CN107392325A - 数据处理方法、数据处理装置和计算机可读存储介质 - Google Patents
数据处理方法、数据处理装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN107392325A CN107392325A CN201710556411.2A CN201710556411A CN107392325A CN 107392325 A CN107392325 A CN 107392325A CN 201710556411 A CN201710556411 A CN 201710556411A CN 107392325 A CN107392325 A CN 107392325A
- Authority
- CN
- China
- Prior art keywords
- data
- data processing
- request
- fault diagnosis
- status data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 103
- 238000003672 processing method Methods 0.000 title claims abstract description 53
- 238000003745 diagnosis Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 18
- 238000013480 data collection Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 12
- 241001269238 Data Species 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 230000008014 freezing Effects 0.000 description 3
- 238000007710 freezing Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种数据处理方法，用于终端设备。数据处理方法包括：收集终端设备的状态数据；处理状态数据以得到故障诊断结果；根据用户的请求输出与请求对应的故障诊断结果。本发明还公开了一种数据处理装置和计算机可读存储介质。本发明实施方式的数据处理方法、数据处理装置及计算机可读存储介质将终端设备的状态数据进行收集和处理，并根据状态数据确定终端设备的故障诊断结果。用户可获知终端设备的状态数据和故障诊断结果，提升终端设备的状态数据的利用率，且改善用户的使用体验。
Description
技术领域
本发明涉及智能家居技术领域，特别涉及一种数据处理方法、数据处理装置和计算机可读存储介质。
背景技术
目前冰箱出现故障时，冰箱维修工程师仅根据客服报修和报障数据上门检测和维修，无法提前较为准确地确定维修的部件和实际的故障。且现有的智能冰箱统一向云端上报数据，没有后续的处理流程，因而状态数据中蕴含的丰富价值也没有得到有效的利用。
发明内容
本发明的实施例提供了一种数据处理方法、数据处理装置和计算机可读存储介质。
本发明实施方式的数据处理方法用于终端设备，所述数据处理方法包括：
收集所述终端设备的状态数据；
处理所述状态数据以得到故障诊断结果；和
根据用户的请求输出与所述请求对应的故障诊断结果。
在某些实施方式中，所述终端设备通过无线通信模式上传所述状态数据。
在某些实施方式中，在处理所述状态数据以输出故障诊断结果之前，所述数据处理方法还包括：
归一化处理所述状态数据以得到数据字段和数据格式统一的状态数据。
在某些实施方式中，在处理所述状态数据以输出故障诊断结果之前，所述数据处理方法还包括：
以消息队列的形式缓存所述状态数据。
在某些实施方式中，所述数据处理方法还包括：
缓存所述处理所述状态数据时得到的中间数据。
在某些实施方式中，所述数据处理方法还包括：
根据用户的请求输出与所述请求对应的所述中间数据。
在某些实施方式中，在处理所述状态数据以输出故障诊断结果之后，所述数据处理方法还包括：
通过数据库存储所述故障诊断结果；
对所述数据库中的所述故障诊断结果建立索引；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引而实现的。
在某些实施方式中，在处理所述状态数据以输出故障诊断结果之后，所述数据处理方法还包括：
通过数据库存储所述故障诊断结果及所述状态数据；
对所述数据库中的所述故障诊断结果及所述状态数据建立索引；
匹配所述索引及所述请求获取所述状态数据；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引实现的。
本发明实施方式的数据处理装置用于终端设备，所述数据处理装置包括：
数据收集模块，所述数据收集模块用于收集所述终端设备的状态数据；
