物联网数据包的解析方法和基于云服务器的数据处理系统与流程

1.本技术涉及工业自动化领域，尤其涉及一种物联网数据包的解析方法、基于云服务器的数据处理系统、物联网数据包的解析装置、计算机设备和计算机可读存储介质。


背景技术：

2.随着计算机技术的发展，在各类场景中，计算机所需要处理的数据也与日俱增，而计算能力也变成了一种可量化的稀缺资源。
3.但受限于网络的稳定性及延时性能的影响，目前在很多场景中，计算能力还局限于单台设备上。例如，现代工业数控系统设备架构基本采用有线连接，且在传统模式下，工业现场采用一台数控系统平台客户端操控一台机床，由该数控系统平台客户端处理和存储机床产生的各类数据；当前的车联网技术中，汽车在行进过程中的自动控制、障碍物规避、线路规划等都借助于汽车自身的芯片进行。
4.而需要说明的是，由于计算能力局限于单台设备上，随着时间发展，可能会引入更多场景中的数据需要进行处理，这种情况下单台设备的负载过高，从而可能会影响到数据包的解析处理效率。


技术实现要素：

5.本技术实施例的目的在于提出一种一种物联网数据包的解析方法、基于云服务器的数据处理系统、物联网数据包的解析装置、计算机设备和计算机可读存储介质，其主要目的为减少单台设备的计算负载，提高数据包的解析处理效率。
6.为了解决上述技术问题，本技术实施例提供一种物联网数据包的解析方法，采用了如下所述的技术方案：
7.获取物联网终端采集的待处理的数据包；
8.确定所述数据包是否为实时性强数据；
9.若所述数据包为实时性强数据，则将所述数据包调配至本地服务器进行解析处理；
10.若所述数据包为实时性弱数据，则将所述数据包调配至云服务器进行解析处理。
11.为了解决上述技术问题，本技术实施例还提供一种基于云服务器的数据处理系统，采用了如下所述的技术方案：
12.至少一台数控系统平台客户端、本地服务器和云服务器，所述数控系统平台客户端、所述云服务器分别与所述本地服务器具有通信连接；
13.所述数控系统平台客户端，用于采集来自数控机床和传感器上传的数据，组成数据包，并将所述数据包发送至所述本地服务器；
14.所述本地服务器，用于执行上述所述的物联网数据包的解析方法的流程；
15.所述云服务器，用于对调配到的数据包进行解析处理。
16.为了解决上述技术问题，本技术实施例还提供一种基于云服务器的数据处理系
统，采用了如下所述的技术方案：
17.至少一台数控系统平台客户端、本地服务器和云服务器，所述数控系统平台客户端、所述云服务器分别与所述本地服务器具有通信连接；
18.所述数控系统平台客户端，用于执行上述权利要求1-5中任一项所述的物联网数据包的解析方法的流程；
19.所述本地服务器，用于对调配到的数据包进行解析处理；
20.所述云服务器，用于对调配到的数据包进行解析处理。
21.为了解决上述技术问题，本技术实施例还提供一种物联网数据包的解析装置，采用了如下所述的技术方案：
22.获取单元，用于获取物联网终端采集的待处理的数据包；
23.判断单元，用于确定所述数据包是否为实时性强数据；
24.调度单元，用于若所述数据包为实时性强数据，则将所述数据包调配至本地服务器进行解析处理；若所述数据包为实时性弱数据，则将所述数据包调配至云服务器进行解析处理。
25.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
26.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的物联网数据包的解析方法的步骤。
27.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
28.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的物联网数据包的解析方法的步骤。
29.与现有技术相比，本技术实施例主要有以下有益效果：
30.本技术的技术方案中，在物联网场景中，获取到物联网终端采集的待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地服务器进行解析处理，若为实时性弱数据，则将数据包调配至云服务器进行解析处理。通过采用本地服务器处理实时性强数据，云服务器处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
附图说明
31.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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。
