基于物联网中间件的云组态方法及系统与流程

本发明涉及物联网，尤其涉及一种基于物联网中间件的云组态方法及系统。

背景技术：

1、随着物联网（iot）技术的迅猛发展，各种智能设备和传感器被广泛应用于工业、农业、交通、医疗等多个领域，这些设备通过采集、传输和分析数据，实现对物理世界的实时监控和控制，然而，面对海量、多样化的物联网设备，如何高效地管理和配置这些设备，成为了一个亟待解决的问题，传统的物联网设备联网部署方法主要依赖于人工配置，往往存在着较低的组网效率，因此，需要一种智能化的基于物联网中间件的云组态方法。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于物联网中间件的云组态方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种基于物联网中间件的云组态方法，包括以下步骤：

3、步骤s1：识别区域内的物联网终端设备及物联网中转设备；对区域内的物联网终端设备进行设备间接口标准化处理，以得到接口标准数据；基于接口标准数据对区域内的物联网终端设备进行容器化运行环境模拟，以得到云端容器环境；

4、步骤s2：基于区域内的物联网终端设备生成设备异构资源数据；利用云端容器环境对设备异构资源数据进行微件化封装处理，构建设备资源池；

5、步骤s3：基于区域内的物联网终端设备及物联网中转设备得到物联网终端节点及物联网中转节点；对物联网终端节点及物联网中转节点进行节点拓扑结构分析，生成节点拓扑结构数据；对节点拓扑结构数据进行拓扑架构构建，构建节点云计算拓扑网络；

6、步骤s4：对区域内的物联网终端设备进行实时状态监测，得到终端设备状态数据；对终端设备状态数据进行实时负载计算，以得到拓扑网络资源瓶颈数据；

7、步骤s5：基于物联网中转节点对节点云计算拓扑网络进行拓扑划分，得到多个节点拓扑子网；基于拓扑网络资源瓶颈数据利用设备资源池对节点拓扑子网进行动态资源调度，从而得到节点动态资源调度数据；

8、步骤s6：基于节点动态资源调度数据对物联网中转节点进行中转节点最优拓扑迁移分析，从而得到中转节点拓扑迁移数据；基于中转节点拓扑迁移数据对节点云计算拓扑网络进行动态云组网拓扑优化，从而得到云端动态拓扑网络。

9、本发明通过标准化处理物联网终端设备的接口使得不同设备之间进行无缝通信，降低了集成和开发的复杂性，将物联网终端设备进行容器化云模拟，提供一个统一的云端平台运行环境，简化了设备的部署和管理过程，通过生成设备异构资源数据，了解区域内物联网终端设备的资源情况，为后续的资源调度提供基础数据，将设备异构资源数据进行微件化封装处理，将不同设备的资源进行统一管理和调度，提高资源的利用效率，通过节点拓扑结构分析和数据生成，了解物联网网络中终端节点和中转节点的连接关系，为后续的网络优化提供基础数据，构建节点云计算拓扑网络提高网络的可靠性和扩展性，使得物联网系统更加稳定和灵活，实时状态监测及时获取物联网终端设备的工作状态，为资源调度和故障排查提供依据，实时负载计算评估物联网拓扑网络中的资源利用情况，识别出资源瓶颈，为后续的优化和调度提供参考，通过拓扑划分和节点拓扑子网的建立，将复杂的节点云计算拓扑网络划分成多个可管理的子网，降低了网络管理的复杂性，利用设备资源池进行动态资源调度，根据拓扑网络资源瓶颈数据对节点拓扑子网进行优化，提高资源利用效率和网络性能，通过中转节点最优拓扑迁移分析，确定中转节点的最佳位置和连接方式，提高网络的传输效率和响应速度，动态云组网拓扑优化根据中转节点拓扑迁移数据对节点云计算拓扑网络进行优化调整，进一步提升网络性能和可靠性，云端动态拓扑网络根据实时的网络需求和资源情况进行动态调整，适应不断变化的物联网环境。

