CN118138661A - 一种基于多源数据协议的网络汇聚交换装置及方法 - Google Patents
一种基于多源数据协议的网络汇聚交换装置及方法 Download PDFInfo
- Publication number
- CN118138661A CN118138661A CN202410254795.2A CN202410254795A CN118138661A CN 118138661 A CN118138661 A CN 118138661A CN 202410254795 A CN202410254795 A CN 202410254795A CN 118138661 A CN118138661 A CN 118138661A
- Authority
- CN
- China
- Prior art keywords
- data
- aggregation
- data source
- index
- network
- 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 59
- 238000004220 aggregation Methods 0.000 claims abstract description 269
- 230000002776 aggregation Effects 0.000 claims abstract description 269
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000006243 chemical reaction Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 101150061776 Kcnip3 gene Proteins 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000004931 aggregating effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于多源数据协议的网络汇聚交换装置及方法,涉及网络汇聚技术领域。通过计算数据源聚合指数,可以评估不同数据源之间的聚合程度,从而判断这些数据源是否适合用于聚合,这有助于保证数据在聚合过程中的一致性和可靠性,提高了数据聚合的效率和准确性,通过将多个数据源的数据汇聚到一起,可以实现数据的集中管理、统一监控和综合分析,提高数据的利用价值和应用效果,通过网络汇聚交换装置进行数据格式转换和标准化处理,可以将数据以目标协议的形式传输给目标设备,避免了目标设备需要逐个解析各种不同协议的数据的情况,提高了数据传输的效率。
Description
技术领域
本发明涉及网络汇聚技术领域,具体为一种基于多源数据协议的网络汇聚交换装置及方法。
背景技术
随着信息技术的不断发展,企业、组织和个人之间的数据交流越来越频繁,数据源的数量和种类也越来越多。不同的数据源可能采用不同的数据协议,导致数据不能无缝集成和传输,给数据管理和应用带来了很大挑战。
例如公告号:CN103402262B公开了线型无线传感器网络汇聚方法,其中的线型占空比无线传感器网络汇聚包含时隙分配与汇聚调度,在时隙分配阶段,初始化工作周期Tinit为3的倍数,除BS外任意连续三个节点的工作时隙在时间轴上连续且各不相同;在汇聚调度阶段,除BS外任意节点初始模式下工作周期为Tinit,工作时隙设为τ,工作模式下工作周期Twork为3,工作时隙为((τ-1)mod3)+1,通过设定定时器在两种模式下动态切换,网络中节点以占空比方式调度,节省了节点能量,延长了网络寿命,并确定了完成汇聚的时间理论上界。非占空比无线传感器网络汇聚方法,周期性对网络中除BS外所有节点进行搜索和调度,在线型无线传感器网络模型下利用最短时间完成汇聚。用于线型无线传感器网络中的无碰撞汇聚应用。
基于上述方案发现,目前对网络汇聚方法方面还存在一些不足,具体体现在以下层面:无法有效地处理和整合来自不同源头的数据和支持复杂网络环境中的决策制定和操作执行。
发明内容
针对现有技术的不足,本发明提供了一种基于多源数据协议的网络汇聚交换装置及方法,解决了上述背景技术的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于多源数据协议的网络汇聚交换方法,包括以下步骤:S1.识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;S2.基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;S3.基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;S4.通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
进一步地,所述将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点的具体过程如下:使用适配器将不同协议的数据源连接到网络汇聚交换装置,将网络设备数据、传感器数据和嵌入式设备数据安全地传输到汇聚节点;所述网络设备数据包括网络设备数据量、网络设备数据更新频率、网络设备数据完整度;所述传感器数据包括传感器数据量、传感器数据更新频率、传感器数据完整度;所述嵌入式设备数据包括嵌入式设备数据量、嵌入式设备数据更新频率、嵌入式设备数据完整度。
