[发明专利]用于管理极端数据的智能端点系统

说明书

本发明提供了一种系统和方法，其可以使基于分布式且自主的决策科学的建议、决策和动作随着时间的推移变得越来越智能和快速。所述系统可以包括在网络的边缘或端点处的智能计算设备和组件(即，智能端点系统)(例如，用户设备或IoT设备)。这些智能端点系统中的每一个可以可选地具有向其它智能设备和第三方组件和设备发送和接收新数据或决策科学、软件、数据和元数据的能力，使得无论实时或接近实时、批量或手动处理，数据或决策科学都可以被更新，并且数据或决策科学驱动的查询、建议和自主动作可以被实时或接近实时地广播到其它智能端点系统和第三方系统。

相关申请的交叉引用：

本专利申请要求于2017年6月30日提交的名称为“Intelligent EndpointSystems For Managing Extreme Data(用于管理极端数据的智能端点系统)”的美国临时申请No.62/528,014和于2017年8月2日提交的名称为“Smart Distributed Systems ForManaging Network Data(用于管理网络数据的智能分布式系统)”的美国临时申请No.62/540,499的优先权，其全部内容通过引用结合于此。

背景技术

电子设备的全球扩散和采用已经导致产生了比可以存储的数据更多的数据。此外，数据计算增长超过了全局计算的摩尔定律，并且跨网络传输和存储的数据量超过了预计的网络带宽和数据存储可用性。在最近的一个分析中，7亿用户加上200亿物联网(IoT)设备等于用户和设备之间的大约4.5×10²³互连，该数量甚至不包括实际数据和对应于实际用户创建的数据、机器数据和IoT数据的丰富元数据。因此，4.5×10²³虽然数量庞大，但仅是数据的一部分。我们可以将这种类型的数据称为“极端”或“爆炸性”数据(XD)，其可以指的是持续指数增长和变化的数据。

当前计算环境将所有XD发送到一个或几个节点或设备，以便进行自动化、智能决策和/或自主动作。这种方法类似于传统的大型机“轴(hub)和辐(stock)”、批处理数据或其它类似的传统的决策科学处理框架或模型。这些常规方法和技术通过经由网络将数据从一个点(即，数据创建点)发送到其它点并在该其它点处理XD(例如，捕捉、索引、存储和绘图，仅举几个步骤)来处理/分析XD。该过程可涉及显著的时间延迟，特别是在处理XD和相关内容时。因此，基于数据的有意义的实时或接近实时的数据操作和决策是具有挑战性的—尤其是那些基于机器学习和人工智能应用的决策—尽管网络和计算技术更快。

此外，上述传统方法需要通过各种网络发送或接收XD和相关元数据，这可能需要大量的计算资源和带宽。然而，大多数这样数据实际上是噪声，其中在本文中，“噪声”可以指重复数据(例如，“已知的已知(known known)”数据)或对于执行相关计算可能不必要或非必需的数据。

由于例如在网络130的另一节点处执行新数据或决策科学模型，所以时滞也指数地增长。此外，一旦数据/决策科学完成，完成的结果需要通过网络返回，并最终返回到用户或其它端点(例如，外围)设备、系统等。因此，传统方法加大了对入站数据执行数据或决策科学的已延长的用户等待时间，并且最终延长了接收例如实时或接近实时的业务推荐和动作的时间。

发明内容

针对这些问题，提出了一种基于极端或爆炸性数据(XD)分析和建议动作的不同计算方法。特别地，“智能端点系统”可以用于将数据或决策科学驱动的分析外部化和分发到可以(例如，通过智能端点系统上的传感器)首先创建或获得数据的地方，并且使用板载计算系统和设备自主地做出决策和采取自主动作。