32.图1是根据本技术的物联网数据包的解析方法的一个实施例的流程图；
33.图2为本技术实施例中一种基于云服务器的数据处理系统的一个系统架构示意图；
34.图3为图2中数控系统平台客户端210的架构示意图；
35.图4为本技术实施例中一种基于云服务器的数据处理系统的又一个系统架构示意
图；
36.图5为本技术实施例中一种物联网数据包的解析装置的一个结构示意图；
37.图6为本技术实施例中一种计算机设备的一个结构示意图。
具体实施方式
38.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
39.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
40.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
41.随着并行计算(parallel computing)、分布式计算(distributed computing)的发展，云计算的概念应运而生。“云”是一些可以自我维护和管理的虚拟计算资源，云计算可以允许用户通过网络接入到一个可动态配置的共享计算资源池，该共享计算资源池包括网络设备、服务器、存储设备、应用以及业务，从而使得用户可以通过较小的代价获得充足的计算资源。
42.但需要说明的是，虽然云服务器具有更大的算力和存储资源，引入云端可以大大增加储存空间，消除一些计算任务的过程日志数据流对硬盘空间占用大的问题，可以保存更多的信息，更易实现数据共享，但受限于网络传输的时延，云端在处理时存在任务时间抖动，数据包上传和下载的包丢率相对较高的技术问题。而本地服务器虽然算力相对较弱，但相较于云端解析更稳定。
43.因此，为了解决单台设备的负载能力有限的技术问题，同时避免纯采用云服务器处理带来时延性方面的缺陷，可以将从物联网终端获取到的数据包分为实时性强数据和实时性弱数据，采用本地服务器对实时性强数据进行处理，采用云服务器对实时性弱数据进行处理。
44.基于上述说明，下面参考图1，示出了根据本技术的一种物联网数据包的解析方法的一个实施例的流程图。所述的物联网数据包的解析方法，包括以下步骤：
45.步骤s110，获取物联网终端采集的待处理的数据包。
46.在本实施例中，物联网数据包的解析方法应用于物联网场景，例如可以应用于工业物联网和车联网中，且运行于其上的电子设备，该电子设备可以通过有线连接方式或者无线连接方式获取物联网终端采集到的待处理的数据包。该解析方法应用于工业物联网时，其可以应用于数控机床的控制系统中，物联网终端可以是与数控机床相连的工控机，所采集的待处理的数据包可以是数控机床运行过程的相关运行数据和环境传感器采集的传
感器数据。该解析方法还可以应用于车联网中，物联网终端可以是安装有通讯和计算芯片的智能汽车，所采集的待处理的数据包可以是车辆运行过程中的运行数据，例如车速、车辆坐标、线路等信息。
47.此外，需要指出的是，在一些应用场景中，为便于设备控制的实时性，上述无线连接方式优先可以选用低时延的无线通信方式，例如5g连接，若对实时性要求较低，则也可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
48.步骤s120，确定数据包是否为实时性强数据。
49.本实施例中，不同的数据包可以分别用于执行不同的计算任务，不同任务的实时性要求并不相同，因此不同任务对应的数据包可以分为实时性强数据和实时性弱数据。数据包实时性的强弱主要体现在对其进行解析处理的紧迫性，实时性强的数据包，需要优先及时处理，而实时性弱的数据，则允许适当延迟处理。例如，在一些对设备的运行状态进行实时反馈控制的场景中，设备的运行状态数据则一般为实时性强数据，而其运行中的日志数据则一般为实时性弱数据。具体的，在数控机床的场景中，当工控机从机床上读取到了伺服电机的位置发生了大于一个静态抖动值的变化，则认为发生了位移，该项位移参数需要打包为一个计算任务及时处理，以便进行下一步的路径规划。而由于这个数据会影响到实际的机械运动，属于一个闭环任务，需要及时处理，以确保实时性，所以这个数据为实时性强数据。而传感器的改变，例如位置传感器，在正常情况下这项数据属于低优先级任务的数据，不会做机械起反馈作用，只是起监控作用，无需要及时处理，因此该数据为实时性弱数据。在车联网场景中，与车辆的自动控制和障碍物规避是保障车辆运行安全的重要任务，需要较高的实时性，因此这些任务所涉及的数据包为实时性强数据，而线路规划任务，则实时性较弱，因此该任务的数据包为实时性弱数据。
