[发明专利]一种面向群智感知数据的流计算处理方法

权利要求书

1.一种面向群智感知数据的流计算处理方法，其特征在于，包括以下步骤：

步骤1：终端设备层对群智感知数据进行前置选择；

判断群智感知数据p_i是否满足感知任务条件，形式化表达为逻辑与的布尔表达式：

其中，p_i,k表示群智感知数据p_i的第k个特征，thr_k表示第k个特征的阈值，n表示特征数；

如果群智感知数据p_i有一个特征不满足感知任务的条件，即p_i,kthr_k，则这个特征的真值为FALSE，从而B(p_i)的真值为FALSE，即群智感知数据p_i不满足感知任务的条件；丢弃群智感知数据p_i，不进行下一步的操作；

如果群智感知数据p_i的所有特征均满足感知任务条件，即p_i,k≤thr_k，则B(p_i)的真值为TRUE，即群智感知数据p_i满足感知任务的条件；进行下一步的操作；

对所有群智感知数据进行判断，完成前置选择；

步骤2：若B(p_i)真值为TRUE，计算群智感知数据的质量；

对群智感知数据p_i与其他群智感知数据p_j进行距离计算，获取群智感知数据的质量Q(p_i)：

其中，t_s、t_c分别表示第一个感知数据到达的时间与当前时间，w_k表示第k个特征的权重，p_j,k表示群智感知数据p_j的第k个特征，dist_k为距离计算函数；

步骤3：在边缘服务器层引入消息队列，消息队列位于数据源与Operator之间；

步骤4：进行流计算Operator部署，步骤如下：

步骤4-1：对流计算模型进行抽象，将数据流图抽象成有向无环图，顶点表示Operator或Source或Sink，边表示节点间的数据流向；

步骤4-2：将Operator部署策略分为三种：

策略①：全部部署在云服务器上；

策略②：全部部署在边缘服务器上；

策略③：一部分部署在云服务器上，另一部分部署在边缘服务器上；

步骤4-3：定义流计算Operator部署问题：

Operator部署目标是Sink节点的Makespan最小；

Operator部署约束条件有：Operator的先后依赖约束关系；各个计算节点的资源约束；Operator一定部署在具体的节点上；每个计算节点的资源差异；

步骤4-4：对流计算Operator部署问题进行形式化定义，表示成整数线性规划问题：

Minimize:

s.t.

其中，x_(n+1,t)表示sink节点是否在t时刻开始执行，T表示每个Operator执行时间的集合，v表示每个Operator，V表示Operator的集合，t₂表示Operator v开始执行的时刻，p_v表示Operator v需要的执行时间，表示Oprator v是否在t₂时刻开始，u_(v,r)表示执行Operator v需要的资源，c_r表示可使用资源r的容量，r表示可使用资源，R表示可使用资源的集合，x_(s,t)表示后继Operator s是否在t时刻开始执行，x_(v,t)表示前驱Operator v是否在t时刻开始执行，s表示具有先后依赖关系的两个Operator中后继的Operator，S表示Operator v,s先后依赖关系的集合，其中(v,s)∈V×V；

如果顶点v在t时刻开始，那么x_(v,t)＝1；否则，x_(v,t)＝0；

步骤5：对步骤4-4的流计算Operator部署整数线性规划问题进行求解，完成Operator部署策略选择，即实现面向群智感知数据的流计算处理。