数据处理模块，处理所述状态数据以得到故障诊断结果；和
应用程序编程接口模块，所述应用程序编程接口模块用于根据用户的请求输出与所述请求对应的故障诊断结果。
在某些实施方式中，所述终端设备通过无线通信模式上传所述状态数据。
在某些实施方式中，所述数据收集模块还用于归一化处理所述状态数据以得到数据字段和数据格式统一的状态数据。
在某些实施方式中，所述数据处理装置还包括Kafka分布式消息队列，所述Kafka分布式消息队列用于以消息队列的形式缓存所述状态数据。
在某些实施方式中，所述数据处理模块包括Spark Streaming分布式实时处理框架。
在某些实施方式中，所述数据处理装置还包括Redis内存数据库集群，所述Redis内存数据库集群用于缓存所述处理所述状态数据时得到的中间数据。
在某些实施方式中，所述应用程序编程接口模块还用于根据用户的请求输出与所述请求对应的所述中间数据。
在某些实施方式中，所述数据处理装置还包括Hbase分布式数据库和Solr集群，所述Hbase分布式数据库用于存储所述故障诊断结果；
所述Solr集群用于对所述数据库中的所述故障诊断结果建立索引；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引而实现的。
在某些实施方式中，所述数据处理装置还包括Hbase分布式数据库和Solr集群，所述Hbase分布式数据库用于存储所述故障诊断结果及所述状态数据；
所述Solr集群用于对所述数据库中的所述故障诊断结果及所述状态数据建立索引；
所述应用程序编程接口模块用于匹配所述索引及所述请求获取所述状态数据；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引实现的。
本发明实施方式的数据处理装置，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置由所述一个或多个处理器执行，所述程序包括用于执行上述任意一项实施方式所述的数据处理方法的指令。
本发明实施方式的计算机可读存储介质包括与数据处理装置结合使用的计算机程序，所述计算机程序可被处理器执行以完成上述任意一项实施方式所述的数据处理方法。
本发明实施方式的数据处理方法、数据处理装置及计算机可读存储介质将终端设备的状态数据进行收集和处理，并根据状态数据确定终端设备的故障诊断结果。用户可获知终端设备的状态数据和故障诊断结果，提升终端设备的状态数据的利用率，且改善用户的使用体验。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明某些实施方式的数据处理方法的流程示意图。
图2是本发明某些实施方式的数据处理装置的模块示意图。
图3是本发明某些实施方式的数据处理方法的系统架构示意图。
图4是本发明某些实施方式的数据处理方法的流程示意图。
图5是是本发明某些实施方式的数据处理方法的主节点和执行节点示意图。
图6是本发明某些实施方式的数据处理方法的流程示意图。
图7是本发明某些实施方式的数据处理方法的流程示意图。
图8是本发明某些实施方式的数据处理方法的流程示意图。
图9是本发明某些实施方式的数据处理装置的模块示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
请参阅图1至图3，本发明实施方式的数据处理方法用于终端设备200。数据处理方法包括：
S11：收集终端设备200的状态数据；
S13：处理状态数据以得到故障诊断结果；和
S15：根据用户的请求输出与请求对应的故障诊断结果。
请再参阅图2，本发明实施方式的数据处理方法可以由本发明实施方式的数据处理装置100实现。本发明实施方式的数据处理装置100用于终端设备200。数据处理装置100包括数据收集模块10、数据处理模块20和应用程序编程接口模块30。步骤S11可以由数据收集模块10实现，步骤S13可以由数据处理模块20实现，步骤S15可以由应用程序编程接口实现。
也即是说，数据收集模块10可用于收集终端设备200的状态数据；数据处理模块20可用于处理状态数据以得到故障诊断结果；应用程序编程接口模块30可用于根据用户的请求输出与请求对应的故障诊断结果。
在某些实施方式中，终端设备200包括智能家电、智能终端等。例如，智能家电包括智能冰箱、智能洗衣机、智能油烟机、智能空调、智能电视等；智能终端包括手机、平板电脑、笔记本电脑、智能手表、智能眼镜等。终端设备200上报自身状态数据至数据处理装置100，
在某些实施方式中，终端设备200通过无线通信方式进行状态数据的上传，再由数据收集模块10对上传的数据进行收集。其中，无线通信方式包括2G无线通信、3G无线通信、4G无线通信、5G无线通信、WiFi无线通信、蓝牙无线通信、ZigBee无线通信、NFC无线通信等。优选地，本发明实施方式的数据处理方法采用WiFi无线通信进行终端设备200的状态数据的上传。可以理解，WiFi无线通信具有低功耗、高数据传输速率、覆盖范围广等特点，因此，使用WiFi无线通信的上传方式可以使终端设备200在非正常运转时快速地上传状态数据以供数据处理模块20及时处理并诊断故障结果。此外，WiFi无线通信覆盖范围广可以使得智能家居中各种终端设备200能够稳定联网以进行状态数据的上传。