进一步地,所述基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数的具体计算过程如下:基于网络设备数据,分析网络设备数据的聚合符合程度,计算网络设备数据源聚合指数;基于传感器数据,分析传感器数据的聚合符合程度,计算传感器数据源聚合指数;基于嵌入式设备数据,分析嵌入式设备数据的聚合符合程度,计算嵌入式设备数据源聚合指数;基于网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数,对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重,计算数据源聚合指数。
进一步地,所述对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重的具体过程如下:构建数据源聚合层次结构,对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行特征提取,比较网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数对网络设备数据源聚合指数的影响程度;通过比较矩阵对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行归一化处理,得到网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数的权重因子。
进一步地,数据源聚合指数的计算公式如下:
χ=Cnet*λ1+Csen*λ2+Cemb*λ3;
式中,χ表示数据源聚合指数,Cnet表示网络设备数据源聚合指数,Csen表示传感器数据源聚合指数,Cemb表示嵌入式设备数据源聚合指数,λ1表示网络设备数据源聚合指数对应数据源聚合指数的权重因子,λ2表示传感器数据源聚合指数对应数据源聚合指数的权重因子,λ3表示嵌入式设备数据源聚合指数对应数据源聚合指数的权重因子。
进一步地,所述评估不同协议的数据源的聚合程度的具体过程如下:基于数据源聚合指数,与数据源聚合指数的阈值进行比较,计算数据源聚合指数与数据源聚合指数的阈值的差值,数据源聚合指数与数据源聚合指数的阈值的差值与数据源聚合指数允许的偏差值进行比较,计算数据源聚合符合系数。
进一步地,所述数据源聚合符合系数的具体计算公式如下:
式中,β表示数据源聚合符合系数,χ表示数据源聚合指数,χ1表示数据源聚合指数的阈值,Δχ表示数据源聚合指数允许的偏差值。
进一步地,获取不同协议的数据源聚合程度的评估信息的具体过程如下:基于数据源聚合符合系数,与数据源聚合符合系数的标准值进行比较,若数据源聚合符合系数小于数据源聚合符合系数的标准值,则表示不同协议的数据源不聚合,对不同协议的数据源进行数据格式转换和标准化处理;若数据源聚合符合系数大于数据源聚合符合系数的标准值,则表示不同协议的数据源聚合。
进一步地,所述基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理的具体过程如下:基于不同协议的数据源聚合程度的评估信息,使用脚本编程语言Python对网络设备数据、传感器数据和嵌入式设备数据数据格式转换;将不同协议的数据源中的时间字段统一为相同的日期时间格式,将文本型数据转换为数值型数据,确保所有数据字段的数据类型一致,通过填充默认值、插值对缺失值进行处理。
一种基于多源数据协议的网络汇聚交换装置,包括数据采集传输模块,数据处理模块、数据转换模块、数据整合存储模块;所述数据采集模块用于识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;所述数据传输模块用于基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;所述数据转换模块用于基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;所述数据整合存储模块用于通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
本发明具有以下有益效果:
(1)、该一种基于多源数据协议的网络汇聚交换方法,通过计算数据源聚合指数,可以评估不同数据源之间的聚合程度,从而判断这些数据源是否适合用于聚合。这有助于保证数据在聚合过程中的一致性和可靠性,提高了数据聚合的效率和准确性,通过将多个数据源的数据汇聚到一起,可以实现数据的集中管理、统一监控和综合分析,提高数据的利用价值和应用效果。
(2)、该一种基于多源数据协议的网络汇聚交换装置,通过网络汇聚交换装置进行数据格式转换和标准化处理,可以将数据以目标协议的形式传输给目标设备,避免了目标设备需要逐个解析各种不同协议的数据的情况,提高了数据传输的效率。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明一种基于多源数据协议的网络汇聚交换方法流程图。
图2为本发明一种基于多源数据协议的网络汇聚交换装置流程图。
具体实施方式
本申请实施例通过一种基于多源数据协议的网络汇聚交换装置及方法,有效地处理和整合来自不同源头的数据,以支持复杂网络环境中的决策制定和操作执行的问题。
本申请实施例中的问题,总体思路如下:
首先识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点。
基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息。
基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备。
