本发明涉及数据传输,尤其涉及一种边缘网关的数据分批传输方法、装置、设备及介质。
背景技术:
1、在大规模终端设备上报数据到服务器的应用场景中,数据量庞大且集中上报往往会导致服务器处理压力过大。为了解决这一问题,目前的技术通常采用直接将所有数据一次性发送到服务器的方式进行处理。然而,这种传统的数据上报方法存在一些缺点:大量终端设备同时将数据一次性发送到服务器,导致服务器需要同时处理大量数据请求,从而增加了服务器的负载和响应时间;大量数据同时发送到服务器,可能导致网络拥堵,造成数据传输延迟或丢失;终端设备需要保持持续的网络连接以发送数据,这会消耗大量的电量,降低设备的电池寿命,尤其对于移动终端而言。
技术实现思路
1、本发明的目的在于提供一种边缘网关的数据分批传输方法、装置、设备及介质,利用时间序列相似度算法和聚类算法,将传感器节点集合中的能耗数据进行整合,获得能耗数据簇集合,从而减少数据传输量,优化网络传输效率,以解决上述现有问题的至少之一。
2、本发明提供了一种边缘网关的数据分批传输方法,所述方法具体包括:
3、基于边缘网关与传感器节点集合的通信连接,通过所述边缘网关获取所述传感器节点集合的能耗数据;
4、根据时间序列相似度算法和聚类算法,将所述传感器节点集合中每个传感器节点各自的能耗数据进行数据整合,获得能耗数据簇集合;
5、实时监控所述边缘网关的网络负载情况,根据所述边缘网关的当前网络负载情况,从所述能耗数据簇集合中确定最高优先级的能耗数据簇,将最高优先级的能耗数据簇发送至服务器。
6、进一步的,所述根据时间序列相似度算法和聚类算法,将所述传感器节点集合中每个传感器节点各自的能耗数据进行数据整合,获得能耗数据簇集合,具体包括:
7、计算所述传感器节点集合中每两个传感器节点的能耗数据的时间序列点之间的欧氏距离,获得每两个传感器节点的能耗数据之间的距离矩阵;
8、根据所述距离矩阵,使用动态时间规整算法计算累计距离矩阵,通过所述累计距离矩阵获得每两个传感器节点的能耗数据之间的相似度分数;
9、根据所述传感器节点集合中每两个传感器节点的能耗数据之间的相似度分数,构建相似度矩阵;
10、基于所述相似度矩阵,根据聚类算法对所述传感器节点集合中每个传感器节点的能耗数据进行聚类,获得能耗数据簇集合。
11、更进一步的,所述计算所述传感器节点集合中每两个传感器节点的能耗数据的时间序列点之间的欧氏距离,获得每两个传感器节点的能耗数据之间的距离矩阵,具体包括:
12、获得第一传感器节点的能耗数据,根据所述第一传感器节点的能耗数据构建第一时间序列集合;
13、获得第二传感器节点的能耗数据,根据所述第二传感器节点的能耗数据构建第二时间序列集合;
14、其中,所述第一传感器节点和所述第二传感器节点为所述传感器节点集合中任两个传感器节点;
15、基于欧氏距离公式,计算所述第一时间序列集合的任一时间序列点和所述第二时间序列集合的任一时间序列点之间的欧氏距离,获得欧氏距离集合,所述欧氏距离公式满足,其中,c为第一时间序列集合的任一时间序列点和第二时间序列集合的任一时间序列点之间的欧氏距离,为第一时间序列集合中任一时间序列点,为第二时间序列集合中任一时间序列点,i为第一时间序列集合或第二时间序列集合的时间序列点的序号,n为第一时间序列集合的任一时间序列点和第二时间序列集合的任一时间序列点之间的欧氏距离计算次数;
16、根据所述欧氏距离集合构建距离矩阵。
17、更进一步的,所述根据所述距离矩阵,使用动态时间规整算法计算累计距离矩阵,通过所述累计距离矩阵获得每两个传感器节点的能耗数据之间的相似度分数,具体包括:
18、将所述距离矩阵的第一个二维元素作为起始位置,确定第一个二维元素之外的每个二维元素与第一个二维元素之间的路径;
19、当第一个二维元素之外的每个二维元素与第一个二维元素之间的路径为唯一路径时,将唯一路径确定为目标路径;