此外，终端设备200的状态数据包括终端设备200中各类传感器、开关、处理电路等元器件的工作数据以及终端设备200各种工作模式的状态数据。以智能冰箱为例，状态数据包括冷藏雷达传感器的工作数据、冷冻风机的工作数据、冷冻压机变频档位、冷藏风机的开关状态、变温风门加热丝的开关状态、冷冻照明灯开关状态、体感照明灯开关状态、水泵电机的工作数据、冷冻传感器温度、速冻模式的状态数据、高保湿模式的状态数据等等各类元器件及工作模式的状态数据。
在终端设备200正常运转时，终端设备200会定时上传状态数据，例如，每隔30分钟上传一次自身的状态数据，并由数据收集模块10进行收集。而在终端设备200出现故障时，终端设备200上传数状态数据的上传速度会加快，以便数据处理装置100能及时对状态数据进行获取和处理，从而尽快对终端设备200的故障进行诊断。
本发明实施方式的数据处理方法和数据处理装置100将终端设备200的状态数据进行收集和处理，并根据状态数据确定终端设备200的故障诊断结果。用户可获知终端设备200的状态数据和故障诊断结果，提升终端设备200的状态数据的利用率，且改善用户的使用体验。
请参阅图4，在某些实施方式中，本发明实施方式的数据处理方法在执行步骤S13处理状态数据以得到故障诊断结果之前还包括：
S121：归一化处理状态数据以得到数据字段和数据格式统一的状态数据。
请再参阅图3，在某些实施方式中，步骤S121可以由数据收集模块10实现。也即是说，数据收集模块10可用于归一化处理状态数据以得到数据字段和数据格式统一的状态数据。其中，数据字段指的是各种状态数据对应的字段名称；数据格式指的是状态数据的数据类型和数据长度。
可以理解，终端设备200可以包括多种智能冰箱、智能空调等多种类型的智能家电，也可以包括手机、平板电脑等智能终端，因此，不同类型的终端设备200上传的状态数据的数据字段和数据格式可能是不同的。如此，在收集时即对状态数据进行归一化处理，从而统一状态数据的数据字段和数据格式，可以方便数据处理模块20对状态数据进行统计、计算等处理，提升状态数据处理的速度。
请再参阅图4，在某些实施方式中，本发明实施方式的数据处理方法在执行步骤S13处理状态数据以得到故障诊断结果之前还包括：
S122：以消息队列的形式缓存状态数据。
请再参阅图3，在某些实施方式中，数据处理装置100还包括Kafka分布式消息队列40。步骤S121可以由Kafka分布式消息队列40实现。也即是说，Kafka分布式消息队列40可用于以消息队列的形式缓存状态数据。
Kafka分布式消息队列40是一个满足在线和离线处理海量数据的消息派发系统，它具有高吞吐量的优势。数据收集模块10收集状态数据，并对状态数据进行数据字段和数据格式的归一化处理后，数据模块将状态数据传送至Kafka分布式消息队列40中。Kafka分布式消息队列40包括多个类别(Topic)，即队列，每个类别在物理上分开存储。因此，每个传送到Kafka分布式消息队列40的状态数据均会根据状态数据对应的类别存储到相应类别的存储空间中。此外，Kafka分布式消息队列40在对状态数据进行分类存储时还会根据状态数据上传的时间先后顺序进行存储。如此，由Kafka分布式消息队列40在数据处理前即对状态数据进行分类，方便后续数据处理模块20对状态数据的处理。
状态数据传送至Kafka分布式消息队列40后仅进行暂时性的存储，数据处理模块20会实时从Kafka分布式消息队列40中读取状态数据，并对状态数据进行计算，以获得故障诊断结果，从而保证数据处理的及时性，并可以及时为用户提供故障的相关信息，改善用户的使用体验。
在某些实施方式中，数据处理模块20包括Spark Streaming分布式实时处理框架21。Spark Streaming分布式实时处理框架21是一个可以实现高吞吐量的、具备容错机制的实时流数据的处理系统，它提供高速缓存机制来支持需要反复迭代的计算或者多次的数据共享，减少数据读取的I/O开销，有效减少数据处理所需的时间，提升数据处理的速度。
具体地，请参阅图5，Spark Streaming分布式实时处理框架21可以包含一个或多个执行节点，每个执行节点均包括Data Node数据节点，这表明各个执行节点均可从Kafka分布式消息队列40中实时地读取状态数据。执行节点读取到状态数据后即可对状态数据进行计算、统计以及输出等处理。其中，各个执行节点可同时并行地进行状态数据的处理，且各个执行节点的功能可以是相同的也可以是不同的。在终端设备200的数量较多时，终端设备200上传的状态数据的数量也较大，此时，根据状态数据的数量增加执行节点的个数，可保证状态数据处理的实时性。
在数据处理装置100中，Spark Streaming分布式实时处理框架21各个执行节点均与主节点进行连接，主节点主要部署数据管理服务、数据库服务、网络服务器等服务。从节点负责状态数据的计算、统计等处理。Web网页或应用程序APP通过主节点从执行节点获取状态数据和故障诊断结果等数据。