通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
请参阅图1,本发明实施例提供一种技术方案:一种基于多源数据协议的网络汇聚交换方法,包括以下步骤:S1.识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;S2.基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;S3.基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;S4.通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
具体地,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点的具体过程如下:使用适配器将不同协议的数据源连接到网络汇聚交换装置,将网络设备数据、传感器数据和嵌入式设备数据安全地传输到汇聚节点;网络设备数据包括网络设备数据量、网络设备数据更新频率、网络设备数据完整度;传感器数据包括传感器数据量、传感器数据更新频率、传感器数据完整度;嵌入式设备数据包括嵌入式设备数据量、嵌入式设备数据更新频率、嵌入式设备数据完整度。
本实施方案中,网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点的过程为基于多源数据协议的网络汇聚交换方法提供了适配不同协议的数据源、安全传输数据、监测数据质量和提高数据处理效率等方面的帮助,从而实现数据的高效聚合和处理,提高***的整体性能。
具体地,基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数的具体计算过程如下:基于网络设备数据,分析网络设备数据的聚合符合程度,计算网络设备数据源聚合指数;基于传感器数据,分析传感器数据的聚合符合程度,计算传感器数据源聚合指数;基于嵌入式设备数据,分析嵌入式设备数据的聚合符合程度,计算嵌入式设备数据源聚合指数;基于网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数,对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重,计算数据源聚合指数。
本实施方案中,基于网络设备数据,对网络设备依次编号为1,2,3...i...n,n表示网络设备总数,网络设备数据源聚合指数的计算公式如下:
式中,Cnet表示网络设备数据源聚合指数,用于衡量网络设备数据源聚合程度,Nneti表示第i个网络设备数据量,Uneti表示第i个网络设备数据更新频率,Yneti表示第i个网络设备数据完整度,Nnet1表示网络设备数据量的标准值,Unet1表示网络设备数据更新频率的标准值,Ynet1表示网络设备数据完整度的标准值,ω1表示网络设备数据量的权重因子,ω2表示网络设备数据更新频率的权重因子,ω3表示网络设备数据完整度的权重因子。基于传感器数据,对传感器依次编号为1,2,3...j...m,m表示传感器总数量,传感器数据源聚合指数的计算公式如下:
式中,Csen表示传感器数据源聚合指数,用于衡量传感器数据源聚合程度,Nsenj表示第j个传感器数据量,Usenj表示第j个传感器数据更新频率,Ysenj表示第j个传感器数据完整度,Nsen1表示传感器数据量的标准值,Usen1表示传感器数据更新频率的标准值,Ysen1表示传感器数据完整度的标准值,ξ1表示传感器数据量的权重因子,ξ2表示传感器数据更新频率的权重因子,ξ3表示传感器数据完整度的权重因子;
基于嵌入式设备数据,对嵌入式设备依次编号为1,2,3...t...d,d表示嵌入式设备总数量,嵌入式设备数据源聚合指数的计算公式如下:
式中,Cemb表示嵌入式设备数据源聚合指数,用于衡量嵌入式设备数据源聚合程度,Nembt表示第t个嵌入式设备数据量,Uembt表示第t个嵌入式设备数据更新频率,Yembt表示第t个嵌入式设备数据完整度,Nemb1表示嵌入式设备数据量的标准值,Uemb1表示嵌入式设备数据更新频率的标准值,Yemb1表示嵌入式设备数据完整度的标准值,δ1表示嵌入式设备数据量的权重因子,δ2表示嵌入式设备数据更新频率的权重因子,δ3表示嵌入式设备数据完整度的权重因子。
具体地,对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重的具体过程如下:构建数据源聚合层次结构,对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行特征提取,比较网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数对网络设备数据源聚合指数的影响程度;通过比较矩阵对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行归一化处理,得到网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数的权重因子。
本实施方案中,根据计算出的权重因子,可以合理地分配不同数据源在数据聚合中的权重,使得在数据聚合过程中更加充分地利用各个数据源的信息;合理的权重因子可以使得数据聚合结果更加符合各个数据源的贡献度,从而提高数据聚合结果的准确性和可靠性;通过权重因子,可以制定合理的数据聚合策略,更加重视对数据贡献较大的数据源,在数据聚合过程中更多地利用其数据,从而优化数据聚合的效果。
具体地,数据源聚合指数的计算公式如下:
χ=Cnet*λ1+Csen*λ2+Cemb*λ3;
