一种异构协同一体化综合管理平台的制作方法

1.本发明涉及人工智能领域，具体为一种异构协同一体化综合管理平台。


背景技术：

2.异构协同应用解决方案重点解决的是进口、国产不同硬件设备仪器的数据整合问题，近年来，异构计算、异构协同成为全球聚焦点,由于国际间的技术封锁，致使多种设备瘫痪终端设备不互通、通信接口多且乱、业务应用不关联，为技术垄断创造了条件,亟需异构协同技术解决一系列”卡脖子“的致命难题，直接打断垄断源。
3.人工智能核心产业对物联网硬件层的异构协同应用需求市场可达数千亿元。由相同计算架构组成的同构应用系统，其综合性能主要依赖于底层工艺突破，然而众多相关研发技术达到物理极限。此时由不同计算架构组成的异构应用系统可在协同体系下融合多种计算架构，强势提升底层硬件性能和产业应用性。目前对异构数据的处理局限于单独的管理系统。而将异构数据集成后共同处理就成为重要挑战。从微观层次看，异构计算需要极为复杂的异构编程开发环境，难以推广。从宏观层次看，异构网络融合仍需长期逐步演进，面临诸多挑战和问题。


技术实现要素：

4.针对上述存在的技术不足，本发明的目的是提供一种异构协同一体化综合管理平台，其充分结合云边协同优势，实现因异构产生的混合数据的协同化。
5.为解决上述技术问题，本发明采用如下技术方案：
6.一种异构协同一体化综合管理平台，其特征在于，包括本地边缘端、边缘计算管理中心、云服务器、云边缘端、分布式协同平台，所述边缘计算管理中心与本地边缘端、云服务器、云边缘端双向对接；
7.所述本地边缘端为若干边缘计算节点形成的本地边缘计算节点群；
8.所述本地边缘端搭建若干个分布式协同平台，所述分布式协同平台包含数据感知模块、数据处理模块、数据管理模块、数据调度模块、服务调度模块、质量评估模块；
9.所述本地边缘端包含模型定制与数据传递两大功能；本地边缘端初始设置为空，在第一次启动时采集匹配设备特征信息与部分数据生成样例，通过分布式协同平台将特征值与数据信息进行上传；本地边缘端第一次启动并采集信息上传后，待收到边缘计算管理中心的定制化要求，开始进行模型定制，完成与特定设备的自适应数据匹配，并按照边缘计算管理中心的数据格式要求开始采集设备生产数据；本地边缘端完成自适应匹配后，开启特定标识符标记，待二次启动即可对特征设备进行数据的采集和传递；
10.所述边缘计算管理中心接收来自本地边缘端的特征数据以及位置信息上传至云服务器；
11.所述边缘计算管理中心根据云服务器回传的云边缘端网络地址建立边缘计算管理中心与云边缘端的连接；所述边缘计算管理中心接收来自云边缘端的定制化要求，并将
其传递给本地边缘端，辅助本地边缘端自适应特征设备的生产数据；
12.所述云服务器接收来自边缘计算管理中心的特征数据以及位置信息后进行特征信息处理和分析，然后选择其周边最优云边缘端计算平台，并获取最优云边缘端计算平台的链接信息，将该链接信息自动推动至边缘计算管理中心；
13.所述云服务器存储有协议解析模板以及模型定制的需求库；
14.所述云服务器收集来自云边缘端的更新信息，对云边缘端进行管理；
15.所述边缘计算管理中心获得来自云边缘端的链接信息后，发动链接请求，建立边缘计算管理中心和云边缘端分布式协同平台之间的链接，衔接本地边缘计算端与云边缘端的信息传递；
16.所述云边缘端收到来自云服务器的特征数据后进行数据解析；所述云边缘端完成数据解析后，对这类数据进行深度学习训练，创立特定设备数据解析模型模板；
17.所述云边缘端将该模板上传至云服务器进行审核；云边缘端将确认后的模板回传至边缘计算管理中心，边缘计算管理中心发起定制。
18.本发明的有益效果在于:充分结合云边协同优势，调动云-边-端联合处理，通过本地边缘端破解运行规则，通过云服务平台完成资源调度，通过云边缘端重构新运行规则，循环往复，实现因异构产生的混合数据的协同化；为设备搭载异构协同系统，改善了设备的协同运行效能加强了数据一体化管理，推进混合数据协同治理体系的建设和应用，实现了同平台承载异构数据的功能，解决了异构数据难采集、难处理、难存储的建设痛点。
附图说明
19.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1为本发明提供的一种异构协同一体化综合管理平台的工作流程图；
