CN114090018B - 工业互联网设备的指标计算方法、装置和电子设备 - Google Patents

工业互联网设备的指标计算方法、装置和电子设备 Download PDF

Info

Publication number
CN114090018B
CN114090018B CN202210082835.0A CN202210082835A CN114090018B CN 114090018 B CN114090018 B CN 114090018B CN 202210082835 A CN202210082835 A CN 202210082835A CN 114090018 B CN114090018 B CN 114090018B
Authority
CN
China
Prior art keywords
index
calculation
index calculation
target
indexes
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
CN202210082835.0A
Other languages
English (en)
Other versions
CN114090018A (zh
Inventor
王欣
蔡孟宏
陈柏良
黄胜
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.)
Rootcloud Technology Co Ltd
Original Assignee
Rootcloud 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 Rootcloud Technology Co Ltd filed Critical Rootcloud Technology Co Ltd
Priority to CN202210082835.0A priority Critical patent/CN114090018B/zh
Publication of CN114090018A publication Critical patent/CN114090018A/zh
Application granted granted Critical
Publication of CN114090018B publication Critical patent/CN114090018B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/40—Transformation of program code
    • G06F8/41—Compilation
    • G06F8/42—Syntactic analysis
    • G06F8/427—Parsing
    • 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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • G06F16/244—Grouping and aggregation
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2452—Query translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/40—Transformation of program code
    • G06F8/41—Compilation
    • G06F8/43—Checking; Contextual analysis
    • G06F8/433—Dependency analysis; Data or control flow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • G06F9/45508—Runtime interpretation or emulation, e g. emulator loops, bytecode interpretation
    • G06F9/45512—Command shells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • G06F9/45516—Runtime code conversion or optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Stored Programmes (AREA)

Abstract

本发明提供了一种工业互联网设备的指标计算方法、装置和电子设备。本发明的方法中，指标计算***能够根据用户自定义的目标指标计算模型解析到其中的指标依赖关系，并根据指标依赖关系计算出各指标的粒度和层级，进而根据各指标的粒度和层级自动编排指标计算任务，最终得到指标计算任务中目标指标的计算结果。该方法能够刻画出指标依赖关系，即便是目标指标计算模型发生变更，也无需对指标计算***再进行开发和改造，目标指标计算模型完全独立于指标计算***的其它业务代码，用户可以专注于目标指标计算模型本身的计算逻辑和业务意义，而不必关心指标的来源或数据流向，指标计算***也能够更加灵活地处理目标指标计算模型，开发和维护成本降低。

Description

工业互联网设备的指标计算方法、装置和电子设备
技术领域
本发明涉及工业互联网的技术领域，尤其是涉及一种工业互联网设备的指标计算方法、装置和电子设备。
背景技术
设备指标是工业互联网的使用者认识和操作工业互联网设备的最直观和最重要的依据，是沟通工业设备数字孪生的重要桥梁。工业设备的指标计算具有以下特征：
1. 指标计算逻辑经常改变，指标***的开发迭代速度往往赶不上指标计算需求的变化；例如，泵车设备“耗油量”的计算往往涉及按天、按月、按年的计算，以及不定时长的聚合计算，“耗油量”本身的计算逻辑也有可能改变（如从不同的油罐传感器收集数据等），如果针对每一种设计编写不同的计算逻辑，则容易陷入大量计算逻辑的编写和调试中，耗费极高的人力成本，这也是传统的指标计算***常见的问题；
2. 指标计算来源比较复杂，大型工业设备往往综合各方面IT（信息技术）和OT（操作技术）数据，其涉及的指标数量大、格式变化多、来源复杂。传统的指标计算***的计算逻辑耦合在业务代码中，不善于处理这种复杂的指标来源和数据格式；