请参阅图6，在某些实施方式中，本发明实施方式的数据处理方法还包括：
S141：缓存处理状态数据时得到的中间数据。
请再参阅图2至3，在某些实施方式中，数据处理装置100还包括Redis内存数据库集群50。步骤S141可以由Redis内存数据库集群50实现。也即是说，Redis内存数据库集群50可用于缓存处理状态数据时得到的中间数据。
Redis内存数据库集群50可看作高速缓存器，它具有访问速度快、并发能力强的特点，可对外提供统一的数据缓存服务，保证与其通信的各个执行节点能够快速高效地获取统一的存储内容。由于Spark Streaming分布式实时处理框架21具有高速缓存机制，且Redis内存数据库集群50的访问速度较快，因此，可将Spark Streaming分布式实时处理框架21与Redis内存数据库集群50配合使用以进一步提升Spark Streaming分布式实时处理框架21的数据处理效率。
可以理解，通常Spark Streaming分布式实时处理框架21的计算速度是很快的，但是Spark Streaming分布式实时处理框架21对大量的中间计算结果的缓存以及数据读写等的支持能力是有限的。Spark Streaming分布式实时处理框架21中的各个执行节点在处理状态数据以期获得故障诊断结果时，由于处理的状态数据的数据量较大，且数据处理过程中可能需要经过多次的迭代计算或数据统计，因此，各个执行节点可将一部分状态数据、迭代计算过程中的中间数据以及统计的数据等缓存到Redis内存数据库集群50中，如此，执行节点一方面可解决缓存空间有限的问题，另一方面，将中间数据存储在Redis内存数据库集群50中也可以快速地进行读取而不影响迭代计算、数据统计的处理过程。其中，每个执行节点可能与Redis内存数据库集群50中的一个存储区域通信，但Redis内存数据库集群50中的各个存储区域可进行数据共享，因此，各个执行节点也可以获取到其他执行节点计算的中间数据，从而实现各个执行节点之间的数据共享。
请再参阅图6，在某些实施方式中，本发明实施方式的数据处理方法还包括：
S142：根据用户的请求输出与请求对应的中间数据。
请再参阅2和图3，在某些实施方式中，步骤S142可以由应用程序编程接口模块30实现。也即是说，应用程序编程接口模块30可用于根据用户的请求输出与请求对应的中间数据。
如此，用户可获取Spark Streaming分布式实时处理框架21处理状态数据过程中缓存的一些中间数据，例如，Spark Streaming分布式实时处理框架21处理状态数据过程中可能缓存有关于终端设备200的故障类型的统计数据。用户获取这些统计数据可了解终端设备200中易出故障的元器件部分，并对其进行改进和维护。
请参阅图7，在某些实施方式中，在执行步骤S12处理状态数据以输出故障诊断结果之后，本发明实施方式的数据处理方法还包括：
S143：通过数据库存储故障诊断结果；
S144：对数据库中的故障诊断结果建立索引；
其中，根据用户的请求输出与请求对应的故障诊断结果是通过匹配请求与索引而实现的。
请再参阅图2至3，在某些实施方式中，数据处理装置100还包括Hbase分布式数据库60和Solr集群70。步骤S143可以由Hbase分布式数据库60实现，步骤S144可以由Solr集群70实现。
也即是说，Hbase分布式数据库60可用于存储故障诊断结果，Solr集群70可用于对数据库中的故障诊断结果建立索引。其中，根据用户的请求输出与请求对应的故障诊断结果是通过匹配请求与索引而实现的。
其中，Hbase分布式数据库60是一个列族数据库集群，可以存储大规模的数据，并提供实时读写和随机访问的功能。Solr集群70是一个高性能的全文搜索服务器，它具有高效、灵活的缓存功能，垂直搜索功能，可高亮显示搜索结果，且可通过索引复制来提高可用性。
请再参阅图3，Spark Streaming分布式实时处理框架21处理状态数据得到故障诊断结果后，随即将状态数据与故障诊断结果一并传送至Hbase分布式数据库60中进行存储。Solr集群70对故障诊断结果建立索引。Solr集群70通过应用程序编程接口模块30与Web网页或应用程序APP实现数据输出。用户通过Web网页或应用程序APP输入获取故障诊断结果的请求时，应用程序编程接口模块30将故障诊断结果的请求传送给Solr集群70，Solr集群70根据请求启动索引和搜索，根据故障诊断结果的请求对请求的内容与索引进行匹配以获取与请求对应的数据，即故障诊断结果，再通过应用程序编程接口模块30将封装后的故障诊断结果据输出至Web网页或应用程序APP以供用户浏览。
在某些实施方式中，用户通过Web网页或应用程序APP输入获取状态数据的请求，应用程序编程接口模块30将状态数据的请求传送给Solr集群70，Solr集群70根据请求启动索引和搜索，根据状态数据的请求对请求的内容与索引进行匹配以获取与请求对应的数据，即状态数据，再通过应用程序编程接口模块30将封装后的状态数据据输出至Web网页或应用程序APP以供用户浏览。
