传感器评估服务器以及传感器评估方法与流程

本发明系关于一种传感器评估服务器以及传感器评估方法；更具体而言，本发明系一种用以评估系统新增传感器的传感器评估服务器以及传感器评估方法。
背景技术：
物联网(internetofthings,iot)系统及其所延伸发展的人联网(internetofpeople,iop)系统，系目前积极发展的网络技术。透过此技术，便可于各种网络中链接不同用户装置的传感器，并让装置间沟通并交换数据，使用户获得所需的信息。而随着技术的发展，为满足不同用户的需求，网络系统间常会需要导入各种用户装置的传感器。另一方面，当用户人数快速成长时，网络系统中的服务器数量以及用户装置的传感器数量亦随之激增。据此，由于不同传感器间的处理能力、性能及其相对于不同系统的稳定性皆有相当程度的差异，因此，当于具有多种服务器以及大量传感器的网络系统中导入新的传感器时，通常会需要相当高的测试成本以及时间成本，以确认新的传感器本身于系统内的不同服务器的运作状况及其对于系统整体效能的影响。如此一来，将使得于网络系统中导入新的传感器的整体成本偏高。因此，如何避免前述缺点，乃业界须共同努力的目标。技术实现要素：本发明的主要目的系提供一种用于传感器评估服务器的传感器评估方法。传感器评估服务器用于传感器系统，传感器系统包含多个服务器以及多个传感器。传感器评估方法包含：令传感器评估服务器自多个服务器，接收多个传感器相应于各服务器的多个第一传感器数值；令传感器评估服务器自多个服务器，接收新增传感器相应于各服务器的多个新增传感器数值。接着，令传感器评估服务器根据多个新增传感器数值以及多个第一传感器数值，计算新增传感器相应于多个传感器的多个相关性；令传感器评估服务器自多个相关性中，筛选多个目标相关性，其中，多个目标相关性相应于多个传感器中的多个目标传感器；令传感器评估服务器根据多个目标传感器相应于各服务器的多个目标传感器数值以及新增传感器相应于各服务器的多个新增传感器数值，计算多个评估参数。随后，令传感器评估服务器自待测服务器，接收多个目标传感器相应于待测服务器的多个第二传感器数值；令传感器评估服务器根据多个评估参数以及多个第二传感器数值，计算新增传感器相对于待测服务器的传感器评估数值。为达上述目的，本发明揭露一种传感器评估服务器，用于传感器系统。传感器系统包含多个服务器以及多个传感器。传感器评估服务器包含收发器以及处理器。收发器用以：自多个服务器接收多个传感器相应于各服务器的多个第一传感器数值；自多个服务器接收新增传感器相应于各服务器的多个新增传感器数值。接着，处理器用以：根据多个新增传感器数值以及多个第一传感器数值，计算新增传感器相应于多个传感器的多个相关性；自多个相关性中筛选多个目标相关性，其中，多个目标相关性相应于多个传感器中的多个目标传感器；根据多个目标传感器相应于各服务器的多个目标传感器数值以及新增传感器相应于各服务器的多个新增传感器数值，计算多个评估参数。随后，收发器更用以自待测服务器接收多个目标传感器相应于待测服务器的多个第二传感器数值。而处理器更用以根据多个评估参数以及多个第二传感器数值，计算新增传感器相对于待测服务器的传感器评估数值。参阅图式及随后描述的实施方式后，所属
技术领域：
具有通常知识者可更了解本发明的技术手段及具体实施态样。附图说明在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。图1a系本发明第一实施例的传感器评估服务器应用于传感器系统的示意图；图1b系本发明第一实施例的传感器评估服务器的方块图；图2a系本发明第二实施例的传感器评估服务器应用于传感器系统的示意图；图2b系本发明第二实施例的传感器评估服务器的方块图；以及图3a-3b系本发明第三实施例的传感器评估方法流程图。符号说明1、2传感器评估服务器11、21收发器13、23处理器8、9传感器系统91、s1～sn服务器93、i1～im传感器95、x新增传感器97、p待测服务器930、932、950传感器数值i1s1～imsn、j1sp～jksp传感器数值r、r相关性t、t目标相关性β评估参数xsp、e传感器评估数值具体实施方式以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。