式中,χ表示数据源聚合指数,用于衡量数据源聚合程度,Cnet表示网络设备数据源聚合指数,Csen表示传感器数据源聚合指数,Cemb表示嵌入式设备数据源聚合指数,λ1表示网络设备数据源聚合指数对应数据源聚合指数的权重因子,λ2表示传感器数据源聚合指数对应数据源聚合指数的权重因子,λ3表示嵌入式设备数据源聚合指数对应数据源聚合指数的权重因子。
本实施方案中,数据源聚合指数是由网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数,与网络设备数据源聚合指数的权重因子,传感器数据源聚合指数的权重因子,嵌入式设备数据源聚合指数的权重因子乘积获得,提高数据聚合结果的准确性,优化数据聚合策略,从而使得数据聚合指数更加符合实际情况,为决策提供更加可靠的数据支持。
具体地,评估不同协议的数据源的聚合程度的具体过程如下:基于数据源聚合指数,与数据源聚合指数的阈值进行比较,计算数据源聚合指数与数据源聚合指数的阈值的差值,数据源聚合指数与数据源聚合指数的阈值的差值与数据源聚合指数允许的偏差值进行比较,计算数据源聚合符合系数。
本实施方案中,评估不同协议的数据源的聚合程度可以帮助确定不同数据源的重要性和贡献度,优化数据源的选择和分配,提高数据的利用率和聚合效果。同时,可以通过对聚合指数阈值的设定,根据具体应用场景对聚合要求进行精细化的控制,从而满足不同应用需求。总之,评估不同协议的数据源的聚合程度可以帮助提高多源数据协议的网络汇聚交换方法的效率和可靠性,实现更加智能化和自动化的数据汇聚处理。
具体地,数据源聚合符合系数的具体计算公式如下:
式中,β表示数据源聚合符合系数,用于衡量数据源聚合符合程度,χ表示数据源聚合指数,χ1表示数据源聚合指数的阈值,Δχ表示数据源聚合指数允许的偏差值。
本实施方案中,数据源聚合符合系数可以帮助评估数据源的聚合程度,优化数据源选择和分配,以及控制聚合要求,从而提升基于多源数据协议的网络汇聚交换方法的效率和可靠性。
具体地,获取不同协议的数据源聚合程度的评估信息的具体过程如下:基于数据源聚合符合系数,与数据源聚合符合系数的标准值进行比较,若数据源聚合符合系数小于数据源聚合符合系数的标准值,则表示不同协议的数据源不聚合,对不同协议的数据源进行数据格式转换和标准化处理;若数据源聚合符合系数大于数据源聚合符合系数的标准值,则表示不同协议的数据源聚合。
本实施方案中,通过数据源聚合符合系数的标准值设定和比较,可以控制聚合要求,从而提高数据的利用率和聚合效果;获取不同协议的数据源聚合程度的评估信息可以帮助优化数据源的选择和分配策略,提高数据汇聚处理的效率和可靠性,进而提高数据的利用率和聚合效果。
具体地,基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理的具体过程如下:基于不同协议的数据源聚合程度的评估信息,使用脚本编程语言Python对网络设备数据、传感器数据和嵌入式设备数据数据格式转换;将不同协议的数据源中的时间字段统一为相同的日期时间格式,将文本型数据转换为数值型数据,确保所有数据字段的数据类型一致,通过填充默认值、插值对缺失值进行处理。
本实施方案中,基于不同协议的数据源聚合程度的评估信息,通过Python脚本对网络设备数据、传感器数据和嵌入式设备数据进行格式转换和标准化处理,有助于提高数据汇聚交换方法的效率、可靠性和可操作性,进而推动基于多源数据协议的网络汇聚交换方法的进一步优化和应用。
一种基于多源数据协议的网络汇聚交换装置,包括数据采集传输模块,数据处理模块、数据转换模块、数据整合存储模块;数据采集模块用于识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;数据传输模块用于基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;数据转换模块用于基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;数据整合存储模块用于通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
本实施方案中,通过汇聚交换装置,可以将来自不同数据源、不同协议的数据进行整合和统一,使得数据具备一致的格式和结构,便于后续的处理和分析;汇聚交换装置能够将数据转换为目标设备协议,使得数据可以被目标设备所识别和应用,从而提高了数据的可用性和适用性;通过汇聚交换装置,可以优化数据传输过程,减少不同协议数据间的转换和处理时间,提高了数据传输的效率;汇聚交换装置能够减少数据处理的复杂性,统一数据格式和处理流程,降低了数据处理的成本和工作量;通过汇聚交换装置,可以实现对数据的标准化处理和加密传输,增强了数据的安全性和隐私保护。
综上,本申请至少具有以下效果:
一种基于多源数据协议的网络汇聚交换方法,通过计算数据源聚合指数,可以评估不同数据源之间的聚合程度,从而判断这些数据源是否适合用于聚合。这有助于保证数据在聚合过程中的一致性和可靠性,提高了数据聚合的效率和准确性,通过将多个数据源的数据汇聚到一起,可以实现数据的集中管理、统一监控和综合分析,提高数据的利用价值和应用效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的***、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (10)
1.一种基于多源数据协议的网络汇聚交换方法,其特征在于,包括以下步骤:
S1.识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;
