳，得到所述目标时间戳，包括：
获取目标扰动因子，在所述第二时间戳的基础上，添加所述目标扰动因子，得到更新后的第二时间戳；
从更新后的第二时间戳中，筛选小于所述周期长度的时间戳，得到所述目标时间戳。
5.根据权利要求4所述的方法，其特征在于，所述获取目标扰动因子，包括：
根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子；其中，所述车辆编号为上报所述周期数据的车辆的编号。
6.根据权利要求5所述的方法，其特征在于，所述根据获取到的车辆编号和所述周期长度，确定出所述目标扰动因子，包括：
按照所述目标扰动因子与所述车辆编号、所述周期长度成正比例的关系，确定出所述目标扰动因子。
7.一种数据采样装置，其特征在于，所述装置包括：
数据获取模块，用于获取周期数据；其中，所述周期数据为周期性上报的数据，每一所述周期数据对应一个第一时间戳；
时间戳确定模块，用于获取目标时间窗，并按照所述目标时间窗的长度，对所述周期数据的第一时间戳取余，将得到的余数确定为第二时间戳；
时间戳筛选模块，用于按照所述周期数据的周期长度，筛选所述第二时间戳，得到目标时间戳；
数据采样模块，用于上报所述目标时间戳对应的周期数据。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110260809.8A CN113032413A (zh) | 2021-03-10 | 2021-03-10 | 数据采样方法、装置、电子设备、存储介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110260809.8A CN113032413A (zh) | 2021-03-10 | 2021-03-10 | 数据采样方法、装置、电子设备、存储介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113032413A true CN113032413A (zh) | 2021-06-25 |
Family
ID=76469097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110260809.8A Pending CN113032413A (zh) | 2021-03-10 | 2021-03-10 | 数据采样方法、装置、电子设备、存储介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032413A (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101051959A (zh) * | 2007-05-11 | 2007-10-10 | 北京邮电大学 | 基于逐跳时间戳标签的网络链路带宽的测量方法 |
| CN103870574A (zh) * | 2014-03-18 | 2014-06-18 | 江苏物联网研究发展中心 | 基于h.264密文云视频存储的标签制作及索引方法 |
| CN104317811A (zh) * | 2014-09-25 | 2015-01-28 | 小米科技有限责任公司 | 业务指标的统计方法、装置及服务器 |
| CN105046426A (zh) * | 2015-07-08 | 2015-11-11 | 安徽立卓智能电网科技有限公司 | 一种基于数据库多张历史数据表的工况信息断面重现方法 |
| CN105245915A (zh) * | 2015-09-30 | 2016-01-13 | 上海有孚计算机网络有限公司 | 云桌面高清视频传输方法 |
| CN105808557A (zh) * | 2014-12-30 | 2016-07-27 | 陕西重型汽车有限公司 | 车辆监控***的数据质量分析***及其方法 |
| CN106657081A (zh) * | 2016-12-27 | 2017-05-10 | 株洲中车时代电气股份有限公司 | 实现机车车载高密数据远程访问的方法、车载模块及*** |
| CN106803936A (zh) * | 2017-02-24 | 2017-06-06 | 深圳英飞拓科技股份有限公司 | 基于内存编码机制的视频抓拍方法及装置 |
| CN107241155A (zh) * | 2016-03-28 | 2017-10-10 | 中兴通讯股份有限公司 | 一种自适应时钟恢复方法及装置 |
| CN108234493A (zh) * | 2018-01-03 | 2018-06-29 | 武汉大学 | 不可信服务器下隐私保护的时空众包统计数据发布方法 |
| CN108922193A (zh) * | 2018-08-03 | 2018-11-30 | 北京航空航天大学 | 一种基于浮动车轨迹数据的交叉口信号周期估计方法 |
| CN109408501A (zh) * | 2018-11-07 | 2019-03-01 | 北京锐安科技有限公司 | 一种位置数据的处理方法、装置、服务器及存储介质 |
| CN110738863A (zh) * | 2018-07-19 | 2020-01-31 | 北京嘀嘀无限科技发展有限公司 | 信号灯周期、配时改变时间、通行时长的确定方法及装置 |
| CN111008402A (zh) * | 2018-10-08 | 2020-04-14 | 国际商业机器公司 | 区块链时间戳协定 |
| CN111787082A (zh) * | 2020-06-22 | 2020-10-16 | 珠海格力电器股份有限公司 | 一种多级业务数据上报的方法、设备及*** |
| CN111950028A (zh) * | 2020-08-24 | 2020-11-17 | 重庆邮电大学 | 一种轨迹时间模式的差分隐私保护方法及*** |
| CN112286969A (zh) * | 2020-10-29 | 2021-01-29 | 广州汽车集团股份有限公司 | 低频数据连续性确定方法和装置 |
-
2021
- 2021-03-10 CN CN202110260809.8A patent/CN113032413A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101051959A (zh) * | 2007-05-11 | 2007-10-10 | 北京邮电大学 | 基于逐跳时间戳标签的网络链路带宽的测量方法 |