以下将透过本发明的实施例来阐释本发明。然而，该等实施例并非用以限制本发明需在如实施例所述的任何环境、应用程序或方式方能实施。因此，以下实施例的说明仅在于阐释本发明，而非用以限制本发明。在以下实施例及图式中，与本发明非直接相关的元件已省略而未绘示，且绘示于图式中的各元件之间的尺寸关系仅为便于理解，而非用以限制为实际的实施比例。请参考图1a～1b。图1a系本发明第一实施例的一传感器评估服务器1应用于一传感器系统9的示意图。传感器系统9包含多个服务器91以及多个传感器93。图1b系本发明第一实施例的传感器评估服务器1的方块图。传感器评估服务器1包含一收发器11以及一处理器13。元件间具有电性连结，而其间的互动将于下文中进一步阐述。首先，传感器评估服务器1的收发器11分别自多个服务器91接收多个传感器93相应于各服务器91的多个第一传感器数值930，并分别自多个服务器91接收一新增传感器95相应于各服务器91的多个新增传感器数值950。接着，传感器评估服务器1的处理器13便可依据多个新增传感器数值950以及多个第一传感器数值930，计算新增传感器95相应于传感器93的多个相关性r。其中，新增传感器95与单一传感器93间具有相应的一组相关性r，用以代表新增传感器95与此传感器93间的相似程度。随后，处理器13自多个相关性r中筛选多个目标相关性t。其中，多个目标相关性t所对应的传感器93系为与新增传感器95相似度较高的目标传感器，而目标传感器相应于各服务器93的第一传感器数值930即为目标传感器数值。据此，处理器13便根据多个目标传感器数值以及新增传感器数值950，计算多个评估参数β。而当传感器评估服务器1欲评估新增传感器95于一待测服务器97中的使用状态时，收发器11先自待测服务器97接收目标传感器相应于待测服务器97的多个第二传感器数值932。如此一来，处理器13便可根据多个评估参数β以及第二传感器数值932，计算新增传感器95相对于待测服务器97的一传感器评估数值e。请参考图2a～2b。图2a系本发明第二实施例的一传感器评估服务器2应用于一传感器系统8的示意图。传感器系统8包含多个服务器s1～sn以及多个传感器i1～im。图2b系本发明第二实施例的传感器评估服务器2的方块图。传感器评估服务器2包含一收发器21以及一处理器23。第二实施例主要系进一步详述评估操作细节。首先，传感器评估服务器2的收发器21分别自多个服务器s1～sn接收多个传感器i1～im相应于各服务器s1～sn的多个第一传感器数值i1s1～imsn(请参考下表一)，并分别自多个服务器s1～sn接收一新增传感器x相应于各服务器s1～sn的多个新增传感器数值xs1～xsn(请参考下表二)。i1i2i3…ims1i1s1i2s1i3s1…ims1s2i1s2i2s2i3s2…ims2s3i1s3i2s3i3s3…ims3………………sni1sni2sni3sn…imsn表一xs1xs1s2xs2s3xs3……snxsn表二需特别说明者，于第二实施例中，前述传感器数值可为同时为传感器响应时间、传感器延迟时间、传感器运算时间或传感器数据传输量等其中的一种数值，并可利用多维矩阵的方式将其储存于传感器评估服务器2中。惟其并非用以限制本发明数据的储存态样。接着，传感器评估服务器2的处理器23便可依据多个新增传感器数值xs1～xsn以及多个第一传感器数值i1s1～imsn，计算新增传感器x相应于传感器i1～im的多个相关性r1～rm。具体而言，处理器23根据新增传感器数值xs1～xsn以及多个第一传感器数值i1s1～imsn，基于皮尔森相关系数(pearsoncorrelationcoefficient)公式，计算新增传感器x相应于传感器i1～im的相关性r1～rm。更进一步来说，以新增传感器数值xs1～xsn为主，透过下列皮尔森相关系数公式可针对不同的传感器im计算相关性：其中，rm的范围会落在[-1,1]之间，此数值越大表示相似度越高。换言之，若rm越接近1，代表新增传感器x与传感器im的相似度越高，即两传感器间的性质越相同。随后，处理器23自相关性r1～rm中挑选具有正相关(即挑选数值为0～1的相关性)，以初步地进行高相似度传感器的筛选。