50.此外，需要说明的是，数据包实时性的强弱，可以采用多种方法进行判定。例如，可以通过物联网终端在数据包中添加数据实时性的强弱标识，从而电子设备可以根据该标识，确定数据包实时性的强弱；可以通过在电子设备上预先设置不同参数对应有不同的实时性强弱，从而根据数据包中所包含的参数，以参数对应的实时性强弱，作为该数据包的实时性强弱的依据；可以设置不同属性的数据具有不同的实时性，例如，针对数控机床场景中与数控机床机械运动相关的参数，设置其为实时性强属性，而传感器采集的数据为实时性弱属性。需要说明的是，关于数据包实时性强弱的设定，在现有的不同应用场景中，可以具有不同的设定，上述方式仅为举例说明，并不作为本技术的限定。
51.在一些可能的实现方式中，确定数据包是否为实时性强数据的步骤，可以包括：确定数据包中参数的数据类型；若数据包的参数中包括第一数据类型的参数，则确定数据包为实时性强数据，其中第一数据类型为预设的实时性强的数据类型；若数据包中仅包括第二数据类型的参数，则确定数据包为实时性弱数据，其中第二数据类型为预设的实时性弱的数据类型。
52.具体的，可以预先设定不同类型的参数对应有不同的实时性强弱，将参数分为实时性强的第一数据类型和实时性弱的第二数据类型。从而，电子设备在获取到数据包后，可以确定数据包中所包含参数的参数类型。若包括第一数据类型的参数，则确定该数据包为实时性强数据，若仅包含第二数据类型的参数，则确定该数据包为实时性弱数据。例如，在
工业物联网的应用场景中，计算任务包括日志的整理和分析任务、机床的机械运动控制任务、加工环境的检测任务等或者其他周期性任务。一般情况下，机械运动控制任务的实时性较高，而对普通日志的整合显示、加工环境的检测任务，这些在数控系统中并不需要实时反映出来，可以有一定的滞后性。因此，可以将包含机械运动控制任务所涉及到的机床参数、电机参数和设备运行参数等的数据包设定为第一数据类型的实时性强数据，而仅包含辅助参数、传感器参数和环境参数等的数据包设定为第二数据类型的实时性弱数据。
53.在一些可能的实现方式中，确定数据包是否为实时性强数据的步骤，可以包括：确定数据包中参数的数据类型；若数据包的参数中包括第一数据类型的参数，或者仅包括第二数据类型的参数但第二数据类型的参数的值超出预设值范围，则确定数据包为实时性强数据，其中第一数据类型为预设的实时性强的数据类型，第二数据类型为预设的实时性弱的数据类型；若数据包中仅包括第二数据类型的参数，则确定数据包为实时性弱数据。
54.具体的，可以预先设定不同类型的参数对应有不同的实时性强弱，将参数分为实时性强的第一数据类型和实时性弱的第二数据类型。电子设备在获取到数据包后，可以确定数据包中所包含参数的参数类型，从而可以根据数据包中参数的参数类型确定数据包的实时性强弱。
55.但需要说明的是，在一些场景中，若第二数据类型的参数超过该参数的正常范围时，为避免故障，就需要对该参数进行及时处理。例如，在数控机床的应用场景中，包含一个用于检测板材周围是否有其他部件的距离传感器。该传感器正常情况下产生的数据由于只用于实现监控功能，因此其产生的数据为实时性弱数据。但在当该距离传感器检测到其他部件离板材的距离小于安全值时，为了避免压板，应该提供一个紧急可靠的操作，故此时包含该项数据的数据包应该需要被设置为实时性强数据，以便可以及时处理。或者，在车联网场景中，汽车蓄电池的温度传感器，该传感器日常用于监控蓄电池运行状态，其产生的温度数据可以用于生成蓄电池运行状态的日志信息。在正常情况下，该温度数据无需实时处理，为实时性弱数据。但在一些特殊情况下，检测的温度超出了正常范围，则此时为了避免电池受损，应该提供及时的提醒。因此，该种情况下，温度数据也需要及时处理。
56.基于上述情况的存在，可以为部分预设的第二类型的参数设定与正常范围对应的预设值范围，参数值在该预设值范围内时，为正常情况，无需实时处理，而超出该预设值范围，则为异常情况，需要实时处理。因此在确定数据包中参数的数据类型后，若数据包的参数中仅包括第一数据类型的参数，或者仅包括第二数据类型的参数但第二数据类型的参数的值超出预设值范围，则确定数据包为实时性强数据；若数据包中仅包括第二数据类型的参数，则确定数据包为实时性弱数据。
57.在一些可能的实现方式中，上述确定数据包中参数的数据类型的步骤，具体可以包括：根据数据包每个参数的来源确定每个参数对应的数据类型。
58.具体的，用户可以预先设定不同采集端口或不同传感器采集的数据对应不同的实时性要求，从而判断数据包的实时性强弱时，进而可以根据每个参数的参数源确定每个参数的数据类型，即判断属于第一类型的参数还是第二类型的参数。
59.例如，在数控机床场景中，设置有多个温度传感器，若假设在加工工件时，工件的表面温度对加工的影响较为显著，则可以预先设定，用于监控待加工工件表面温度的传感器的端口所传输数据的数据类型为第一数据类型的参数；而环境温度对加工的影响较小，