10、优选地，步骤s1包括以下步骤：

11、步骤s11：识别区域内的物联网终端设备及物联网中转设备；

12、步骤s12：对区域内的物联网终端设备进行设备间接口标准化处理，以得到接口标准数据；

13、步骤s13：对接口标准数据进行容器化规范分析，以生成容器化规范数据；

14、步骤s14：利用容器化规范数据对区域内的物联网终端设备进行容器化运行环境模拟，以得到云端容器环境。

15、本发明通过识别区域内的物联网终端设备和物联网中转设备，建立一个准确的设备清单，了解可用的资源和网络拓扑结构，设备间接口标准化处理使得不同物联网终端设备之间的通信更加简化和统一，接口标准数据提供了设备之间交互的规范，降低了集成和开发的复杂性，容器化规范分析将接口标准数据转化为适用于容器化环境的规范，生成容器化规范数据为后续的容器化运行环境模拟提供了指导和准则，容器化运行环境模拟将物联网终端设备以容器的形式进行模拟和部署，云端容器环境提供了一个统一的、隔离的运行环境，简化了设备的部署、管理和维护过程。

16、优选地，步骤s2的具体步骤为：

17、步骤s21：对区域内的物联网终端设备进行物理资源配置分析，以得到设备物理资源配置数据；

18、步骤s22：对区域内的物联网终端设备进行网络算力资源计算，生成设备算力资源数据；

19、步骤s23：对设备算力资源数据及设备物理资源配置数据进行标准化异构资源融合，以生成设备异构资源数据；

20、步骤s24：利用云端容器环境对设备异构资源数据进行微件化封装处理，以得到异构资源封装包；

21、步骤s25：对异构资源封装包进行资源运行虚拟化映射，构建设备资源池。

22、本发明通过物理资源配置分析，了解每个物联网终端设备的硬件配置和可用资源，包括处理器、内存、存储等，设备物理资源配置数据提供了设备的物理资源信息，为后续的资源调度和优化提供基础，通过网络算力资源计算，评估每个物联网终端设备在网络环境下的计算能力和性能，设备算力资源数据提供了设备的计算能力和性能信息，为资源调度和任务分配提供依据，标准化异构资源融合将设备算力资源数据和设备物理资源配置数据进行整合，形成综合的设备异构资源数据，设备异构资源数据提供了综合考虑设备的物理资源和算力资源的信息，为资源调度和任务分配提供更全面的参考，微件化封装处理将设备异构资源数据转化为适用于云端容器环境的封装格式，异构资源封装包提供了将设备资源以容器形式部署和管理的能力，提高了资源利用率和灵活性，资源运行虚拟化映射将异构资源封装包映射到云端容器环境中，构建了一个设备资源池，设备资源池提供了集中管理和调度设备资源的能力，以实现资源的共享、优化和灵活分配。

23、优选地，步骤s3的具体步骤为：

24、步骤s31：基于区域内的物联网终端设备及物联网中转设备得到物联网终端节点及物联网中转节点；

25、步骤s32：对物联网终端节点及物联网中转节点进行节点空间分布分析，以得到节点空间分布数据；

26、步骤s33：对节点空间分布数据进行节点拓扑结构分析，生成节点拓扑结构数据；

27、步骤s34：基于物联网中转节点对物联网终端节点进行中间件通信协议识别，得到中间件通信协议；

28、步骤s35：基于中间件通信协议进行节点通信逻辑分析，以得到节点间通信逻辑数据；

29、步骤s36：利用节点间通信逻辑数据对节点拓扑结构数据进行拓扑架构构建，构建节点云计算拓扑网络。

30、本发明通过识别物联网终端设备和物联网中转设备，确定物联网中的终端节点和中转节点，物联网终端节点和物联网中转节点是构建物联网网络的基础，为后续的节点分析和通信建立提供基础数据，节点空间分布分析了解物联网终端节点和物联网中转节点在区域内的分布情况，节点空间分布数据提供了节点在物理空间上的位置信息，为节点拓扑结构分析和通信优化提供依据，节点拓扑结构分析确定节点之间的连接关系和拓扑结构，节点拓扑结构数据提供了节点之间连接关系的信息，为后续的通信分析和网络优化提供依据，中间件通信协议识别确定物联网终端节点采用的中间件通信协议，中间件通信协议提供了节点间通信的规范和约定，为节点通信逻辑分析和通信配置提供依据，节点通信逻辑分析了解节点之间的通信规则和逻辑，节点间通信逻辑数据提供了节点之间通信的模式和方式，为拓扑架构构建和通信流程优化提供依据，节点云计算拓扑网络的构建基于节点间通信逻辑数据和节点拓扑结构数据，实现节点之间的连接和通信，节点云计算拓扑网络提供了可靠的节点间通信架构，为物联网中间件的云组态提供基础。