3. 指标的依赖关系比较复杂，指标之间往往存在比较复杂的依赖关系，例如，工艺师常常需要从“油压传感器”计算“设备耗油量”，再从“设备耗油量”推导出“设备耗油量平均值（按天）”、“设备耗油量平均值（按月）”等，下游的指标计算依赖于上游指标的计算结果，传统的指标计算***往往通过定制化的逻辑逐个计算和确认指标结果，不利于刻画和维护这些依赖关系。
综上，现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系。
发明内容
有鉴于此，本发明的目的在于提供一种工业互联网设备的指标计算方法、装置和电子设备，以缓解现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系的技术问题。
第一方面，本发明实施例提供了一种工业互联网设备的指标计算方法，应用于指标计算***，所述方法包括：
获取用户自定义的目标指标计算模型，其中，所述目标指标计算模型中包含至少一条指标计算语句；
对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图；
根据所述依赖关系有向无环图中各指标的计算周期确定所述依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，其中，所述层级用于表征其对应的指标的计算次序，所述粒度用于表征其对应的指标的计算周期；
根据所述各指标的粒度和层级编排指标计算任务，进而执行所述指标计算任务，得到所述指标计算任务中的各指标的指标计算结果。
进一步的，所述指标计算语句为按照预设语言和语法规则编写的指标计算逻辑的语句，且所述指标计算语句包括以下任一种：基础计算语句、聚合计算语句、自定义计算语句和组合计算语句，其中，所述预设语言包括以下任一种：SQL语言、领域专用语言、计算机编程脚本语言；
执行所述指标计算任务时的执行方式包括以下任一种：根据所述指标计算任务将对应的指标计算语句转换为数据库操作语句、在内置的计算机编程语言运行时执行所述指标计算任务中对应的指标计算语句。
进一步的，对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图，包括：
通过语法解析器对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系自下而上地构建指标之间的依赖关系有向无环图。
进一步的，采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，包括：
对于所述依赖关系有向无环图中的目标指标，其中，所述目标指标为遍历所述依赖关系有向无环图中的指标中的任一指标；
若所述目标指标为原子指标，则确定所述目标指标的层级为第一预设值，其中，所述原子指标表示不依赖于其它指标的指标；
若所述目标指标不是原子指标，则根据所述目标指标的所有子指标确定所述目标指标的层级，其中，所述子指标表示所述目标指标所依赖的指标。
进一步的，根据所述目标指标的所有子指标确定所述目标指标的层级，包括：
遍历所述所有子指标中的每一子指标；
若所述所有子指标中存在目标子指标的粒度与所述目标指标的粒度相同，则将所述目标子指标的层级加预设值作为所述目标指标的初始层级，并将所述目标指标的初始层级中的最大初始层级作为所述目标指标的层级；
若所述所有子指标中的每一子指标的粒度与所述目标指标的粒度都不相同，则确定所述目标指标的层级为所述第一预设值。
进一步的，根据所述各指标的粒度和层级编排指标计算任务，包括：
将粒度相同的指标编排为一个指标计算任务，其中，一个所述指标计算任务中，根据各指标的层级所表征的计算次序编排指标计算子任务，每个所述指标计算子任务中包括：层级信息和指标信息。
进一步的，所述方法还包括：
获取待重算的指标和所述待重算的指标对应的重算时间范围；
根据所述依赖关系有向无环图确定依赖于所述待重算的指标的依赖指标；
确定包含所述待重算的指标和所述依赖指标的待重算计算任务，并执行所述重算时间范围内的所述待重算计算任务，得到所述重算时间范围内的所述待重算计算任务中各指标的重算指标计算结果。
第二方面，本发明实施例还提供了一种工业互联网设备的指标计算装置，应用于指标计算***，所述装置包括：
获取单元，用于获取用户自定义的目标指标计算模型，其中，所述目标指标计算模型中包含至少一条指标计算语句；
解析单元，用于对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图；
确定单元，用于根据所述依赖关系有向无环图中各指标的计算周期确定所述依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，其中，所述层级用于表征其对应的指标的计算次序，所述粒度用于表征其对应的指标的计算周期；
任务编排和执行单元，用于根据所述各指标的粒度和层级编排指标计算任务，进而执行所述指标计算任务，得到所述指标计算任务中的各指标的指标计算结果。
第三方面，本发明实施例还提供了一种电子设备，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任一项所述的方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
在本发明实施例中，提供了一种工业互联网设备的指标计算方法，应用于指标计算***。该方法包括：获取用户自定义的目标指标计算模型，其中，目标指标计算模型中包含至少一条指标计算语句；对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图；根据依赖关系有向无环图中各指标的计算周期确定依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，其中，层级用于表征其对应的指标的计算次序，粒度用于表征其对应的指标的计算周期；根据各指标的粒度和层级编排指标计算任务，进而执行指标计算任务，得到指标计算任务中的各指标的指标计算结果。通过上述描述可知，本发明的指标计算方法中，指标计算***能够根据用户自定义的目标指标计算模型解析到其中的指标依赖关系，并确定指标依赖关系中各指标的粒度和层级，进而根据各指标的粒度和层级自动编排得到指标计算任务，最终实现对指标计算任务中各指标的计算，该方法能够刻画出指标依赖关系，即便是目标指标计算模型发生变更，也无需指标计算***再进行开发和迭代。另外，目标指标计算模型完全独立于指标计算***的其它业务代码，用户可以专注于目标指标计算模型本身，而不必关心指标的来源或数据流向，指标计算***也能够更加灵活的处理变更的目标指标计算模型，开发和维护成本降低，缓解了现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系的技术问题。
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工业互联网设备的指标计算方法的流程图；
图2为本发明实施例提供的用户自定义的目标指标计算模型的示意图；
图3为本发明实施例提供的根据目标指标计算模型得到其中指标依赖关系的示意图；
图4为本发明实施例提供的根据指标依赖关系构建指标之间的依赖关系有向无环图的示意图；
图5为本发明实施例提供的根据各指标的计算周期确定依赖关系有向无环图中各指标的粒度的示意图；
图6为本发明实施例提供的基于各指标的粒度采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级的流程图；
图7为本发明实施例提供的由依赖关系有向无环图得到带有粒度和层级信息的依赖关系有向无环图的过程示意图；
图8为本发明实施例提供的根据各指标的粒度和层级编排指标计算任务的示意图；
图9为本发明实施例提供的一种工业互联网设备的指标计算装置的示意图；
图10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
下面将结合实施例对本发明的技术方案进行清楚、完整的描述。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。基于本发明中的实施例，本领域普通技术人员在没有做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。
现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系。
基于此，本发明的工业互联网设备的指标计算方法中，指标计算***能够根据用户自定义的目标指标计算模型解析到其中的指标依赖关系，并确定指标依赖关系中各指标的粒度和层级，进而根据各指标的粒度和层级自动编排得到指标计算任务，最终实现对指标计算任务中各指标的计算，该方法能够刻画出指标依赖关系，即便是目标指标计算模型发生变更，也无需指标计算***再进行开发和迭代。另外，目标指标计算模型完全独立于指标计算***的其它业务代码，用户可以专注于目标指标计算模型本身，而不必关心指标的来源或数据流向，指标计算***也能够更加灵活地处理变更的目标指标计算模型，开发和维护成本降低。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种工业互联网设备的指标计算方法进行详细介绍。
实施例一：
根据本发明实施例，提供了一种工业互联网设备的指标计算方法的实施例。需要说明的是，在附图的流程图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。
图1是根据本发明实施例的一种工业互联网设备的指标计算方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取用户自定义的目标指标计算模型，其中，目标指标计算模型中包含至少一条指标计算语句；
在本发明实施例中，上述工业互联网设备的指标计算方法可以应用于指标计算***，上述目标指标计算模型是指完成一种特定业务计算功能的单元，目标指标计算模型中包含至少一条指标计算语句，图2中示出的即为用户自定义的目标指标计算模型，其中，包含有多条指标计算语句。
步骤S104，对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图；
图3中示出了根据目标指标计算模型得到其中指标依赖关系的示意图；图4中示出了根据指标依赖关系构建指标之间的依赖关系有向无环图的示意图。
在依赖关系有向无环图中，每个指标作为一个节点，各节点之间通过带有箭头的连接线连接，该带有箭头的连接线用于表征指标之间的依赖关系。
步骤S106，根据依赖关系有向无环图中各指标的计算周期确定依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，其中，层级用于表征其对应的指标的计算次序，粒度用于表征其对应的指标的计算周期；
具体的，如果一个指标的指标计算语句中不包含时间维度，那么其计算周期表示为瞬时，对应的粒度也为瞬时；如果一个指标的指标计算语句为聚合运算语句，且其中的周期是天，那么其计算周期为天，对应的粒度为天。图5中示出了根据各指标的计算周期确定依赖关系有向无环图中各指标的粒度的示意图。
上述层级用于表征其对应的指标的计算次序，例如：处在层级#2的指标，其计算任务依赖于处在层级#1的指标。上述粒度用于表征其对应的指标的计算周期，例如：按天聚合的指标计算周期可能是每天一次，按月聚合的指标计算周期可能是每月一次。本发明也允许用户自行指定运行周期。
下文中再对确定各指标的层级的过程进行详细介绍，在此不再赘述。
步骤S108，根据各指标的粒度和层级编排指标计算任务，进而执行指标计算任务，得到指标计算任务中的各指标的指标计算结果。
下文中再对该过程进行详细介绍，在此不再赘述。
在本发明实施例中，提供了一种工业互联网设备的指标计算方法，应用于指标计算***，该方法包括：获取用户自定义的目标指标计算模型，其中，目标指标计算模型中包含至少一条指标计算语句；对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图；根据依赖关系有向无环图中各指标的计算周期确定依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，其中，层级用于表征其对应的指标的计算次序，粒度用于表征其对应的指标的计算周期；根据各指标的粒度和层级编排指标计算任务，进而执行指标计算任务，得到指标计算任务中的各指标的指标计算结果。通过上述描述可知，本发明的指标计算方法中，指标计算***能够根据用户自定义的目标指标计算模型解析到其中的指标依赖关系，并确定指标依赖关系中各指标的粒度和层级，进而根据各指标的粒度和层级自动编排得到指标计算任务，最终实现对指标计算任务中各指标的计算。该方法能够刻画出指标依赖关系，即便是目标指标计算模型发生变更，也无需指标计算***再进行开发和迭代。另外，目标指标计算模型完全独立于指标计算***的其它业务代码，用户可以专注于目标指标计算模型本身，而不必关心指标的来源或数据流向，指标计算***也能够更加灵活的处理变更的目标指标计算模型，开发和维护成本降低，缓解了现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系的技术问题。
上述内容对本发明的工业互联网设备的指标计算方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
在本发明的一个可选实施例中，上述步骤S102中的指标计算语句为按照预设语言和语法编写的指标计算逻辑的语句，且指标计算语句包括以下任一种：基础计算语句、聚合计算语句、自定义计算语句和组合计算语句，其中，预设语言包括以下任一种：SQL语言、自然语言、领域专用语言（DSL语言）、计算机编程脚本语言。
具体的，针对工业互联网主流已有的指标计算***的调研和分析，将大部分指标计算归类为以下4种类型：
1、基础计算，即简单指标之间的代数运算或逻辑运算；比如：耗油率=耗油量/时间等；
2、聚合计算，即按照一定的维度（主要是时间维度）对简单指标进行聚合；比如“一月内的总耗油量”；
3、自定义计算，即原有指标计算***中由用户自定义的计算逻辑，可能会涉及多个步骤或多个指标。这部分类型的计算是造成传统的指标计算***开发和迭代成本高的重要原因；
4、组合计算，即将基础的、简单的计算逻辑相互组合，形成新的计算模型。比如：将“通过各个油缸的耗油量计算机械总耗油量”模型和“机械耗油量按月求和”模型组合，则可以直接从“各个油缸的耗油量”指标计算得出“机械耗油量按月总和”指标。
针对以上4种类型的指标计算，可以对应的采用以下语法刻画指标计算过程：
1）基础计算语句：这部分语法设计和一般的数学表达式基本相同。例如：一台多发动机的水泥泵车，其总油耗为各发动机油耗之和，语法表达为：
def mSum = m1+m2
2）聚合计算语句：这部分语法设计采用如’over’等关键字描述其聚合的维度和周期。例如：求一台泵车在一月内每天耗油量的平均值，则语法表达为：
def fuelConAvg = avg(fuel) over month(timestamp) // 维度是时间(timestamp)，周期是按月聚合(month)
3）自定义计算语句：通过类似于编程语言中函数定义的方式创建自定义运算。例如：根据转换规则将设备的经纬度信息转换为地球表面大圆距离：
def greatCircleDistance(long1, lat1, long2, lat2):
return constant(R)* arccos(sin(lat1)*sin(lat2)+ cos(lat1)*cos(lat2)*cos(abs(long1-long2)))
def distance = greatCircleDistance(m_a, m_b, m_c, m_d) // m_a, m_b,m_c, m_d 是实际存在的经纬度指标
4）组合计算语句：支持自定义运算之间的相互组合，并通过一定的关键字（如’thenApply’关键字）描述其先后顺序。例如：通过简单的用户自定义计算语句组合复杂的用户自定义逻辑：
def fuelCon(m1, m2):
return m1*3.6+m2
def monthMax(m):
return max(m) over month(timestamp)
def fuelConMax = fuelCon.thenApply(monthMax) // 指标计算模型的组合
def f1 = fuelConMax(m1,m2)
上述举例中采用的语言为DSL语言（即领域专用语言），还可以为其它任意语言，例如：SQL语言、自然语言、计算机编程脚本语言等，本发明实施例对上述语言不进行具体限制。
上述步骤S108中执行指标计算任务时的执行方式包括以下任一种：根据指标计算任务将对应的指标计算语句转换为数据库操作语句、在内置的编程语言运行时按顺序执行指标计算任务中对应的指标计算语句。
具体的，根据指标计算任务编排结果，执行指标计算任务计划。执行方式可以是将DSL转换为数据库操作语句；也可以是在一些内置的编程语言运行时（Runtime）中执行相关数据操作语句；最后，指标计算***根据生成的数据库操作语句和指标计算任务执行计划，计算得到相应的指标计算结果并存储在数据库中。
在本发明的一个可选实施例中，上述步骤S104，对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图，具体包括：
通过语法解析器对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系自下而上的构建指标之间的依赖关系有向无环图。
具体的，通过语法解析器（Semantic Parser）从语法层面分析得出用户在目标指标计算模型中使用到的指标，并得出目标指标计算模型中各指标的指标依赖关系，进而根据指标依赖关系自下而上地构建指标之间的依赖关系有向无环图。如图3和图4所示。
在本发明的一个可选实施例中，参考图6，上述步骤S106，采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，具体包括如下步骤：
步骤S601，对于依赖关系有向无环图中的目标指标，其中，目标指标为遍历依赖关系有向无环图中的指标中的任一指标；
步骤S602，若目标指标为原子指标，则确定目标指标的层级为第一预设值，其中，原子指标表示不依赖于其它指标的指标；
上述第一预设值可以为0。
步骤S603，若目标指标不是原子指标，则根据目标指标的所有子指标确定目标指标的层级，其中，子指标表示目标指标所依赖的指标。
该过程具体包括：遍历所有子指标中的每一子指标；若所有子指标中存在目标子指标的粒度与目标指标的粒度相同，则将目标子指标的层级加预设值（可以为1）作为目标指标的初始层级，并将目标指标的初始层级中的最大初始层级作为目标指标的层级；若所有子指标中的每一子指标的粒度与目标指标的粒度都不相同，则确定目标指标的层级为第一预设值。
图7中示出了由依赖关系有向无环图得到带有粒度和层级信息的依赖关系有向无环图的过程示意图。
上述确定各指标的层级的伪代码为：
for(metric m in metric_domain):
if (m is atomic metric):
m.stage <- 0
else:
stage <- 0
for(child c in m.children):
if(c.granularity != m.granularity):
skip
else:
stage <- max(c.stage+1, stage)
m.stage <- stage
在本发明的一个可选实施例中，根据各指标的粒度和层级编排指标计算任务，具体包括：
将粒度相同的指标编排为一个指标计算任务，其中，一个指标计算任务中，根据各指标的层级所表征的计算次序编排指标计算子任务，每个指标计算子任务中包括：层级信息和指标信息。
上述指标计算任务中示出了指标计算的先后次序和计算周期。图8中示出了根据各指标的粒度和层级编排指标计算任务的示意图。
在本发明的一个可选实施例中，该方法还包括：