则可以设定，用于监控待环境温度的传感器的端口所传输数据的数据类型为第二数据类型的参数。再例如，在车联网场景中，包括有温度传感器检测的当前车内温度数据和距离传感器检测的距离周围障碍物的距离参数，前者的实时性要求较后者低，因此可以设定该温度传感器端口所传输的数据类型为第二数据类型的参数，而距离传感器所传输的数据类型为第一数据类型的参数。
60.在一些可能的实现方式中，确定数据包是否为实时性强数据的步骤，可以包括：根据数据包中携带的优先级标识确定数据包的处理级别其中，处理级别越高，则实时性越强，处理级别越低，则实时性越弱；若处理级别高于等于预设级别，则确定数据包为实时性强数据；若处理级别低于预设级别，则确定数据包为实时性弱数据。
61.具体的，数据包的实时性强弱也可以预先由物联网终端进行设定。物联网终端在采集到数据包后，可以确定数据包的处理级别，或称优先级级别，并在数据包中添加优先级标识，该优先级标识可以指示数据包的处理级别，该处理级别越高，则表明数据包的实时性越强，该处理级别越低，则实时性越弱。从而，电子设备在接收到该数据包后，可以通过检测该数据包中所携带的优先级标识来确定数据包的处理级别。在确定数据包的处理级别后，若该处理级别高于等于预设级别，即优先级更高，则确定该数据包为实时性强数据；若处理级别低于预设级别，则确定数据包为实时性弱数据。
62.在一些可能的实现方式中，上述预设级别可以随本地服务器当前的负载情况而调整和改变，电子设备可以根据本地服务器当前的负载情况调节预设级别。
63.具体的，电子设备可以每隔一段时间与本地服务器进行交互，确定本地服务器当前的负载情况，例如，处理器的负载率，内存和存储空间的占用率等。之后，电子设备根据具体的负载情况不同档位，来调节预设级别的高低。负载情况较低时，则可以将预设级别同样设置较低，以便多利用本地服务器对数据包进行解析处理，负载情况较高时，则可以将预设级别同样设置较高，以便使得本地服务器可以更多处理实时性更强的数据。
64.步骤s130，若数据包为实时性强数据，则将数据包调配至本地服务器进行解析处理。
65.本实施例中，若确定数据包为实时性强数据，例如车联网场景中，智能汽车当前的运行状态数据，包括当前车速、位置、周围的障碍物的距离、方位、属性信息等，需要及时进行处理，此时则可以将该数据包调配至本地服务器即智能汽车本身进行解析处理，从而确保可以及时进行解析操作。在解析处理完毕后，电子设备可以接收本地服务器的响应消息，或者响应指令以进行后续操作。
66.步骤s140，若数据包为实时性弱数据，则将数据包调配至云服务器进行解析处理。
67.本实施例中，若确定数据包为实时性弱数据，例如车联网场景中，车辆运行过程中的日志信息、线路信息等，无需实时性或者允许延迟处理，则此时可以将该数据包调配至云服务器进行解析处理。从而可以减少本地服务器解析计算的压力，提高解析效率。在解析处理完毕后，电子设备可以直接或者通过本地服务器接收云服务器的响应消息，或者响应指令以进行后续操作。
68.与现有技术相比，本技术实施例主要有以下有益效果：
69.本技术的技术方案中，在物联网场景中，获取到物联网终端采集的待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地
服务器进行解析处理，若为实时性弱数据，则将数据包调配至云服务器进行解析处理。通过采用本地服务器处理实时性强数据，云服务器处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
70.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
71.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
72.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
73.下面继续参照图2，图2为本技术一种基于云服务器230的数据处理系统的系统架构图，可以包括：
74.至少一台数控系统平台客户端210、本地服务器220和云服务器230，所述数控系统平台客户端210、所述云服务器230分别与所述本地服务器220具有通信连接；
75.所述数控系统平台客户端210，用于采集来自数控机床和传感器上传的数据，组成数据包，并将所述数据包发送至所述本地服务器220；
76.本地服务器220，用于执行上述图1及任一可选实施方式中物联网数据包的解析方法的流程；