| CN103870574A (zh) * | 2014-03-18 | 2014-06-18 | 江苏物联网研究发展中心 | 基于h.264密文云视频存储的标签制作及索引方法 |
| CN104317811A (zh) * | 2014-09-25 | 2015-01-28 | 小米科技有限责任公司 | 业务指标的统计方法、装置及服务器 |
| CN105808557A (zh) * | 2014-12-30 | 2016-07-27 | 陕西重型汽车有限公司 | 车辆监控***的数据质量分析***及其方法 |
| CN105046426A (zh) * | 2015-07-08 | 2015-11-11 | 安徽立卓智能电网科技有限公司 | 一种基于数据库多张历史数据表的工况信息断面重现方法 |
| CN105245915A (zh) * | 2015-09-30 | 2016-01-13 | 上海有孚计算机网络有限公司 | 云桌面高清视频传输方法 |
| CN107241155A (zh) * | 2016-03-28 | 2017-10-10 | 中兴通讯股份有限公司 | 一种自适应时钟恢复方法及装置 |
| CN106657081A (zh) * | 2016-12-27 | 2017-05-10 | 株洲中车时代电气股份有限公司 | 实现机车车载高密数据远程访问的方法、车载模块及*** |
| CN106803936A (zh) * | 2017-02-24 | 2017-06-06 | 深圳英飞拓科技股份有限公司 | 基于内存编码机制的视频抓拍方法及装置 |
| CN108234493A (zh) * | 2018-01-03 | 2018-06-29 | 武汉大学 | 不可信服务器下隐私保护的时空众包统计数据发布方法 |
| CN110738863A (zh) * | 2018-07-19 | 2020-01-31 | 北京嘀嘀无限科技发展有限公司 | 信号灯周期、配时改变时间、通行时长的确定方法及装置 |
| CN108922193A (zh) * | 2018-08-03 | 2018-11-30 | 北京航空航天大学 | 一种基于浮动车轨迹数据的交叉口信号周期估计方法 |
| CN111008402A (zh) * | 2018-10-08 | 2020-04-14 | 国际商业机器公司 | 区块链时间戳协定 |
| CN109408501A (zh) * | 2018-11-07 | 2019-03-01 | 北京锐安科技有限公司 | 一种位置数据的处理方法、装置、服务器及存储介质 |
| CN111787082A (zh) * | 2020-06-22 | 2020-10-16 | 珠海格力电器股份有限公司 | 一种多级业务数据上报的方法、设备及*** |
| CN111950028A (zh) * | 2020-08-24 | 2020-11-17 | 重庆邮电大学 | 一种轨迹时间模式的差分隐私保护方法及*** |
| CN112286969A (zh) * | 2020-10-29 | 2021-01-29 | 广州汽车集团股份有限公司 | 低频数据连续性确定方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 何楠: "基于贝叶斯估计的工业无线网络时间同步研究", 中国优秀硕士学位论文全文数据库, no. 08, 31 May 2010 (2010-05-31) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107167159B (zh) | 一种移动终端计步的方法及移动终端 | |
| CN107590534B (zh) | 训练深度卷积神经网络模型的方法、装置及存储介质 | |
| CN111553464A (zh) | 基于超网络的图像处理方法、装置及智能设备 | |
| CN112464096A (zh) | 一种信息处理方法及装置 | |
| CN111586295B (zh) | 图像生成方法、装置和电子设备 | |
| US11797218B2 (en) | Method and device for detecting slow node and computer-readable storage medium | |
| CN112486658A (zh) | 一种任务调度方法、装置和用于任务调度的装置 | |
| CN113032413A (zh) | 数据采样方法、装置、电子设备、存储介质和程序产品 | |
| CN108012258B (zh) | 虚拟sim卡的数据流量管理方法、装置、终端及服务器 | |
| CN110312117B (zh) | 数据刷新方法及装置 | |
| CN107886956B (zh) | 音频识别方法、装置及计算机存储介质 | |
| CN110046035B (zh) | ***切换方法、装置及电子设备 | |
| CN111061633A (zh) | 一种网页首屏时间检测方法、装置、终端及介质 | |
| CN106534254B (zh) | 计量数据的获取方法 | |
| CN113467853B (zh) | 数据处理方法、装置、设备、存储介质和程序产品 | |
| CN114684124B (zh) | 车辆行驶参数的确定方法、装置、电子设备和存储介质 | |
| CN111814968B (zh) | 用于机器学习模型的分布式训练的方法和装置 | |
| CN112462996B (zh) | 服务信息优化方法、服务信息优化装置及存储介质 | |
| CN114281207A (zh) | 触控检测的方法、装置、终端及存储介质 | |
| CN108197001B (zh) | 数据统计方法、装置及电子设备 | |
| CN113743170A (zh) | 基于光线信号的信息生成方法/信息获取方法 | |
| CN115114725A (zh) | 汽车模型的接触处理方法、装置及电子设备 | |
| CN106951050B (zh) | 终端耗电量的确定方法及装置 | |
| CN116955356A (zh) | 业务数据处理方法、装置、电子设备及存储介质 | |
| CN116416010A (zh) | 订单处理方法、服务器、终端、介质和程序产品 |
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 |