获取待重算的指标和待重算的指标对应的重算时间范围；根据依赖关系有向无环图确定依赖于待重算的指标的依赖指标；确定包含待重算的指标和依赖指标的待重算计算任务，并执行重算时间范围内的待重算计算任务，得到重算时间范围内的待重算计算任务中各指标的重算指标计算结果，并更新旧有的指标计算结果。
具体的，考虑到由于种种原因（例如：基础工况数据乱序上传、数据回补、运维原因导致数据没有及时上传、出现空档等）一些指标可能需要重新计算。重新计算的过程涉及指标依赖和待重算指标时间范围的分析。本发明根据指标依赖关系，可以确定指标重算涉及的任务范围（即确定重算时间范围内的待重算计算任务），具体算法的伪代码如下：
// 假设从外部回补数据得知本次重算受影响的指标所处的时间范围是[start_time, end_time]
granularities <- get_all_granularities() // 获取所有的粒度
recoup_jobs <- [] // 需回补重算的计算任务的队列
for(granularity g in granularities): // 遍历所有的粒度
job_start_time <- start_time // job_start_time 表示该粒度需重算的计算任务的开始时间
job_end_time <- end_time // job_end_time 表示该粒度需重算的计算任务的结束时间
for(granularity depent_g in g.dependencies): // 遍历该粒度依赖的所有粒度
job_end_time <- min(job_end_time, get_last_time(depent_g)) // 找到所有依赖粒度的最小结束时间，确保该粒度的计算任务的执行时间不会超出其依赖粒度的执行时间，否则会出现依赖的计算任务还没有计算出来的情况。
while(job_end_time < end_time): // 如果job_end_time小于回补的结束时间
recoup_jobs.add(g, job_start_time, job_end_time) // 则把当前job_start_time 和 job_end_time之间的所有数据该粒度任务加入回补重算任务的队列
job_start_time <- job_end_time // 开始寻找下一次运行时间段的任务
job_end_time <- get_next_run(job_start_time, time_unit)
return reoup_jobs // 返回待回补重算的计算任务的队列
举例来说，如果11月1日15:00-17:00范围内的原子指标需要重算，那么所有按天、按月聚合指标的计算任务，凡是任务时间范围包括11月1日15:00-17:00且依赖于上述原子指标的计算任务，就都需要重新计算。
本发明的工业互联网设备的指标计算方法将指标的计算逻辑（即指标计算语句，也可以指目标指标计算模型）从指标计算***的其他业务代码中解离出来，通过通用的、简洁的语法刻画指标的计算逻辑和依赖关系，没有编程基础的设备工艺人员能够在较短时间内用比较简洁明确，同时和计算技术无关的方式描述指标的计算逻辑；另外，指标计算***能够根据指标之间的依赖关系、指标的粒度和层级，自动编排指标计算任务，并根据计算任务生成指标计算结果，无需再进行由于指标计算逻辑的变更所带来的指标计算***的重新开发和迭代。
本发明的工业互联网设备的指标计算方法具有以下优点：
指标计算***的指标计算逻辑从其他业务逻辑中解耦，指标计算***的使用者可以专注于指标计算逻辑本身，而不必关心指标的来源或数据流向；因为指标计算逻辑完全独立于指标计算***的其他业务代码，指标***能够更加灵活地处理指标计算逻辑的变更（即目标指标计算模型的变更），开发和维护成本降低；指标计算任务由用户定义的指标计算语句推算得出，用户无需手动编排指标计算任务，简单快捷；为IT人员之外的设备工程师、工艺师、资产管理人员提供了更加友好的操作方式。本发明提出的领域专用语言更加利于非IT专业人员使用和学习。
实施例二：
本发明实施例还提供了一种工业互联网设备的指标计算装置，该工业互联网设备的指标计算装置主要用于执行本发明实施例一中所提供的工业互联网设备的指标计算方法，以下对本发明实施例提供的工业互联网设备的指标计算装置做具体介绍。
图9是根据本发明实施例的一种工业互联网设备的指标计算装置的示意图，如图9所示，该装置主要包括：获取单元10、解析单元20、确定单元30、任务编排和执行单元40，其中：
获取单元，用于获取用户自定义的目标指标计算模型，其中，目标指标计算模型中包含至少一条指标计算语句；
解析单元，用于对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图；
确定单元，用于根据依赖关系有向无环图中各指标的计算周期确定依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，其中，层级用于表征其对应的指标的计算次序，粒度用于表征其对应的指标的计算周期；
任务编排和执行单元，用于根据各指标的粒度和层级编排指标计算任务，进而执行指标计算任务，得到指标计算任务中的各指标的指标计算结果。
在本发明实施例中，提供了一种工业互联网设备的指标计算装置，应用于指标计算***，该装置包括：获取用户自定义的目标指标计算模型，其中，目标指标计算模型中包含至少一条指标计算语句；对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系构建指标之间的依赖关系有向无环图；根据依赖关系有向无环图中各指标的计算周期确定依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定依赖关系有向无环图中各指标的层级，其中，层级用于表征其对应的指标的计算次序，粒度用于表征其对应的指标的计算周期；根据各指标的粒度和层级编排指标计算任务，进而执行指标计算任务，得到指标计算任务中的各指标的指标计算结果。通过上述描述可知，本发明的指标计算装置中，指标计算***能够根据用户自定义的目标指标计算模型解析到其中的指标依赖关系，并确定指标依赖关系中各指标的粒度和层级，进而根据各指标的粒度和层级自动编排得到指标计算任务，最终实现对指标计算任务中各指标的计算，该方法能够刻画出指标依赖关系，即便是目标指标计算模型发生变更，也无需指标计算***再进行开发和迭代。另外，目标指标计算模型完全独立于指标计算***的其它业务代码，用户可以专注于目标指标计算模型本身，而不必关心指标的来源或数据流向，指标计算***也能够更加灵活的处理变更的目标指标计算模型，开发和维护成本降低，缓解了现有的工业设备的指标计算方法需要指标计算***不断的开发迭代、指标计算的逻辑与指标计算***的其它业务代码耦合、指标计算***不善于刻画指标之间的依赖关系的技术问题。
可选地，指标计算语句为按照预设语言和语法规则编写的指标计算逻辑的语句，且指标计算语句包括以下任一种：基础计算语句、聚合计算语句、自定义计算语句和组合计算语句，其中，预设语言包括以下任一种：SQL语言、自然语言、语句语言、计算机编程脚本语言；执行指标计算任务时的执行方式包括以下任一种：根据指标计算任务将对应的指标计算语句转换为数据库操作语句、在内置的计算机编程语言运行时执行指标计算任务中对应的指标计算语句。
可选地，解析单元还用于：通过语法解析器对目标指标计算模型中的指标计算语句进行解析，得到目标指标计算模型中的指标依赖关系，并根据指标依赖关系自下而上地构建指标之间的依赖关系有向无环图。
可选地，确定单元还用于：对于依赖关系有向无环图中的目标指标，其中，目标指标为遍历依赖关系有向无环图中的指标中的任一指标；若目标指标为原子指标，则确定目标指标的层级为第一预设值，其中，原子指标表示不依赖于其它指标的指标；若目标指标不是原子指标，则根据目标指标的所有子指标确定目标指标的层级，其中，子指标表示目标指标所依赖的指标。
可选地，确定单元还用于：遍历所有子指标中的每一子指标；若所有子指标中存在目标子指标的粒度与目标指标的粒度相同，则将目标子指标的层级加预设值作为目标指标的初始层级，并将目标指标的初始层级中的最大初始层级作为目标指标的层级；若所有子指标中的每一子指标的粒度与目标指标的粒度都不相同，则确定目标指标的层级为第一预设值。
可选地，任务编排和执行单元还用于：将粒度相同的指标编排为一个指标计算任务，其中，一个指标计算任务中，根据各指标的层级所表征的计算次序编排指标计算子任务，每个指标计算子任务中包括：层级信息和指标信息。
可选地，该装置还用于：获取待重算的指标和待重算的指标对应的重算时间范围；根据依赖关系有向无环图确定依赖于待重算的指标的依赖指标；确定包含待重算的指标和依赖指标的待重算计算任务，并执行重算时间范围内的待重算计算任务，得到重算时间范围内的待重算计算任务中各指标的重算指标计算结果。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
如图10所示，本申请实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，所述存储器602存储有所述处理器601可执行的机器可读指令，当电子设备运行时，所述处理器601与所述存储器602之间通过总线通信，所述处理器601执行所述机器可读指令，以执行如上述工业互联网设备的指标计算方法的步骤。
具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述工业互联网设备的指标计算方法。
处理器601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601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601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(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，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申请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。结合本申请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602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
对应于上述工业互联网设备的指标计算方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述工业互联网设备的指标计算方法的步骤。
本申请实施例所提供的工业互联网设备的指标计算装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的***、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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电子设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述车辆标记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（Read-Only Memory，简称ROM）、随机存取存储器（Random Access Memory，简称RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种工业互联网设备的指标计算方法，其特征在于，应用于指标计算***，所述方法包括：
获取用户自定义的目标指标计算模型，其中，所述目标指标计算模型中包含至少一条指标计算语句；
对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图；
根据所述依赖关系有向无环图中各指标的计算周期确定所述依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，其中，所述层级用于表征其对应的指标的计算次序，所述粒度用于表征其对应的指标的计算周期；
根据所述各指标的粒度和层级编排指标计算任务，进而执行所述指标计算任务，得到所述指标计算任务中的各指标的指标计算结果；
其中，采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，包括：
对于所述依赖关系有向无环图中的目标指标，其中，所述目标指标为遍历所述依赖关系有向无环图中的指标中的任一指标；
若所述目标指标为原子指标，则确定所述目标指标的层级为第一预设值，其中，所述原子指标表示不依赖于其它指标的指标；
若所述目标指标不是原子指标，则遍历所有子指标中的每一子指标；若所述所有子指标中存在目标子指标的粒度与所述目标指标的粒度相同，则将所述目标子指标的层级加预设值作为所述目标指标的初始层级，并将所述目标指标的初始层级中的最大初始层级作为所述目标指标的层级；若所述所有子指标中的每一子指标的粒度与所述目标指标的粒度都不相同，则确定所述目标指标的层级为所述第一预设值；
其中，根据所述各指标的粒度和层级编排指标计算任务，包括：
将粒度相同的指标编排为一个指标计算任务，其中，一个所述指标计算任务中，根据各指标的层级所表征的计算次序编排指标计算子任务，每个所述指标计算子任务中包括：层级信息和指标信息。
2.根据权利要求1所述的方法，其特征在于，所述指标计算语句为按照预设语言和语法规则编写的指标计算逻辑的语句，且所述指标计算语句包括以下任一种：基础计算语句、聚合计算语句、自定义计算语句和组合计算语句，其中，所述预设语言包括以下任一种：SQL语言、领域专用语言、计算机编程脚本语言；
执行所述指标计算任务时的执行方式包括以下任一种：根据所述指标计算任务将对应的指标计算语句转换为数据库操作语句、在内置的计算机编程语言运行时执行所述指标计算任务中对应的指标计算语句。
3.根据权利要求1所述的方法，其特征在于，对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图，包括：
通过语法解析器对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系自下而上地构建指标之间的依赖关系有向无环图。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取待重算的指标和所述待重算的指标对应的重算时间范围；
根据所述依赖关系有向无环图确定依赖于所述待重算的指标的依赖指标；
确定包含所述待重算的指标和所述依赖指标的待重算计算任务，并执行所述重算时间范围内的所述待重算计算任务，得到所述重算时间范围内的所述待重算计算任务中各指标的重算指标计算结果。
5.一种工业互联网设备的指标计算装置，其特征在于，应用于指标计算***，所述装置包括：
获取单元，用于获取用户自定义的目标指标计算模型，其中，所述目标指标计算模型中包含至少一条指标计算语句；
解析单元，用于对所述目标指标计算模型中的指标计算语句进行解析，得到所述目标指标计算模型中的指标依赖关系，并根据所述指标依赖关系构建指标之间的依赖关系有向无环图；
确定单元，用于根据所述依赖关系有向无环图中各指标的计算周期确定所述依赖关系有向无环图中各指标的粒度，并采用广度优先遍历算法确定所述依赖关系有向无环图中各指标的层级，其中，所述层级用于表征其对应的指标的计算次序，所述粒度用于表征其对应的指标的计算周期；
任务编排和执行单元，用于根据所述各指标的粒度和层级编排指标计算任务，进而执行所述指标计算任务，得到所述指标计算任务中的各指标的指标计算结果；
其中，所述确定单元还用于：
对于所述依赖关系有向无环图中的目标指标，其中，所述目标指标为遍历所述依赖关系有向无环图中的指标中的任一指标；
若所述目标指标为原子指标，则确定所述目标指标的层级为第一预设值，其中，所述原子指标表示不依赖于其它指标的指标；
若所述目标指标不是原子指标，则遍历所有子指标中的每一子指标；若所述所有子指标中存在目标子指标的粒度与所述目标指标的粒度相同，则将所述目标子指标的层级加预设值作为所述目标指标的初始层级，并将所述目标指标的初始层级中的最大初始层级作为所述目标指标的层级；若所述所有子指标中的每一子指标的粒度与所述目标指标的粒度都不相同，则确定所述目标指标的层级为所述第一预设值；
其中，所述任务编排和执行单元还用于：将粒度相同的指标编排为一个指标计算任务，其中，一个所述指标计算任务中，根据各指标的层级所表征的计算次序编排指标计算子任务，每个所述指标计算子任务中包括：层级信息和指标信息。
6.一种电子设备，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上述权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至4中任一项所述的方法。
CN202210082835.0A 2022-01-25 2022-01-25 工业互联网设备的指标计算方法、装置和电子设备 Active CN114090018B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210082835.0A CN114090018B (zh) 2022-01-25 2022-01-25 工业互联网设备的指标计算方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210082835.0A CN114090018B (zh) 2022-01-25 2022-01-25 工业互联网设备的指标计算方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN114090018A CN114090018A (zh) 2022-02-25
CN114090018B true CN114090018B (zh) 2022-05-24

Family

ID=80309180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210082835.0A Active CN114090018B (zh) 2022-01-25 2022-01-25 工业互联网设备的指标计算方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN114090018B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933617A (zh) * 2019-03-08 2019-06-25 恒生电子股份有限公司 一种数据处理方法、装置以及相关设备和介质
CN111241129A (zh) * 2019-12-27 2020-06-05 冶金自动化研究设计院 一种工业生产企业指标数据采集与计算的***
CN111522868A (zh) * 2020-03-24 2020-08-11 北京三快在线科技有限公司 数据规则的处理方法、装置、电子设备及存储介质
WO2021174945A1 (zh) * 2020-10-21 2021-09-10 平安科技（深圳）有限公司 数据成本计算方法、***、计算机设备和存储介质
CN113419789A (zh) * 2021-07-20 2021-09-21 北京沃东天骏信息技术有限公司 数据模型脚本的生成方法和装置
CN113703752A (zh) * 2021-11-01 2021-11-26 树根互联股份有限公司 工业组件的生成方法、装置和电子设备
CN113742036A (zh) * 2020-05-28 2021-12-03 阿里巴巴集团控股有限公司 指标处理方法、装置及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112423041B (zh) * 2020-11-19 2021-10-29 湖南大学 分布式计算平台下基于QoS约束的视频流处理方法和***
CN112766907A (zh) * 2021-01-20 2021-05-07 中国工商银行股份有限公司 业务数据的处理方法、装置和服务器
CN113255309B (zh) * 2021-05-31 2021-09-21 武汉众邦银行股份有限公司 一种基于多维模型的指标计算引擎实现方法
CN113656454B (zh) * 2021-08-02 2023-09-29 深圳市联影医疗数据服务有限公司 一种综合监管建模统计方法、装置、终端及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933617A (zh) * 2019-03-08 2019-06-25 恒生电子股份有限公司 一种数据处理方法、装置以及相关设备和介质
CN111241129A (zh) * 2019-12-27 2020-06-05 冶金自动化研究设计院 一种工业生产企业指标数据采集与计算的***
CN111522868A (zh) * 2020-03-24 2020-08-11 北京三快在线科技有限公司 数据规则的处理方法、装置、电子设备及存储介质
CN113742036A (zh) * 2020-05-28 2021-12-03 阿里巴巴集团控股有限公司 指标处理方法、装置及电子设备
WO2021174945A1 (zh) * 2020-10-21 2021-09-10 平安科技（深圳）有限公司 数据成本计算方法、***、计算机设备和存储介质
CN113419789A (zh) * 2021-07-20 2021-09-21 北京沃东天骏信息技术有限公司 数据模型脚本的生成方法和装置
CN113703752A (zh) * 2021-11-01 2021-11-26 树根互联股份有限公司 工业组件的生成方法、装置和电子设备

Also Published As

Publication number Publication date
CN114090018A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
JP6707564B2 (ja) データ品質分析
Noonan et al. Polymorphic type inference for machine code
Gleißner et al. Theorem provers for every normal modal logic
Mens et al. A graph-based metamodel for object-oriented software metrics
US8234223B1 (en) Method and system for calculating cost of an asset using a data model
Alt et al. HiFrog: SMT-based function summarization for software verification
Chaturvedi et al. Predicting the complexity of code changes using entropy based measures
Shadab et al. Measuring congestion by anchor points in DEA
CN114090018B (zh) 工业互联网设备的指标计算方法、装置和电子设备
Daniati et al. Evaluasi Penerapan SIMRS Dengan Metode EUCS (End User Computing Satisfaction) Di Instalasi Rekam Medis RSUD Petala Bumi Provinsi Riau Tahun 2021
Reschenhofer et al. Type-safety in EA model analysis
KR102452813B1 (ko) 계층적 엔티티들을 위한 계산들의 관리
Kreuzer The cohesive principle and the Bolzano‐Weierstraß principle
Chaturvedi et al. Collaborative reuse of streaming dataflows in IoT applications
Spafford et al. Automated design space exploration with aspen
Jayalath et al. A modified cognitive complexity metric to improve the readability of object-oriented software
Dąbrowski On architecture warehouses and software intelligence
CN112000478B (zh) 作业运行资源分配方法及装置
Kritikos et al. Towards semantic KPI measurement
Du Bois et al. Supporting reengineering scenarios with FETCH: an experience report
Vogelsang et al. Software metrics in static program analysis
Sharma et al. Empirical evaluation and validation of interface complexity metrics for software components
Cabot et al. A metric for measuring the complexity of OCL expressions
Lenhard Improving process portability through metrics and continuous inspection
Gu et al. Method of Coupling Metrics for Object‐Oriented Software System Based on CSBG Approach

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