77.云服务器230，用于对调配到的数据包进行解析处理。
78.本实施例中，在工业物联网的应用场景中，数控系统平台客户端210为物联网终端，可以为工控机，其一般搭建在现场设备旁边，并通过有线或者低时延的无线连接，例如专用5g连接方式，与数控机床进行通讯交互。如图3所示，为数控系统平台客户端210的架构示意图。其中，数控系统平台客户端210可以采用linux系统作为底层软件平台，硬件采用普通工控机或者嵌入式硬件平台。基于该硬件平台，在系统中搭建以太网控制自动化技术(ethercat)系统以及实时网络系统，由ethercat主站和搭建实时网络通信来保证系统较好的实时稳定性，并且系统内置计算机数字控制机床(computerised numerical control machine，cnc)以及支持可编程逻辑控制器(programmable logic controller,plc)服务，
用以通过cnc、plc编程的方式来处理现场设备传输总线信息资源。数控系统平台客户端210通过数控系统编译器、插补算法、io控制逻辑、智能传感器数据处理、ethercat总线或其他总线完成对工业现场中数控机床、传感器、i/o、伺服电机、机械手等设备的控制和通讯。
79.本地服务器220，或称数控系统集中端，可远离机械设备进行搭建，以减少大型机械设备加工带来的干扰和粉尘的影响。如图2所示，本地服务器220可以接收从现场端中的不同数控系统平台客户端210传递来的数据信息，并控制软件实现集中的数控系统设备全图形化动态交互。此外，本地服务器220可以包含激光加工所需的各项专业功能，提供灵活进入、续切、回退、加工中断返回、多断点记忆等多种加工中断恢复功能，实现灵活加工；实现全部数控系统设备简易的在线绘图、编程以及工艺修改，模块化的工艺队列编辑，通过逻辑分析工具，方便全部数控系统设备的加工和调试；支持灵活定义任务优先级，实现多层次多项目的任务调度；支持智能传感器数据分析，让设备远程操作过程中安全运行；实现全部数控系统设备加工的板材套料排版算法导入，有效提升计算效率。
80.云服务器230，或称云端、云平台，可以是边缘云服务器230。边缘云是指分布在网络边缘侧，提供实时数据处理、分析决策的小规模云数据中心，其属于云计算技术的一种，通过结合边缘计算的概念，将云计算的能力拓展至距离终端更近的边缘侧，并通过云边端的统一管控实现云计算服务的下沉，提供端到端的云服务。边缘云相比一般的云服务，拥有更好的实时数据处理能力，有一定的分析决策能力。通过空间距离的缩短可以实现云部署的能力，大大缓解了数据回传中心云的压力，降低时延，业务实现本地化，减少网络路由转发降低成本等。
81.基于上述的系统架构，数控系统平台客户端210可以通过ethercat总线以及实时网络系统可以接收数控机床和数控机床周边环境传感器上传的数据，并组成数据包。常见的数据可以包括i/o变量的信息，伺服电机的位置，状态码，扭矩等信息，各类传感器的信息，例如温度，湿度，距离等。之后，数控系统平台客户端210将该数据包转发至本地服务器220。
82.本地服务器220，在接收到数据包后，可以执行上述图1所示实施例及图1中任一可选实施方式中物联网数据包的解析方法的流程，具体此处不再赘述。
83.云服务器230，在接收到本地服务器220调配的实时性弱的数据包后，可以对其进行解析处理。
84.需要说明的是，本地服务器220和云服务器230对数据包解析以及后续计算任务处理完毕后，云服务器230可以将处理完毕后的响应消息转发至本地服务器220，通过本地服务器220可以直接向数控系统平台客户端210发送控制指令和工作任务。而数控系统平台客户端210在接收到来自本地服务器220的控制指令和工作任务后，可以执行工件加工处理、自动化产线协调等工作，同时同步地将机床设备上相关传感器采集到的信息实时统一上传到集中控制软件端进行内容分析处理。
85.在一些可能的应用场景中，若本地服务器220同时接到多个数控系统平台客户端210发送的数据包，则其可以获取数据包中的设备等级信息，进而根据该设备等级信息先解析等级靠前的数控系统平台客户端210发送的数据包。解析的内容包括检测设备端是否出现错误码，当前设备的状态信息，例如位置，电流，电压等信息。
86.与现有技术相比，本技术实施例主要有以下有益效果：
87.本技术的技术方案中，在物联网场景中，本地服务器220获取到数控系统平台客户端210采集的待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地服务器220进行解析处理，若为实时性弱数据，则将数据包调配至云服务器230进行解析处理。通过采用本地服务器220处理实时性强数据，云服务器230处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