如此，状态数据和故障诊断结果存储在Hbase分布式数据库60中，用户通过输入请求可对终端设备200的状态数据或故障诊断结果进行查询，实现了终端设备200的状态数据和故障诊断结果的共享。
请参阅图8，在某些实施方式中，在执行步骤S12处理状态数据以输出故障诊断结果之后，本发明实施方式的数据处理方法还包括：
S145：通过数据库存储故障诊断结果及状态数据；
S146：对数据库中的故障诊断结果及状态数据建立索引；
S147：匹配索引及请求获取状态数据；
其中，根据用户的请求输出与请求对应的故障诊断结果是通过匹配请求与所述索引实现的。
请再参阅图2至3，在某些实施方式中，步骤S145可以由Hbase分布式数据库60实现，步骤S146和步骤S147可以由Solr集群70实现。
也即是说，Hbase分布式数据库60可用于存储故障诊断结果及状态数据；Solr集群70可用于：
对数据库中的故障诊断结果及状态数据建立索引；和
匹配索引及请求获取状态数据；
请再参阅图3，Spark Streaming分布式实时处理框架21处理状态数据得到故障诊断结果后，随即将状态数据与故障诊断结果一并传送至Hbase分布式数据库60中进行存储。Solr集群70对故障诊断结果建立索引。Solr集群70通过应用程序编程接口模块30与Web网页或应用程序APP实现数据输出。用户通过Web网页或应用程序APP输入获取状态数据和故障诊断结果的请求时，应用程序编程接口模块30将用户的请求传送给Solr集群70，Solr集群70根据请求启动索引和搜索，根据用户的请求对请求的内容与索引进行匹配以获取与请求对应的数据，再通过应用程序编程接口模块30将封装后状态数据和故障诊断结果输出至Web网页或应用程序APP以供用户浏览。其中，状态数据与故障诊断结果是相互关联的。用户输入获取状态数据和故障诊断结果的请求时，状态数据和关联的故障诊断结果会一并输出。
如此，用户通过在web网页或应用程序APP输入请求即可获得终端设备200的状态数据和故障诊断结果等信息。
在某些实施方式中，用户需要获取状态数据、故障诊断结果以及中间数据，此时，用户发送获取状态数据、故障诊断结果以及中间数据的请求并通过应用程序编程接口模发送至Solr集群70和Redis内存数据库集群50中，Solr集群70将状态数据和故障诊断结果发送至应用程序编程接口模块30，Redis内存数据库集群50将中间数据发送至应用程序编程接口模块30，应用程序编程接口模块30将状态数据、故障诊断结果以及中间数据进行封装后一同输出至Web网页或应用程序APP以供用户浏览。
其中，每个终端设备200都具有唯一的设备标识。终端设备200上传状态数据的同时也将终端设备200的设备标识进行上传，从而将状态数据与设备标识进行关联管理，方便对各个状态数据进行区分。此外，用户在使用本发明实施方式的数据处理装置100时需要进行注册用户账号。用户账号是用户唯一的身份标识，它与终端设备200关联。一个用户账号可关联多个终端设备200。
用户可包括消费者和维修工程师。
对于消费者来说，消费者登录自身的用户账号后，可通过Web网页或应用程序APP获知与自己的用户账号关联的终端设备200的设备标识，消费者再在Web网页或应用程序APP进行信息获取的操作即可获得终端设备200的状态数据和故障诊断结果。如此，消费者可轻易地了解到自家的终端设备200的运转情况，用户体验较好。
对于维修工程师来说，维修工程师登录自身的用户账号后，可通过Web网页或应用程序APP获知与自己的用户账号关联的终端设备200的设备标识，维修工程师在Web网页或应用程序APP进行信息获取操作即可获取终端设备200的状态数据和故障诊断结果。维修工程师根据状态数据和故障诊断结果可较为准确地确定需要带上的维修工具及备件，从而提高维修工程师的维修效率。
在某些实施方式中，数据处理装置100还可包括存储有与故障诊断结果相对应的故障维修建议的数据库。如此，用户发现终端设备200故障时，可通过Web网页或应用程序APP进行故障维修建议的查询，进一步提升用户的使用体验。
请参阅图9，本发明实施方式的数据处理装置100包括一个或多个处理器80、存储器90以及一个或多个程序91。其中，一个或多个程序被存储在存储器90中，并且被配置成由一个或多个处理器80执行。程序91包括用于执行上述任意一项实施方式的数据处理方法的指令。
例如，程序91可用于执行以下步骤所述的数据处理方法的指令：
S11：收集终端设备200的状态数据；
S13：处理状态数据以得到故障诊断结果；和
S15：根据用户的请求输出与请求对应的故障诊断结果。
再例如，程序91可用于执行以下步骤所述的数据处理方法的指令：
S121：归一化处理状态数据以得到数据字段和数据格式统一的状态数据。
再例如，程序91可用于执行以下步骤所述的数据处理方法的指令：
S143：通过数据库存储故障诊断结果；
S144：对数据库中的故障诊断结果建立索引；