接着，处理器23针对挑选后的正相关相关性所对应的部分传感器相应的部分第一传感器数值，进行极端值过滤。举例而言，当rm系为正相关相关性，则处理器23便会针对rm所对应的传感器im的第一传感器数值ims1～imsn进行极端值的过滤，以避免错误数据影响相关性。接着，处理器23根据新增传感器数值xs1～xsn以及过滤后的部分第一传感器数值，同样透过前述皮尔森相关性公式计算新增传感器x相应于部分传感器的多个更新相关性(未绘示)。随即，处理器23排序多个更新相关性，并根据一存储器门槛值(未绘示)，自排序后的多个更新相关性中挑选多个目标相关性t1～tk。更详细来说，为避免需要处理的感应器具有的数据总量大小超过传感器评估服务器2的存储器可实时处理的数据量，进而导致整体效能降低，因此，处理器23排序更新相关性后，判断前k个相关性所对应的传感器所具有的可处理数据总量小于存储器门槛值。据此，处理器23透过前述方式挑选k个目标相关性t1～tk后，代表其所对应的传感器系为与新增传感器x相似度最高的多个目标传感器j1～jk(包含在传感器i1～im内)，且传感器评估服务器2可实时处理传感器j1～jk的数据总量。其中，目标传感器j1～jk相应于各服务器s1～sn的传感器数值即为目标传感器数值j1s1～jksn(包含在传感器数值i1s1～imsn内)。随后，处理器23便根据目标传感器数值j1s1～jksn以及新增传感器数值xs1～xsn，计算多个评估参数β0～βk。具体而言，处理器23基于以下回归公式计算该等评估参数：xsi＝β0+β1×j1si+β2×j2si+…+βk×jksi其中，i系为服务器个数，xsi系为新增传感器x相应于第i个服务器的新增传感器数值。k系为目标传感器j1～jk的个数。j1si～jksi系为目标传感器j1～jk相应于第i个服务器的目标传感器数值。β0～βk系为评估参数。更详细来说，由于xsi、k、j1si～jksi系为已知数值，因此，于服务器s1～sn中挑选k+1个服务器，便可透过前述回归公式列出k+1条方程式，并据以求得评估参数β0～βk。据此，当处理器23欲评估新增传感器x于一待测服务器p中的使用状态时，收发器21先自待测服务器p接收目标传感器j1～jk相应于待测服务器p的多个第二传感器数值j1sp～jksp。据此，处理器13便可根据多个评估参数β0～βk以及第二传感器数值j1sp～jksp，基于以下回归公式计算新增传感器x相应于待测服务器p的一传感器评估数值xsp：xsp＝β0+β1×j1sp+β2×j2sp+…+βk×jksp如此一来，便可传感器评估服务器2便可以评估新增传感器x部署于待测服务器p的环境下可能的相关传感器数值。另需特别说明，本发明第二实施例的传感器评估服务器2除了评估新增传感器x部署于服务器可能的相关传感器数值外，亦可提供服务器相关信息供用户参考新增传感器x可能对服务器效能产生的影响。详言之，传感器评估服务器2的收发器21可进一步自服务器s1～sn接收目标传感器j1～jk连接至服务器s1～sn的多个效能差异信息d(1,1)～d(k,n)。举例而言，当目标传感器j1连接至服务器s1前，服务器s1记录有一第一传感器数值总和，而目标传感器j1连接至服务器s1后，服务器s1记录有一第二传感器数值总和，此时，效能信息差异信息d(1,1)即为第二传感器数值总和与第一传感器数值总和的比值，数值越大，代表j1加入服务器s1对于服务器s1效能影响越大。据此，由于新增传感器x与目标传感器j1～jk的相似度非常高，因此，处理器23便会根据目标传感器j1～jk连接至服务器s1～sn的多个效能差异信息d(1,1)～d(k,n)，决定新增传感器x连接至服务器s1～sn的多个效能差异信息d(x,1)～d(x,n)，并为用户提供作为新增传感器x对于服务器s1～sn整体效能影响的参考。本发明的第三实施例为传感器评估方法，其流程图请参考图3a。第三实施例的方法系用于一传感器评估服务器(例如前述实施例的传感器评估服务器1)。传感器评估服务器用于一传感器系统，传感器系统包含多个服务器以及多个传感器。第三实施例的详细步骤如下所述。