88.下面继续参照图4，图4为本技术一种基于云服务器430的数据处理系统的系统架构图，可以包括：
89.至少一台数控系统平台客户端410、本地服务器420和云服务器430，数控系统平台客户端410、云服务器430分别与本地服务器420具有通信连接；
90.数控系统平台客户端410，执行上述图1所示实施例及任一可选实施方式中的物联网数据包的解析方法的流程；
91.本地服务器420，用于对调配到的数据包进行解析处理；
92.云服务器430，用于对调配到的数据包进行解析处理。
93.本实施例中，数控系统平台客户端410、本地服务器420和云服务器430的结构、设备之间的连接关系与上述图2中类似，此处不再过多赘述。
94.数控系统平台客户端410，在接收到数据包后，可以执行上述图1及图1中任一可选实施方式中所述物联网数据包的解析方法的流程，具体此处不再赘述。
95.本地服务器420，在接收到数控系统平台客户端410调配的实时性强的数据包后，可以对其进行解析处理。
96.云服务器430，在接收到本地服务器420调配的实时性弱的数据包后，可以对其进行解析处理。
97.需要说明的是，本地服务器420和云服务器430对数据包解析以及后续计算任务处理完毕后，云服务器430可以将处理完毕后的响应消息转发至本地服务器420，通过本地服务器420可以直接向数控系统平台客户端410发送控制指令和工作任务。而数控系统平台客户端410在接收到来自本地服务器420的控制指令和工作任务后，可以执行工件加工处理、自动化产线协调等工作，同时同步地将机床设备上相关传感器采集到的信息实时统一上传到集中控制软件端进行内容分析处理。
98.在一些可能的应用场景中，若本地服务器420同时接到多个数控系统平台客户端410发送的数据包，则其可以获取数据包中的设备等级信息，进而根据该设备等级信息先解析等级靠前的数控系统平台客户端410发送的数据包。解析的内容包括检测设备端是否出现错误码，当前设备的状态信息，例如位置，电流，电压等信息。
99.与现有技术相比，本技术实施例主要有以下有益效果：
100.本技术的技术方案中，在物联网场景中，数控系统平台客户端410采集到待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地服务器420进行解析处理，若为实时性弱数据，则将数据包调配至云服务器430进行解析处理。通过采用本地服务器420处理实时性强数据，云服务器430处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
101.下面继续参照图5，图5为本技术中一种物联网数据包的解析装置的一个结构示意
图，可以包括：
102.获取单元510，用于获取物联网终端采集的待处理的数据包；
103.判断单元520，用于确定所述数据包是否为实时性强数据；
104.调度单元530，用于若所述数据包为实时性强数据，则将所述数据包调配至本地服务器进行解析处理；若所述数据包为实时性弱数据，则将所述数据包调配至云服务器进行解析处理。
105.在一些可能的实现方式中，判断单元520，具体包括：
106.第一确定子单元，用于确定所述数据包中参数的数据类型；
107.第一判断子单元，用于若所述数据包的参数中包括第一数据类型的参数，则确定所述数据包为实时性强数据，其中所述第一数据类型为预设的实时性强的数据类型；
108.第二判断子单元，用于若所述数据包中仅包括第二数据类型的参数，则确定所述数据包为实时性弱数据，其中所述第二数据类型为预设的实时性弱的数据类型。
109.在一些可能的实现方式中，判断单元520，具体包括：
110.第一确定子单元，用于确定所述数据包中参数的数据类型；
111.第三判断子单元，用于若所述数据包的参数中包括第一数据类型的参数，或者仅包括第二数据类型的参数但所述第二数据类型的参数的值超出预设值范围，则确定所述数据包为实时性强数据，其中所述第一数据类型为预设的实时性强的数据类型，所述第二数据类型为预设的实时性弱的数据类型；
112.第四判断子单元，用于若所述数据包中仅包括第二数据类型的参数，则确定所述数据包为实时性弱数据。
113.在一些可能的实现方式中，第一确定子单元，具体包括：
114.确定模块，用于根据所述数据包每个参数的来源确定每个参数对应的数据类型。
115.在一些可能的实现方式中，判断单元520，具体包括：
116.第二确定子单元，用于根据所述数据包中携带的优先级标识确定所述数据包的处理级别，其中，所述处理级别越高，则实时性越强，所述处理级别越低，则实时性越弱；
