[发明专利]一种对边缘计算设备的监测方法

权利要求书

1.一种对边缘计算设备的监测方法，其特征在于，包括：

服务器获取若干个边缘计算设备的设备信息，基于预设规则建立边缘计算设备的排队队列；预设规则包括边缘计算设备的计算能力的数值；

根据排队队列的顺序依次接收与每一个边缘计算设备连接的物联网设备发送的采集数据，根据所述采集数据训练得到数据处理模型，将所述数据处理模型传输至相对应的边缘计算设备；

接收边缘计算设备发送的数据处理模型的模型参数，将所述模型参数与预设模型参数进行比较，在确定所述模型参数异常时，发出报警提示；

还包括：

获取边缘计算设备中各个计算模块的运行参数；

根据各个计算模块的运行参数计算边缘计算设备的健康度；

判断所述健康度是否小于预设健康度，将健康度小于预设健康度的边缘计算设备确定为异常设备；

根据各个计算模块的运行参数计算边缘计算设备的健康度，包括：

获取每个计算模块的运行参数，并生成一个采集向量；

设置一个健康向量，所述健康向量表示边缘计算设备的健康信息；

计算采集向量与健康向量之间的距离L：

其中，n为采集向量中包括的运行参数的数量；w_i为采集向量中第i个运行参数的采集监测值；t_i为第i个运行参数对应的权重因子；u为健康向量，是基于多次试验获取的；δ_i为第i个运行参数的方差；

根据采集向量与健康向量之间的距离L，计算边缘计算设备的健康度K：

其中，Q为健康度的跨度值；L₁为采集向量与健康向量的距离的最大值；L₂为采集向量与健康向量的距离的最小值；e为自然常数；ε为采集向量与健康向量之间的方向修正参数。

2.如权利要求1所述的对边缘计算设备的监测方法，其特征在于，根据所述采集数据训练得到数据处理模型，包括：

对所述采集数据进行数据预处理，去除采集数据中的离群数据，得到有效数据，对所述有效数据进行归一化处理；

对归一化处理后的所述有效数据进行特征提取，得到特征向量；根据所述特征向量对预先构建的数据处理模型进行训练。

3.如权利要求1所述的对边缘计算设备的监测方法，其特征在于，还包括：

接收若干个边缘计算设备发送的计算任务的数量，并分别判断是否大于预设数量，将计算任务的数量大于预设数量的边缘计算设备确定为目标设备集合；确定目标设备集合中的待传输的计算任务的数量；

将待传输的计算任务通过多个传输通道传输至服务器；

获取传输通道信息及传输数据信息，根据所述传输通道信息及传输数据信息确定多个传输通道分别对应的传输质量；

分别判断多个传输通道对应的传输质量是否满足预设传输质量，剔除不满足预设传输质量的传输通道，并计算剩余传输通道的带宽信息；

判断所述带宽信息是否大于预设带宽，在确定带宽信息大于预设带宽时，将剩余传输通道的传输数据转移至新建传输通道进行传输。

4.如权利要求3所述的对边缘计算设备的监测方法，其特征在于，在将待传输的计算任务通过多个传输通道传输至服务器前，还包括：

确定目标设备集合中的目标设备发送计算任务的发送请求；

对所述发送请求进行域名解析，得到所述域名对应的ip；

判断所述域名对应的ip是否处于白名单上；

在确定所述域名对应的ip处于白名单上时，将所述ip进行转换处理，得到加速ip；

基于所述加速ip将所述发送请求加速传输至服务器。