S2.基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;
S3.基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;
S4.通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
2.根据权利要求1所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点的具体过程如下:
使用适配器将不同协议的数据源连接到网络汇聚交换装置,将网络设备数据、传感器数据和嵌入式设备数据安全地传输到汇聚节点;
所述网络设备数据包括网络设备数据量、网络设备数据更新频率、网络设备数据完整度;
所述传感器数据包括传感器数据量、传感器数据更新频率、传感器数据完整度;
所述嵌入式设备数据包括嵌入式设备数据量、嵌入式设备数据更新频率、嵌入式设备数据完整度。
3.根据权利要求2所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数的具体计算过程如下:
基于网络设备数据,分析网络设备数据的聚合符合程度,计算网络设备数据源聚合指数;
基于传感器数据,分析传感器数据的聚合符合程度,计算传感器数据源聚合指数;
基于嵌入式设备数据,分析嵌入式设备数据的聚合符合程度,计算嵌入式设备数据源聚合指数;
基于网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数,对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重,计算数据源聚合指数。
4.根据权利要求3所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述对网络设备数据源聚合指数,传感器数据源聚合指数,嵌入式设备数据源聚合指数分配权重的具体过程如下:
构建数据源聚合层次结构,对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行特征提取,比较网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数对网络设备数据源聚合指数的影响程度;
通过比较矩阵对网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数进行归一化处理,得到网络设备数据源聚合指数,传感器数据源聚合指数和嵌入式设备数据源聚合指数的权重因子。
5.根据权利要求3所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:数据源聚合指数的计算公式如下:
χ=Cnet*λ1+Csen*λ2+Cemb*λ3;
式中,χ表示数据源聚合指数,Cnet表示网络设备数据源聚合指数,Csen表示传感器数据源聚合指数,Cemb表示嵌入式设备数据源聚合指数,λ1表示网络设备数据源聚合指数对应数据源聚合指数的权重因子,λ2表示传感器数据源聚合指数对应数据源聚合指数的权重因子,λ3表示嵌入式设备数据源聚合指数对应数据源聚合指数的权重因子。
6.根据权利要求5所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述评估不同协议的数据源的聚合程度的具体过程如下:
基于数据源聚合指数,与数据源聚合指数的阈值进行比较,计算数据源聚合指数与数据源聚合指数的阈值的差值,数据源聚合指数与数据源聚合指数的阈值的差值与数据源聚合指数允许的偏差值进行比较,计算数据源聚合符合系数。
7.根据权利要求6所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述数据源聚合符合系数的具体计算公式如下:
式中,β表示数据源聚合符合系数,χ表示数据源聚合指数,χ1表示数据源聚合指数的阈值,Δχ表示数据源聚合指数允许的偏差值。
8.根据权利要求7所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:获取不同协议的数据源聚合程度的评估信息的具体过程如下:
基于数据源聚合符合系数,与数据源聚合符合系数的标准值进行比较,若数据源聚合符合系数小于数据源聚合符合系数的标准值,则表示不同协议的数据源不聚合,对不同协议的数据源进行数据格式转换和标准化处理;
若数据源聚合符合系数大于数据源聚合符合系数的标准值,则表示不同协议的数据源聚合。
9.根据权利要求8所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:所述基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理的具体过程如下:
基于不同协议的数据源聚合程度的评估信息,使用脚本编程语言Python对网络设备数据、传感器数据和嵌入式设备数据数据格式转换;
将不同协议的数据源中的时间字段统一为相同的日期时间格式,将文本型数据转换为数值型数据,确保所有数据字段的数据类型一致,通过填充默认值、插值对缺失值进行处理。
10.一种基于多源数据协议的网络汇聚交换装置,应用如权利要求1-9任一项所述的一种基于多源数据协议的网络汇聚交换方法,其特征在于:包括数据采集传输模块,数据处理模块、数据转换模块、数据整合存储模块;
所述数据采集模块用于识别和连接不同协议的数据源,数据源包括网络设备、传感器和嵌入式设备,获取网络设备数据、传感器数据和嵌入式设备数据,将网络设备数据、传感器数据和嵌入式设备数据传输到汇聚节点;