20、当第一个二维元素之外的每个二维元素与第一个二维元素之间的路径不为唯一路径时,计算每条路径之间的累计欧氏距离,将累计欧氏距离最少的路径确定为目标路径;
21、根据第一个二维元素之外的每个二维元素与第一个二维元素之间的目标路径的累计欧氏距离,获得累计距离矩阵;
22、将所述累计距离矩阵上的最后一个二维元素的累计欧氏距离确定为每两个传感器节点的能耗数据之间的相似度分数。
23、更进一步的,所述基于所述相似度矩阵,根据聚类算法对所述传感器节点集合中每个传感器节点的能耗数据进行聚类,获得能耗数据簇集合,具体包括:
24、随机确定若干个传感器节点的能耗数据为初始簇中心点;
25、设置相似度分数阈值,根据每个初始簇中心点在所述相似度矩阵上的每个二维元素的相似度分数与所述相似度分数阈值的比较,将其他不为初始簇中心点的传感器节点的能耗数据与对应的初始簇中心点进行聚类,获得初始能耗数据簇集合;
26、对所述初始能耗数据簇集合中每个初始能耗数据簇通过计算平均值获得新簇中心点,根据所述新簇中心点进行聚类,重复迭代到预设次数后获得目标能耗数据簇集合。
27、进一步的,所述根据所述边缘网关的当前网络负载情况,从所述能耗数据簇集合中确定最高优先级的能耗数据簇,具体包括:
28、构建所述传感器节点集合与所述边缘网关之间的排队模型,根据所述排队模型确定所述边缘网关的到达率和传输速率,所述到达率为单位时间内到达边缘网关的传感器节点的平均请求次数,所述传输速率为单位时间内边缘网关平均处理的传感器节点的请求次数;
29、根据所述到达率和所述传输速率确定所述排队模型的平均排队长度;
30、建立所述边缘网关的数据大小与数据传输时间之间的第一线性关系模型,根据所述第一线性关系模型确定所述平均排队长度的数据传输时间;
31、根据所述平均排队长度和所述数据传输时间确定所述边缘网关的网络延迟;
32、建立所述边缘网关的数据大小与网络延迟之间的第二线性关系模型,根据所述第二线性关系模型确定所述边缘网关的当前网络延迟下所述能耗数据簇集合中每个能耗数据簇的优先级;
33、根据每个能耗数据簇的优先级,确定最高优先级的能耗数据簇。
34、更进一步的,所述平均排队长度满足,,,其中,l为平均排队长度,λ为边缘网关的到达率,μ为边缘网关的传输速率,k为单位时间内到达边缘网关的传感器节点的总请求次数,k为单位时间内边缘网关总共处理的传感器节点的请求次数,t为单位时间。
35、本发明还提供了一种边缘网关的数据分批传输装置,所述装置具体包括:
36、数据采集模块,用于基于边缘网关与传感器节点集合的通信连接,通过所述边缘网关获取所述传感器节点集合的能耗数据;
37、数据整合模块,用于根据时间序列相似度算法和聚类算法,将所述传感器节点集合中每个传感器节点各自的能耗数据进行数据整合,获得能耗数据簇集合;
38、数据传输模块,用于实时监控所述边缘网关的网络负载情况,根据所述边缘网关的当前网络负载情况,从所述能耗数据簇集合中确定最高优先级的能耗数据簇,将最高优先级的能耗数据簇发送至服务器。
39、本发明还提供了一种计算机设备,包括:存储器和处理器及存储在存储器上的计算机程序,当所述计算机程序在处理器上被执行时,实现如上述方法中任一项所述的边缘网关的数据分批传输方法。
40、本发明还提供了一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器运行时,实现如上述方法中任一项所述的边缘网关的数据分批传输方法。
41、与现有技术相比,本发明具有以下技术效果的至少之一:
42、1、利用时间序列相似度算法和聚类算法,将传感器节点集合中的能耗数据进行整合,获得能耗数据簇集合,从而减少数据传输量,优化网络传输效率。
43、2、根据边缘网关的网络负载情况实时确定最高优先级的能耗数据簇,保证了传输的实时性和效率。
44、3、通过建立排队模型,考虑到网络负载与数据大小之间的关系,动态调整传输优先级,以实现更好的网络负载控制和资源利用。