其中，根据用户的请求输出与请求对应的故障诊断结果是通过匹配请求与索引而实现的。
本发明实施方式的计算机可读存储介质包括与数据处理装置100结合使用的计算机程序，计算机程序可被处理器80执行以完成上述任意一项实施方式所述的数据处理方法。
例如，计算机程序可被处理器80执行以完成以下步骤所述的数据处理方法：
S11：收集终端设备200的状态数据；
S13：处理状态数据以得到故障诊断结果；和
S15：根据用户的请求输出与请求对应的故障诊断结果。
再例如，计算机程序可被处理器80执行以完成以下步骤所述的数据处理方法：
S121：归一化处理状态数据以得到数据字段和数据格式统一的状态数据。
再例如，计算机程序可被处理器80执行以完成以下步骤所述的数据处理方法：
S143：通过数据库存储故障诊断结果；
S144：对数据库中的故障诊断结果建立索引；
其中，根据用户的请求输出与请求对应的故障诊断结果是通过匹配请求与索引而实现的。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (19)
1.一种数据处理方法，用于终端设备，其特征在于，所述数据处理方法包括：
收集所述终端设备的状态数据；
处理所述状态数据以得到故障诊断结果；和
根据用户的请求输出与所述请求对应的故障诊断结果。
2.根据权利要求1所述的数据处理方法，其特征在于，所述终端设备通过无线通信模式上传所述状态数据。
3.根据权利要求1所述的数据处理方法，其特征在于，在处理所述状态数据以输出故障诊断结果之前，所述数据处理方法还包括：
归一化处理所述状态数据以得到数据字段和数据格式统一的状态数据。
4.根据权利要求1所述的数据处理方法，其特征在于，在处理所述状态数据以输出故障诊断结果之前，所述数据处理方法还包括：
以消息队列的形式缓存所述状态数据。
5.根据权利要求1所述的数据处理方法，其特征在于，所述数据处理方法还包括：
缓存所述处理所述状态数据时得到的中间数据。
6.根据权利要求5所述的数据处理方法，其特征在于，所述数据处理方法还包括：
根据用户的请求输出与所述请求对应的所述中间数据。
7.根据权利要求1所述的数据处理方法，其特征在于，在处理所述状态数据以输出故障诊断结果之后，所述数据处理方法还包括：
通过数据库存储所述故障诊断结果；
对所述数据库中的所述故障诊断结果建立索引；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引而实现的。
8.根据权利要求1所述的数据处理方法，其特征在于，在处理所述状态数据以输出故障诊断结果之后，所述数据处理方法还包括：
通过数据库存储所述故障诊断结果及所述状态数据；
对所述数据库中的所述故障诊断结果及所述状态数据建立索引；
匹配所述索引及所述请求获取所述状态数据；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引实现的。
9.一种数据处理装置，用于终端设备，其特征在于，所述数据处理装置包括：
数据收集模块，所述数据收集模块用于收集所述终端设备的状态数据；
数据处理模块，处理所述状态数据以得到故障诊断结果；和
应用程序编程接口模块，所述应用程序编程接口模块用于根据用户的请求输出与所述请求对应的故障诊断结果。
10.根据权利要求9所述的数据处理装置，其特征在于，所述终端设备通过无线通信模式上传所述状态数据。
11.根据权利要求9所述的数据处理装置，其特征在于，所述数据收集模块还用于归一化处理所述状态数据以得到数据字段和数据格式统一的状态数据。
12.根据权利要求9所述的数据处理装置，其特征在于，所述数据处理装置还包括Kafka分布式消息队列，所述Kafka分布式消息队列用于以消息队列的形式缓存所述状态数据。
13.根据权利要求9所述的数据处理装置，其特征在于，所述数据处理模块包括SparkStreaming分布式实时处理框架。
14.根据权利要求12所述的数据处理装置，其特征在于，所述数据处理装置还包括Redis内存数据库集群，所述Redis内存数据库集群用于缓存所述处理所述状态数据时得到的中间数据。
15.根据权利要求14所述的数据处理装置，其特征在于，所述应用程序编程接口模块还用于根据用户的请求输出与所述请求对应的所述中间数据。
16.根据权利要求9所述的数据处理装置，其特征在于，所述数据处理装置还包括Hbase分布式数据库和Solr集群，所述Hbase分布式数据库用于存储所述故障诊断结果；
所述Solr集群用于对所述数据库中的所述故障诊断结果建立索引；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引而实现的。
17.根据权利要求9所述的数据处理装置，其特征在于，所述数据处理装置还包括Hbase分布式数据库和Solr集群，所述Hbase分布式数据库用于存储所述故障诊断结果及所述状态数据；
所述Solr集群用于对所述数据库中的所述故障诊断结果及所述状态数据建立索引；
所述应用程序编程接口模块用于匹配所述索引及所述请求获取所述状态数据；