117.第五判断子单元，用于若所述处理级别高于等于预设级别，则确定所述数据包为实时性强数据；
118.第六判断子单元，用于若所述处理级别低于所述预设级别，则确定所述数据包为实时性弱数据。
119.与现有技术相比，本技术实施例主要有以下有益效果：
120.本技术的技术方案中，在物联网场景中，物联网数据包的解析装置获取到物联网终端采集的待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地服务器进行解析处理，若为实时性弱数据，则将数据包调配至云服务器进行解析处理。通过采用本地服务器处理实时性强数据，云服务器处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
121.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图6，图6为本实施例一种计算机设备的基本结构示意图。
122.所述计算机设备包括通过系统总线相互通信连接存储器6100、处理器620、网络接
口630。需要指出的是，图中仅示出了具有组件610-630的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代地实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
123.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
124.所述存储器610至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器610可以是所述计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，所述存储器610也可以是所述计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器610还可以既包括所述计算机设备的内部存储单元也包括其外部存储设备。本实施例中，所述存储器610通常用于存储安装于所述计算机设备的操作系统和各类应用软件，例如物联网数据包的解析方法的计算机可读指令等。此外，所述存储器610还可以用于暂时地存储已经输出或者将要输出的各类数据。
125.所述处理器620在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器620通常用于控制所述计算机设备的总体操作。本实施例中，所述处理器620用于运行所述存储器610中存储的计算机可读指令或者处理数据，例如运行所述物联网数据包的解析方法的计算机可读指令。
126.所述网络接口630可包括无线网络接口或有线网络接口，该网络接口630通常用于在所述计算机设备与其他电子设备之间建立通信连接。
127.与现有技术相比，本技术实施例主要有以下有益效果：
128.本技术的技术方案中，通过执行上述的物联网数据包的解析方法，使得在物联网场景中，获取到物联网终端采集的待处理的数据包后，可以确定该数据包是否为实时性强数据，若为实时性强数据，则将数据包调配至本地服务器进行解析处理，若为实时性弱数据，则将数据包调配至云服务器进行解析处理。通过采用本地服务器处理实时性强数据，云服务器处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
129.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的物联网数据包的解析方法的步骤。
130.与现有技术相比，本技术实施例主要有以下有益效果：
131.本技术的技术方案中，通过执行上述的物联网数据包的解析方法，使得在物联网场景中，获取到物联网终端采集的待处理的数据包后，可以确定该数据包是否为实时性强
数据，若为实时性强数据，则将数据包调配至本地服务器进行解析处理，若为实时性弱数据，则将数据包调配至云服务器进行解析处理。通过采用本地服务器处理实时性强数据，云服务器处理实时性弱数据，从而可以在保证数据处理的时效性的同时，减少单台设备的数据处理压力，提高数据处理效率。
132.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台数控系统平台客户端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
133.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。