31、优选地，步骤s4的具体步骤为：

32、步骤s41：对区域内的物联网终端设备进行实时状态监测，得到终端设备状态数据；

33、步骤s42：对终端设备状态数据进行实时负载计算，以得到设备负载数据；

34、步骤s43：对节点云计算拓扑网络进行延迟响应分析，生成拓扑网络延迟数据；

35、步骤s44：基于设备负载数据及拓扑网络延迟数据进行资源瓶颈分析，以得到拓扑网络资源瓶颈数据。

36、本发明通过实时状态监测获取物联网终端设备的当前状态信息，如运行状态、连接状态、传感器数据等，终端设备状态数据提供了对设备实时情况的了解，为后续的负载计算和资源瓶颈分析提供数据基础，实时负载计算能够分析终端设备当前的负载情况，例如cpu利用率、内存占用等，设备负载数据提供了对终端设备负载情况的了解，为资源瓶颈分析和性能优化提供依据，延迟响应分析评估节点云计算拓扑网络中的延迟情况，即节点之间的通信延迟，拓扑网络延迟数据提供了节点间通信延迟的信息，为资源瓶颈分析和性能优化提供依据，资源瓶颈分析结合设备负载数据和拓扑网络延迟数据，识别拓扑网络中的资源瓶颈点，拓扑网络资源瓶颈数据提供了对网络性能瓶颈的识别和定位，为性能优化和资源配置提供依据。

37、优选地，步骤s5的具体步骤为：

38、步骤s51：基于物联网中转节点对节点云计算拓扑网络进行拓扑划分，得到多个节点拓扑子网；

39、步骤s52：基于拓扑网络资源瓶颈数据对多个节点拓扑子网进行负载趋势预测，得到子网负载趋势预测数据；

40、步骤s53：基于子网负载趋势预测数据利用设备资源池对节点拓扑子网进行动态资源调度，从而得到节点动态资源调度数据。

41、本发明通过拓扑划分将节点云计算拓扑网络分割成多个拓扑子网，每个子网内的节点连接紧密，多个节点拓扑子网的形成有助于提高网络的可管理性和可扩展性，减少节点间通信的复杂性，负载趋势预测通过分析拓扑网络资源瓶颈数据，预测多个节点拓扑子网的负载变化趋势，子网负载趋势预测数据提供了对子网负载情况的预测，为资源调度和性能优化提供依据，动态资源调度利用设备资源池根据子网负载趋势预测数据，对节点拓扑子网中的资源进行动态调度和分配，节点动态资源调度数据提供了针对子网负载变化的资源优化策略，提高资源利用效率和系统性能。

42、优选地，步骤s53的具体步骤为：

43、对节点拓扑子网进行实时资源利用率计算，生成子网资源利用率；

44、基于子网负载趋势预测数据对子网资源利用率进行子网资源利用瓶颈分析，生成子网资源负载峰值；

45、基于子网资源负载峰值对节点拓扑子网进行资源紧缺节点识别，提取子网中资源紧缺节点；

46、利用设备资源池对子网中资源紧缺节点进行动态资源调度，从而得到节点动态资源调度数据。

47、本发明通过实时资源利用率计算评估节点拓扑子网中资源的当前利用情况，子网资源利用率提供了对子网资源利用效率的量化指标，为资源瓶颈分析和资源调度提供依据，子网资源利用瓶颈分析结合负载趋势预测数据，识别子网中资源利用率出现瓶颈的情况，子网资源负载峰值提供了子网资源利用的最高峰值，为资源紧缺节点识别和资源调度提供依据，资源紧缺节点识别基于子网资源负载峰值，确定子网中资源需求较高的节点，子网中资源紧缺节点的识别有助于定位资源短缺的关键节点，为资源调度和性能优化提供依据，动态资源调度利用设备资源池对子网中资源紧缺节点进行优化调度，满足其资源需求，节点动态资源调度数据提供了针对资源紧缺节点的资源优化策略，提高资源利用效率和系统性能。