其中，所述根据用户的请求输出与所述请求对应的故障诊断结果是通过匹配所述请求与所述索引实现的。
18.一种数据处理装置，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置由所述一个或多个处理器执行，所述程序包括用于执行权利要求1-8任意一项所述的数据处理方法的指令。
19.一种计算机可读存储介质，其特征在于，包括与数据处理装置结合使用的计算机程序，所述计算机程序可被处理器执行以完成权利要求1-8任意一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710556411.2A CN107392325B (zh) | 2017-07-10 | 2017-07-10 | 数据处理方法、数据处理装置和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710556411.2A CN107392325B (zh) | 2017-07-10 | 2017-07-10 | 数据处理方法、数据处理装置和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107392325A true CN107392325A (zh) | 2017-11-24 |
| CN107392325B CN107392325B (zh) | 2021-02-26 |
Family
ID=60333847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710556411.2A Expired - Fee Related CN107392325B (zh) | 2017-07-10 | 2017-07-10 | 数据处理方法、数据处理装置和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107392325B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108512716A (zh) * | 2018-02-07 | 2018-09-07 | 深圳壹账通智能科技有限公司 | 上报设备信息的方法、系统、计算机设备和存储介质 |
| CN110019550A (zh) * | 2017-12-15 | 2019-07-16 | 百度在线网络技术（北京）有限公司 | 数据仓库管理方法、装置及计算机设备 |
| CN116108240A (zh) * | 2022-12-09 | 2023-05-12 | 北京火山引擎科技有限公司 | 一种基于数据湖的流式数据处理方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102347858A (zh) * | 2010-07-26 | 2012-02-08 | 通用电气公司 | 电器监测系统以及方法 |
| US20170111211A1 (en) * | 2015-10-15 | 2017-04-20 | Verizon Patent And Licensing Inc. | Failure detection and logging for a toll-free data service |
| CN106709003A (zh) * | 2016-12-23 | 2017-05-24 | 长沙理工大学 | 基于Hadoop的海量日志数据处理方法 |
| CN106897383A (zh) * | 2017-01-22 | 2017-06-27 | 无锡小天鹅股份有限公司 | 家用电器系统和大数据平台 |
-
2017
- 2017-07-10 CN CN201710556411.2A patent/CN107392325B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102347858A (zh) * | 2010-07-26 | 2012-02-08 | 通用电气公司 | 电器监测系统以及方法 |
| US20170111211A1 (en) * | 2015-10-15 | 2017-04-20 | Verizon Patent And Licensing Inc. | Failure detection and logging for a toll-free data service |
| CN106709003A (zh) * | 2016-12-23 | 2017-05-24 | 长沙理工大学 | 基于Hadoop的海量日志数据处理方法 |
| CN106897383A (zh) * | 2017-01-22 | 2017-06-27 | 无锡小天鹅股份有限公司 | 家用电器系统和大数据平台 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019550A (zh) * | 2017-12-15 | 2019-07-16 | 百度在线网络技术（北京）有限公司 | 数据仓库管理方法、装置及计算机设备 |
