[发明专利]一种基于物联网多级边缘节点的缓存和预取方法

权利要求书

1.一种基于物联网多级边缘节点的缓存和预取方法，特征在于，包括以下步骤：

步骤S1，建立物联网多级边缘节点架构；所述物联网多级边缘节点架构，包括物联网终端设备、第二边缘层、第一边缘层和云端；

所述物联网终端设备，包括用户设备和传感器；

所述第二边缘层，设置有带有缓存的第二级边缘节点；每个物联网终端设备至少与1个第二级边缘节点通信连接，且该通信连接采用无线网络、有线网络或者蜂窝网络；

所述第一边缘层，设置有带有缓存的第一级边缘节点；每个第二级边缘节点均至少与1个第二级边缘节点通信连接，且该通信连接采用有线网络或者蜂窝网络；

所述云端配置有存储过去所有数据的数据库；所有的第一级边缘节点均与云端通信连接，且该通信连接采用有线网络或者蜂窝网络；

步骤S2，传感数据的边缘缓存；采用数据替换的方式，将高新鲜以及高访问率的传感数据优先得以保留；

步骤S3，第二级边缘节点的边缘预取；第二级边缘节点将缓存丢失的所有关联的传感数据存储到其缓存中；

步骤S2还包括以下步骤：

步骤S2a，物联网终端设备每隔一段时间感知到新的传感数据，并将新的传感数据上载到第二边缘层的第二级边缘节点；

步骤S2b，第二级边缘节点为缓存中的每个传感数据分配一个频率值，频率值的初始值为0，并且频率值≥0；每隔固定时间段，如果传感数据不被访问，则该传感数据的频率值降低1，直至频率值降低为0为止；否则该传感数据的频率值增加1；传感数据和频率值为一一对应关系；

步骤S2c，当物联网终端设备将新的传感数据上载到第二级边缘节点，第二级边缘节点首先判断该边缘节点的缓存是否已满：如果缓存未满，第二级边缘节点将新的数据保存在第二级边缘节点的缓存，并为新的传感数据分配频率值，频率值的初始值为0；如果缓存已满时，将从缓存中删除具有最小频率值的该物联网终端设备的历史传感数据；如果多个传感数据具有相同的频率值，则将删除最早的传感数据；

步骤S2还包括以下步骤：

步骤S2d，第二级边缘节点将物联网终端设备的新的传感数据上载至第一级边缘节点，第一级边缘节点存储有所有与其通信连接的第二级边缘节点上载的传感数据；第一级边缘节点将物联网终端设备的新的传感数据上载至云端，云端存储有所有与其通信连接的第一级边缘节点上载的传感数据；

步骤S3还包括以下步骤：

步骤S3a，第二级边缘节点建立类型关系集；第二级边缘节点，将一段时间内获得所有物联网终端设备的请求数据归集为1个请求数据序列，请求数据至少包括4个字段，即用户请求的传感器类型、用户请求的传感数据的位置、用户请求的时间、传感器数据生成的时间；从每个请求数据序列中根据每种关联规则提取请求数据并形成一个类型化请求数据序列；

步骤S3b，当第二级边缘节点接收到一个新的数据请求时，会搜索缓存内的与该数据请求对应的传感数据；如果该传感数据不在缓存中，则发生缓存丢失数据的情况，触发边缘预取：

如果新的数据请求所在的同类型请求数据的占比大于或等于占比阈值时，则根据类型关系集，找到与该同类型请求数据相关联的其它同类型请求数据，然后将新的数据请求所在的同类型请求数据序列以及相关联的其它同类型请求数据序列都添加到预取列表中；

否则，将新的数据请求所在的同类型请求数据序列添加到预取列表中；

步骤S3c，第二级边缘节点，根据预取列表中的所有请求数据，找到缓存丢失的请求数据，然后向第一级边缘节点发送预取列表中的缓存丢失的请求数据；

第一级边缘节点，接收第二级边缘节点的请求数据，若存在缓存丢失的请求数据，则从云端获取缓存丢失的传感数据，并保存于本级缓存，然后将与第二级边缘节点的请求数据对应的传感数据发送给第二级边缘节点；第一级边缘节点，接收第二级边缘节点的请求数据，若不存在缓存丢失的请求数据，则将与第二级边缘节点的请求数据对应的传感数据发送给第二级边缘节点；

第二级边缘节点，将预取列表中的请求数据所对应的传感数据均保存于本级缓存，并将新的数据请求所对应的传感数据发送给物联网终端设备。

2.根据权利要求1所述的一种基于物联网多级边缘节点的缓存和预取方法，特征在于，

步骤S3a中，关联规则如下：

1,将每个请求数据序列中的所有请求数据进行归类，统计同类型的请求数据的个数，然后将同类型的请求数据的个数除以该请求数据序列中请求数据的总个数，得到同类型请求数据的占比；当同类型请求数据的占比大于或等于占比阈值时，则将所有该类型的请求数据归集为1个同类型请求数据序列；从每个请求数据序列中提取出来的同类型请求数据序列有多个；依次处理所有请求数据序列，得到k个同类型请求数据序列， 2≤k≤请求数据的类型总个数；

即：Type（A）=同类型的请求数据的个数/该请求数据序列中请求数据的总个数，且Type（A）≥占比阈值；其中，A为请求数据的一种分类类型，Type（A）表示A类型请求数据的占比；

2，计算每种类型到其它类型的关联度，关联度（A→B）=Type（A∪B）/Type（A），其中，A和B均为请求数据的分类类型；

关联度（A→B）表示，A类型的请求数据出现后，B类型的请求数据出现的可能性；

预设一个置信度，当关联度（A→B）高于置信度，则将A和B两个同类型请求数据序列配对并纳入类型关系集。