48、优选地，步骤s6的具体步骤为：

49、步骤s61：基于节点动态资源调度数据对物联网中转节点进行资源中转调度频率计算，得到节点中转调度频率；

50、步骤s62：利用节点动态资源调度数据对节点云计算拓扑网络进行资源负载均衡计算，以得到节点网络负载均衡数据；

51、步骤s63：基于节点中转调度频率及节点网络负载均衡数据进行中转节点最优拓扑迁移分析，从而得到中转节点最优迁移位置；

52、步骤s64：基于中转节点最优迁移位置对节点云计算拓扑网络进行动态云组网拓扑优化，从而得到云端动态拓扑网络。

53、本发明通过资源中转调度频率计算基于节点动态资源调度数据，评估中转节点在资源中转过程中的频率，节点中转调度频率提供了中转节点在资源调度中的活跃程度，为后续的网络负载均衡和最优迁移位置分析提供依据，资源负载均衡计算基于节点动态资源调度数据，对节点云计算拓扑网络中的资源进行均衡分配，节点网络负载均衡数据提供了各个节点的资源负载均衡情况，为最优迁移位置分析和动态拓扑优化提供依据，中转节点最优拓扑迁移分析结合节点中转调度频率和网络负载均衡数据，确定中转节点的最优迁移位置，中转节点最优迁移位置提供了中转节点在拓扑迁移过程中的最佳位置选择，以优化资源调度和网络性能，动态云组网拓扑优化基于中转节点最优迁移位置，对节点云计算拓扑网络进行优化调整，云端动态拓扑网络提供了经过优化的拓扑结构，以提升网络性能、资源利用效率和系统的可扩展性。

54、优选地，步骤s63的具体步骤为：

55、对节点中转调度频率进行调度频次差异性计算，以得到节点调度频次差异性；

56、基于节点调度频次差异性对节点云计算拓扑网络进行高频调度中转节点识别，以提取高频调度中转节点；

57、基于节点网络负载均衡数据对节点云计算拓扑网络进行负载失衡中转节点分析，标记负载失衡中转节点；

58、对高频调度中转节点及负载失衡中转节点标记为待迁移中转节点；

59、对待迁移中转节点进行潜在迁移节点位置分析，从而得到潜在迁移节点位置；

60、基于潜在迁移节点位置对节点云计算拓扑网络进行迭代迁移模拟，以得到中转节点迁移模拟网络；

61、对中转节点迁移模拟网络进行负载性能响应分析，生成迁移后负载性能响应数据；

62、根据迁移后负载性能响应数据对待迁移中转节点进行最优拓扑迁移位置评估，得到中转节点最优迁移位置。

63、本发明通过调度频次差异性计算基于节点中转调度频率，评估节点之间调度频次的差异性，节点调度频次差异性提供了节点在调度频次上的差异程度，用于后续的高频调度中转节点识别和负载失衡中转节点分析，高频调度中转节点识别利用节点调度频次差异性，确定具有高频调度特征的中转节点，提取高频调度中转节点有助于识别网络中调度频次较高的节点，为后续的迁移分析和拓扑优化提供依据，负载失衡中转节点分析基于节点网络负载均衡数据，识别负载失衡的中转节点，标记负载失衡中转节点有助于确定负载分布不均匀的节点，为后续的迁移分析和拓扑优化提供依据，标记待迁移中转节点将高频调度中转节点和负载失衡中转节点作为候选节点进行进一步分析和处理，待迁移中转节点标记使得后续的潜在迁移节点位置分析和迁移模拟集中在这些节点上，以优化网络性能和资源利用，潜在迁移节点位置分析基于待迁移中转节点，确定这些节点的潜在迁移位置，潜在迁移节点位置提供了的迁移目标，用于后续的迁移模拟和最优迁移位置评估，迭代迁移模拟基于潜在迁移节点位置，对节点云计算拓扑网络进行多次迁移模拟，中转节点迁移模拟网络提供了不同迁移方案下的网络拓扑结构，为后续的负载性能响应分析和最优迁移位置评估提供数据支持，负载性能响应分析基于中转节点迁移模拟网络，评估不同迁移方案对负载性能的影响，迁移后负载性能响应数据提供了迁移后网络的负载情况和性能表现，为最优迁移位置评估提供依据，最优拓扑迁移位置评估基于迁移后负载性能响应数据，确定待迁移中转节点的最佳迁移位置，中转节点最优迁移位置提供了最佳的迁移目标位置，以优化网络性能、负载均衡和资源利用。