| CN110019550B (zh) * | 2017-12-15 | 2021-07-09 | 百度在线网络技术（北京）有限公司 | 数据仓库管理方法、装置及计算机设备 |
| CN108512716A (zh) * | 2018-02-07 | 2018-09-07 | 深圳壹账通智能科技有限公司 | 上报设备信息的方法、系统、计算机设备和存储介质 |
| CN108512716B (zh) * | 2018-02-07 | 2020-07-28 | 深圳壹账通智能科技有限公司 | 上报设备信息的方法、系统、计算机设备和存储介质 |
| CN116108240A (zh) * | 2022-12-09 | 2023-05-12 | 北京火山引擎科技有限公司 | 一种基于数据湖的流式数据处理方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107392325B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang | Intelligent remote monitoring and manufacturing system of production line based on industrial Internet of Things | |
| Liu et al. | An evaluative study on IoT ecosystem for smart predictive maintenance (IoT-SPM) in manufacturing: Multiview requirements and data quality | |
| CN104864549B (zh) | 一种空调在线运行能效监测与评价系统及方法 | |
| CN113285974A (zh) | 一种基于数字孪生技术的企业碳排放监控系统 | |
| CN110425694A (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
| CN103473706B (zh) | 基于bim的运营隧道维护健康监测管理系统 | |
| CN109857800A (zh) | 一种工业互联网能源管理与优化系统的数据处理方法 | |
| CN107392325A (zh) | 数据处理方法、数据处理装置和计算机可读存储介质 | |
| CN110658725B (zh) | 一种基于人工智能的能源监管和预测系统及其方法 | |
| CN109391923A (zh) | 一种基于5g架构的建筑能耗管理方法及系统 | |
| CN101931645A (zh) | 基于Web的无线温湿度监测系统 | |
| CN106815667A (zh) | 基于无线互联网的大型科研仪器实时监控及使用管理系统 | |
| CN202094938U (zh) | 基于Web的无线温湿度监测网络 | |
| CN206178381U (zh) | 基于wifi冷藏车智能温湿度监控系统 | |
| CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
| Xiao et al. | Developing an intelligent traceability system for aquatic products in cold chain logistics integrated WSN with SPC | |
| CN111461826B (zh) | 信息推送方法和装置、存储介质和电子装置 | |
| CN108614761A (zh) | 基于业务模型的智慧应用系统服务器性能需求计算方法 | |
| CN109241154A (zh) | 一种分布式数据库监控分析方法及系统 | |
| CN107886180A (zh) | 航司创单接口监控方法、装置、电子设备、存储介质 | |
| Yang et al. | [Retracted] Construction and Risk Analysis of Marketing System Based on Deep Neural Network | |
| WO2023030227A1 (zh) | 一种数据处理方法、装置及系统 | |
| KR102278749B1 (ko) | 오프라인 매장용 마케팅 분석 서비스 플랫폼 및 방법 | |
| CN207114052U (zh) | 基于物联网模式的机房环境远程监控系统 | |
| CN114900435B (zh) | 一种连接关系预测方法及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210226 |