21.图2为本发明提供的一种异构协同一体化综合管理平台的原理框图；
22.图3为本发明提供的一种异构协同一体化综合管理平台的计算卸载执行流程图；
23.图4为本发明提供的一种异构协同一体化综合管理平台的策略执行流程图。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.如图1-图4所示，一种异构协同一体化综合管理平台，包括本地边缘端、边缘计算管理中心、云服务器、云边缘端、分布式协同平台，所述边缘计算管理中心与本地边缘端、云服务器、云边缘端双向对接；
26.在设备附近搭建边缘计算节点形成本地边缘计算节点群，建设本地边缘端；
27.本地边缘端采用分布式部署，搭建分布式协同平台，各分布式协同平台均包含数
据感知模块、数据处理模块、数据管理模块、数据调度模块、服务调度模块、质量评估模块；
28.本地边缘端主要包含模型定制与数据传递两大功能；
29.本地边缘端初始设置为空，在第一次启动时采集匹配设备特征信息与部分数据生成样例，通过分布式协同平台将特征值与数据信息进行上传；本地边缘端第一次启动并采集信息上传后，待收到边缘计算管理中心的定制化要求，开始进行模型定制，完成与特定设备的自适应数据匹配，并按照边缘计算管理中心的数据格式要求开始采集设备生产数据；本地边缘端完成自适应匹配后，开启特定标识符标记，待二次启动即可对特征设备进行数据的采集和传递。
30.在本地边缘端对外接应处，设计有边缘计算管理中心，边缘计算管理中心对内接收本地边缘端数据，进行计算卸载，对外进行与云服务器以及云边缘端的数据交流；
31.边缘计算管理中心可与本地边缘端、云服务器、云边缘端进行数据的双向对接，并可形成本地边缘端与云边缘端之间信息过渡的桥梁，协助云服务器实现“云管理，端计算”的数据处理；
32.在本地边缘端的定制阶段，边缘计算管理中心主要是想接收自本地边缘端的特征数据以及位置信息等上传至云服务器；
33.边缘计算管理中心可根据云服务器回传的云边缘端网络地址建立边缘计算管理中心与云边缘端的连接；
34.边缘计算管理中心可接收来自云边缘端的定制化要求，并将其传递给本地边缘端，辅助本地边缘端自适应特征设备的生产数据。
35.对外与边缘计算管理中心首次开展数据对接的云服务器采用集中式协同平台的部署，在单一中心节点的部署状态下，充分获取全局计算节点状态，最优化实现资源调度，完成对端计算的管理；
36.云服务器收到来自边缘计算管理中心的特征数据以及位置信息后，进行特征信息处理和分析，随后选择其周边最优云边缘端计算平台，并获取最优云边缘端计算平台的链接信息，将该链接信息自动推送至边缘计算管理中心；
37.云服务器存储有各种协议解析模板以及模型定制的需求库；
38.云服务器收集来自云边缘端的更新信息，对云云边缘端进行管理；
39.执行ai分析建模以及计算更多数据量的平台主要集中在云边缘端分布式协同平台中；
40.边缘计算管理中心获得来自云边缘端的链接信息后，发动链接请求，建立边缘计算管理中心和云边缘端分布式协同平台之间的链接，衔接本地边缘计算端与云边缘端的信息传递。
41.云边缘端收到来自云服务器的特征数据后即可进行数据解析，数据解析可通过人工辅助参与完成；
42.云边缘端完成数据解析后，对这类数据进行深度学习训练，创立特定设备数据解析模型模板；
43.云边缘端将该模板上传至云服务器进行审核；
44.云边缘端将确认后的模板回传至边缘计算管理中心，边缘计算管理中心即可发起定制。同样的双向通道即是如此，同理信息传递也是这样。
45.本发明的设计充分结合云边协同优势，调动云-边-端联合处理，通过本地边缘端破解运行规则，通过云服务平台完成资源调度，通过云边缘端重构新运行规则，循环往复，实现因异构产生的混合数据的协同化；为设备搭载异构协同系统，改善了设备的协同运行效能加强了数据一体化管理，推进混合数据协同治理体系的建设和应用，实现了同平台承载异构数据的功能，解决了异构数据难采集、难处理、难存储的建设痛点。
46.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。