64、在本说明书中，提供一种基于物联网中间件的云组态系统，用于执行如上所述的基于物联网中间件的云组态方法，包括：

65、容器化模块，用于识别区域内的物联网终端设备及物联网中转设备；对区域内的物联网终端设备进行设备间接口标准化处理，以得到接口标准数据；基于接口标准数据对区域内的物联网终端设备进行容器化运行环境模拟，以得到云端容器环境；

66、微件化封装模块，用于基于区域内的物联网终端设备生成设备异构资源数据；利用云端容器环境对设备异构资源数据进行微件化封装处理，构建设备资源池；

67、拓扑网络模块，用于基于区域内的物联网终端设备及物联网中转设备得到物联网终端节点及物联网中转节点；对物联网终端节点及物联网中转节点进行节点拓扑结构分析，生成节点拓扑结构数据；对节点拓扑结构数据进行拓扑架构构建，构建节点云计算拓扑网络；

68、资源瓶颈模块，用于对区域内的物联网终端设备进行实时状态监测，得到终端设备状态数据；对终端设备状态数据进行实时负载计算，以得到拓扑网络资源瓶颈数据；

69、动态资源调度模块，用于基于物联网中转节点对节点云计算拓扑网络进行拓扑划分，得到多个节点拓扑子网；基于拓扑网络资源瓶颈数据利用设备资源池对节点拓扑子网进行动态资源调度，从而得到节点动态资源调度数据；

70、动态拓扑优化模块，用于基于节点动态资源调度数据对物联网中转节点进行中转节点最优拓扑迁移分析，从而得到中转节点拓扑迁移数据；基于中转节点拓扑迁移数据对节点云计算拓扑网络进行动态云组网拓扑优化，从而得到云端动态拓扑网络。

71、本发明通过识别区域内的物联网终端设备和物联网中转设备帮助建立对物联网系统的全面了解，并提供必要的信息用于后续步骤，设备间接口标准化处理确保物联网终端设备的接口遵循统一的标准，从而促进设备之间的互操作性和兼容性，容器化运行环境模拟在云平台上模拟物联网终端设备的运行环境，使其能够在云中进行虚拟化操作和管理，提高系统的灵活性和可扩展性，生成设备异构资源数据提供有关物联网终端设备的处理能力、存储容量、传输带宽等信息，为后续的资源调度和优化提供基础数据，微件化封装处理将设备的资源封装成可管理和调度的微件，使得资源以更精细和可控的方式进行管理和分配，构建设备资源池集中管理区域内物联网终端设备的资源信息，为后续的资源调度和优化提供便利，得到物联网终端节点和物联网中转节点的信息帮助构建物联设备的整体拓扑结构，确定节点之间的连接关系和通信路径，通过节点拓扑结构分析和生成节点拓扑结构数据，获得区域内物联设备的拓扑信息，为后续的网络优化和资源调度提供基础数据，构建节点云计算拓扑网络为物联网系统提供灵活的通信和数据传输架构，提高系统的可靠性和性能，实时状态监测帮助了解物联网终端设备的运行状态和性能指标，及时获取设备的健康状况，实时负载计算根据终端设备状态数据对拓扑网络进行负载评估，识别资源利用不均衡或瓶颈情况，为后续的资源调度和优化提供依据，基于物联网中转节点对节点云计算拓扑网络进行拓扑划分将整个网络划分为多个子网，减少子网之间的通信开销，提高网络的效率和响应速度，利用拓扑网络资源瓶颈数据进行动态资源调度根据网络负载情况和资源利用率，动态地分配和调整节点的资源，保证网络的平衡和性能，节点动态资源调度数据提供了针对不同子网的资源分配方案，为后续的网络优化和性能提升提供指导，中转节点最优拓扑迁移分析通过评估中转节点之间的通信性能和负载情况，确定最佳的中转节点布局和连接方式，提高整个网络的传输效率和容量，基于中转节点拓扑迁移数据对节点云计算拓扑网络进行动态云组网拓扑优化根据最优迁移方案，调整节点之间的连接关系和拓扑结构，优化网络的布局和性能，云端动态拓扑网络提供了一个灵活、高效的网络架构，适应不断变化的物联网环境和需求。