首先，执行步骤301，令传感器评估服务器自多个服务器，接收多个传感器相应于各服务器的多个第一传感器数值。执行步骤302，令传感器评估服务器自多个服务器，接收一新增传感器相应于各服务器的多个新增传感器数值。执行步骤303，令传感器评估服务器根据多个新增传感器数值以及多个第一传感器数值，计算新增传感器相应于多个传感器的多个相关性。执行步骤304，令传感器评估服务器自多个相关性中，筛选多个目标相关性。其中，多个目标相关性相应于多个传感器中的多个目标传感器。执行步骤305，令传感器评估服务器根据多个目标传感器相应于各服务器的多个目标传感器数值以及新增传感器相应于各服务器的多个新增传感器数值，计算多个评估参数。执行步骤306，令传感器评估服务器自待测服务器，接收多个目标传感器相应于待测服务器的多个第二传感器数值。最后，执行步骤307，令传感器评估服务器根据多个评估参数以及多个第二传感器数值，计算新增传感器相对于待测服务器的一传感器评估数值。需特别说明，前述步骤303更可进一步由传感器评估服务器根据多个新增传感器数值以及多个第一传感器数值，基于皮尔森相关系数公式计算新增传感器相应于多个传感器的多个相关性。其中，新增传感器与多个传感器其中之一的配对，对应至多个相关性其中之一。同样地，前述步骤304更可进一步先由传感器评估服务器自多个相关性中挑选正相关相关性，再由传感器评估服务器针对挑选后的正相关相关性对应的部分传感器相应的部分第一传感器数值进行极端值过滤。随后，再由传感器评估服务器根据多个新增传感器数值以及过滤后的部分第一传感器数值，计算新增传感器相应于部分传感器的多个更新相关性。最后，再由传感器评估服务器排序多个更新相关性，并根据一存储器门槛值，自排序后的多个更新相关性中挑选多个目标相关性。其中，多个目标相关性相应的多个目标传感器的一可处理数据总量小于存储器门槛值。另外，步骤305更可进一步由传感器评估服务器根据多个目标传感器相应于各服务器的多个目标传感器数值以及新增传感器相应于各服务器的多个新增传感器数值，基于以下回归公式计算多个评估参数：xsi＝β0+β1×j1si+β2×j2si+…+βk×jksi其中，i系为服务器的个数，xsi系为新增传感器相应于第i个服务器的新增传感器数值，k系为目标传感器的个数，j1si,j2si,…,jksi系为多个目标传感器相应于第i个服务器的该等目标传感器数值，β0,β1,…,βk系为该等评估参数。据此，步骤307更可进一步由传感器评估服务器根据多个评估参数以及多个第二传感器数值，基于以下回归公式计算传感器评估数值：xsp＝β0+β1×j1sp+β2×j2sp+…+βk×jksp其中，j1sp,j2sp,…,jksp系为第二传感器数值，xsp系为传感器评估数值。类似地，本发明第三实施例的传感器评估方法更可包含服务器效能评估步骤，其流程图请参考图3b。具体而言，执行步骤308，令传感器评估服务器自多个服务器，接收各目标传感器连接至多个服务器的多个效能差异信息。详言之，多个效能差异信息包含一第一效能差异信息。多个目标传感器其中之一a连接至多个服务器其中之一b前，服务器b记录一第一传感器数值总和。而目标传感器a连接至服务器b后，服务器b记录一第二传感器数值总和。第一效能差异信息系第二传感器数值总和与第一传感器数值总和的比值。据此，同样地，由于新增传感器与目标传感器的相似度非常高，因此，执行步骤309，令传感器评估服务器根据多个效能差异信息，决定新增传感器连接至各服务器的多个效能差异评估信息。并为用户提供作为新增传感器对于各服务器整体效能影响的参考。综合上述，本发明的传感器评估服务器及其传感器评估方法，主要系先找出与新增传感器相似度较高的传感器，并再利用相似度较高的传感器的传感器数值以及回归方法，估算新增传感器于不同服务器的传感器数值。同时，亦可透过相似传感器对服务器的整体效能影响，判断新增传感器可能对服务器产生的效能影响，如此一来，大幅降低网络系统中导入新的传感器的整体成本，有效地改善先前技术缺点。惟上述实施例仅为例示性说明本发明的实施态样，以及阐释本发明的技术特征，并非用来限制本发明的保护范畴。任何熟悉此技艺的人士可轻易完成的改变或均等性的安排均属于本发明所主张的范围，本发明的权利保护范围应以权利要求为准。当前第1页12