所述数据传输模块用于基于网络设备数据、传感器数据和嵌入式设备数据,计算数据源聚合指数,用于衡量数据源聚合程度,评估不同协议的数据源的聚合程度,获取不同协议的数据源聚合程度的评估信息;
所述数据转换模块用于基于不同协议的数据源聚合程度的评估信息,将网络设备数据、传感器数据和嵌入式设备数据进行数据格式转换和标准化处理,转换为目标设备协议,通过网络汇聚交换装置使用目标协议将网络设备数据、传感器数据和嵌入式设备数据传输给目标设备;
所述数据整合存储模块用于通过网络汇聚交换装置对数据格式转换和标准化处理的网络设备数据、传感器数据和嵌入式设备数据进行整合和存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410254795.2A CN118138661A (zh) | 2024-03-06 | 2024-03-06 | 一种基于多源数据协议的网络汇聚交换装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410254795.2A CN118138661A (zh) | 2024-03-06 | 2024-03-06 | 一种基于多源数据协议的网络汇聚交换装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118138661A true CN118138661A (zh) | 2024-06-04 |
Family
ID=91239915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410254795.2A Pending CN118138661A (zh) | 2024-03-06 | 2024-03-06 | 一种基于多源数据协议的网络汇聚交换装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118138661A (zh) |
-
2024
- 2024-03-06 CN CN202410254795.2A patent/CN118138661A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491790B (zh) | 基于容器的工业物联网边缘计算资源分配方法及*** | |
CN109933306A (zh) | 混合计算框架生成、数据处理方法、装置及混合计算框架 | |
EP3835898A1 (en) | Artificial intelligence computing device, control method and apparatus, engineer station, and industrial automation system | |
CN102193832A (zh) | 云端计算资源排程方法与应用的*** | |
CN102495758A (zh) | 分布式高性能计算环境中实时任务的调度方法 | |
CN108052020B (zh) | 一种面向智能制造的化工过程仿真器 | |
US11822325B2 (en) | Methods and systems for managing a pipe network of natural gas | |
CN111966289A (zh) | 基于Kafka集群的分区优化方法和*** | |
CN115543577B (zh) | 基于协变量的Kubernetes资源调度优化方法、存储介质及设备 | |
Li et al. | A cloud-terminal-based cyber-physical system architecture for energy efficient machining process optimization | |
CN111091240A (zh) | 一种公共机构电力能效监测***及服务方法 | |
CN115098278B (zh) | 一种基于微服务的数字孪生车间多场景交互方法 | |
CN113010296B (zh) | 基于形式化模型的任务解析与资源分配方法及*** | |
CN113225994A (zh) | 一种面向数据中心的智能空调控制方法 | |
CN118138661A (zh) | 一种基于多源数据协议的网络汇聚交换装置及方法 | |
CN112215326B (zh) | 一种分布式ai*** | |
CN111291048A (zh) | 一种数据处理*** | |
CN101231523B (zh) | 一种灵敏负荷的控制***及方法 | |
KR20120133362A (ko) | 로딩 시뮬레이션 기반 동적 피드백 스케줄링 알고리즘을 장착한 최적화된 생산 스케줄링 시스템 | |
CN109213105A (zh) | 一种可重构装置、实现可重构的方法及分布式控制*** | |
CN115373836A (zh) | 计算网络、算力度量方法、调度装置及相关产品 | |
CN115437757A (zh) | 调度方法、***、服务器和计算机可读存储介质 | |
Qiu et al. | Daq-middleware: Data acquisition middleware based on internet of things | |
CN117644794B (zh) | 一种基于充电桩的智能时段控制*** | |
CN116090798B (zh) | 一种综合能源调度方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |