本发明涉及智能通讯的技术领域，具体涉及一种模型驱动的参考架构方法及平台。
背景技术：
目前的智能数据处理方式是以数据计算中心为基本，从各个地方采集数据，集中进行分析处理的方式，一般数据计算中心的部署位置都较远，在各个应用场景中，计算任务都需要较小的计算时延，而直接通过偏远的数据计算中心将会导致数据传输时间长，带来延时损耗。而在工业生产、运营成场景中，对事故、故障、突发情况的实时响应非常重要，现有的数据处理，乃至云计算都存在网络时延大、成本高及安全隐患等一系列问题，无法适应所有的大数据分析、处理要求。
边缘计算利用在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，提高了网络服务性能、开放网络控制能力，激发了类似移动互联网的新网络计算处理业态。解决了网络时延问题，提供近智能服务。目前在网络边缘侧的智能分布式架构与平台上，还没有通过知识模型驱动智能化能力，实现物自主化和物协作智能分布式架构的方法及平台。
因此，行业内亟需一种能智能化、高效率地解决上述问题的方案。
技术实现要素：
本发明的目的在于针对现有技术的不足而提供一种模型驱动的参考架构方法及平台。本发明的目的可以通过如下所述技术方案来实现。
本发明提供一种模型驱动的参考架构方法，包括：
根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息；
根据所述属性信息与边缘计算节点部署策略对应关系，构建所述边缘计算节点的网络、计算及存储的网络边缘侧构架；
基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将所述业务策略模型对应至所述网络边缘侧构架，得到边缘计算节点部署阶段模型；
根据所述边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据所述部署优化策略调节所述负载的运行状态。
可选地，其中，该模型驱动的参考架构方法还包括：
根据所述业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略；
根据所述外接调度配置策略与所述边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据所述底层任务调度管理参数构建得到外接调度参考架构。
可选地，其中，该模型驱动的参考架构方法还包括：
根据所述网络边缘侧构架得到分布式存储构架策略；
根据所述分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系；
设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至所述边缘计算节点的存储设备的分布式存储构架。
可选地，其中，该模型驱动的参考架构方法还包括：
将所述边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据；
根据预设的热数据分级策略及冷数据分级策略分析所述时序数据得到分级数据；
根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个所述分级数据的存储位置信息；
设置基于所述存储位置信息将所述分级数据对应存储的分级存储构架。
可选地，其中，该模型驱动的参考架构方法还包括：
接收数据查询请求时，根据查询条件查询所述分片数据，根据时间戳将所有的所述分片数据合并形成原始数据集；
在所述查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
另一方面，本发明还提供一种模型驱动的参考架构平台，包括：属性信息定义模块、网络边缘侧构架构建模块、边缘计算节点部署阶段模型构建模块及负载运行状态调节模块；其中，
所述属性信息定义模块，根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息；
所述网络边缘侧构架构建模块，与所述属性信息定义模块相连接，根据所述属性信息与边缘计算节点部署策略对应关系，构建所述边缘计算节点的网络、计算及存储的网络边缘侧构架；
所述边缘计算节点部署阶段模型构建模块，与所述网络边缘侧构架构建模块相连接，基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将所述业务策略模型对应至所述网络边缘侧构架，得到边缘计算节点部署阶段模型；
所述负载运行状态调节模块，与所述边缘计算节点部署阶段模型构建模块相连接，根据所述边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据所述部署优化策略调节所述负载的运行状态。
可选地，其中，该模型驱动的参考架构平台还包括：外接调度参考架构模块，与所述边缘计算节点部署阶段模型构建模块相连接，根据所述业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略；
根据所述外接调度配置策略与所述边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据所述底层任务调度管理参数构建得到外接调度参考架构。
可选地，其中，该模型驱动的参考架构平台还包括：分布式存储构架模块，与所述网络边缘侧构架构建模块相连接，根据所述网络边缘侧构架得到分布式存储构架策略；
根据所述分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系；
设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至所述边缘计算节点的存储设备的分布式存储构架。
可选地，其中，该模型驱动的参考架构平台还包括：分级存储构架模块，与所述分布式存储构架模块相连接，将所述边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据；
根据预设的热数据分级策略及冷数据分级策略分析所述时序数据得到分级数据；
根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个所述分级数据的存储位置信息；
设置基于所述存储位置信息将所述分级数据对应存储的分级存储构架。
可选地，其中，该模型驱动的参考架构平台还包括：分片数据查询模块，与所述分布式存储构架模块相连接，接收数据查询请求时，根据查询条件查询所述分片数据，根据时间戳将所有的所述分片数据合并形成原始数据集；
在所述查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
与现有技术比，本发明的有益效果：
本发明研发了一种模型驱动的参考架构方法及平台，基于模型可以将物理和数字世界的知识模型化，从而实现了物理世界和数字世界的协作，对物理世界建立实时、系统的认知模型。既支持主动的任务调度，能够根据资源状态、服务感知、ecn节点间的联接带宽、计算任务的sla要求等，自动化地在将任务拆分成多个子任务并分配到多个ecn节点上协同计算。也支持把计算资源、服务资源等通过开放接口对业务开放，业务能够主动地控制计算任务的调度过程。ecn节点对南向的协议适配，ecn节点之间的东西联接使用统一的数据联接协议。通过数据协同，节点间可以相互交互数据、知识模型等。ecn节点需要知道特定的数据需要在哪些节点间共享，共享的方式包括简单的广播、pub-sub模式等。能够按照租户、业务逻辑等进行业务呈现，屏蔽物理联接的复杂性。例如，每个租户只需要看到他所运行的计算任务，这些任务在计算联接fabric上的分布情况。同时，也可以灵活地按需叠加所需要的智能资产、智能网关、智能系统的位置等物理信息。
在数字世界预测物理世界的状态、仿真物理世界的运行、简化物理世界的重构，然后驱动物理世界优化运行。能够将物理世界的全生命周期数据与商业过程数据建立协同，实现商业过程和生产过程的协作。实现了跨产业的生态协作，基于模型化的方法，ict和各垂直行业可以建立和复用本领域的知识模型体系。ict行业通过水平化的边缘计算领域模型和参考架构屏蔽ict技术复杂性，各垂直行业将行业know-how进行模型化封装，实现ict行业与垂直行业的有效协作。减少了系统异构性，简化跨平台移植，系统与系统之间、子系统与子系统之间、服务与服务之间、新系统与旧系统之间等基于模型化的接口进行交互，简化集成。基于模型，可以实现软件接口与开发语言、平台、工具、协议等解耦，从而简化跨平台的移植。有效支撑了系统的全生命周期活动，包括应用开发服务的全生命周期、部署运营服务的全生命周期、数据处理服务的全生命周期、安全服务的全生命周期等。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明实施例中的模型驱动的参考架构方法的流程示意图；
图2为本发明实施例中第二种模型驱动的参考架构方法的流程示意图；
图3为本发明实施例中第三种模型驱动的参考架构方法的流程示意图；
图4为本发明实施例中第四种模型驱动的参考架构方法的流程示意图；
图5为本发明实施例中第五种模型驱动的参考架构方法的流程示意图；
图6为本发明实施例中的基于边缘计算精准处理数据的平台的结构示意图；
图7为本发明实施例中第二种基于边缘计算精准处理数据的平台的结构示意图；
图8为本发明实施例中第三种基于边缘计算精准处理数据的平台的结构示意图；
图9为本发明实施例中第四种基于边缘计算精准处理数据的平台的结构示意图；
图10为本发明实施例中第五种基于边缘计算精准处理数据的平台的结构示意图。
具体实施方式
下面将结合具体实施例，对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
如图1所示，为本实施例中一种模型驱动的参考架构方法的流程示意图。具体地，该方法包括如下步骤：
步骤101、根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息。
步骤102、根据属性信息与边缘计算节点部署策略对应关系，构建边缘计算节点的网络、计算及存储的网络边缘侧构架。
步骤103、基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将业务策略模型对应至网络边缘侧构架，得到边缘计算节点部署阶段模型。
步骤104、根据边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据部署优化策略调节负载的运行状态。
在一些可选的实施例中，如图2所示，为本实施中第二种模型驱动的参考架构方法的流程示意图，与图1中不同的是，还包括：
步骤201、根据业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略。
步骤202、根据外接调度配置策略与边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据底层任务调度管理参数构建得到外接调度参考架构。
在一些可选的实施例中，如图3所示，为本实施中第三种模型驱动的参考架构方法的流程示意图，与图1中不同的是，还包括：
步骤301、根据网络边缘侧构架得到分布式存储构架策略。
步骤302、根据分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系。
步骤303、设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至边缘计算节点的存储设备的分布式存储构架。
在一些可选的实施例中，如图4所示，为本实施中第四种模型驱动的参考架构方法的流程示意图，与图3中不同的是，还包括：
步骤401、将边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据。
步骤402、根据预设的热数据分级策略及冷数据分级策略分析时序数据得到分级数据。
步骤403、根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个分级数据的存储位置信息。
步骤404、设置基于存储位置信息将分级数据对应存储的分级存储构架。
在一些可选的实施例中，如图5所示，为本实施中第五种模型驱动的参考架构方法的流程示意图，与图1中不同的是，还包括：
步骤501、接收数据查询请求时，根据查询条件查询分片数据，根据时间戳将所有的分片数据合并形成原始数据集。
步骤502、在查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
在一些可选的实施例中，如图6所示，为本实施中模型驱动的参考架构平台的示意图，该平台用于实施上述的模型驱动的参考架构方法。具体地，该平台包括：属性信息定义模块601、网络边缘侧构架构建模块602、边缘计算节点部署阶段模型构建模块603及负载运行状态调节模块604。
其中，属性信息定义模块601，根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息。
网络边缘侧构架构建模块602，与属性信息定义模块601相连接，根据属性信息与边缘计算节点部署策略对应关系，构建边缘计算节点的网络、计算及存储的网络边缘侧构架。
边缘计算节点部署阶段模型构建模块603，与网络边缘侧构架构建模块602相连接，基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将业务策略模型对应至网络边缘侧构架，得到边缘计算节点部署阶段模型。
负载运行状态调节模块604，与边缘计算节点部署阶段模型构建模块603相连接，根据边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据部署优化策略调节负载的运行状态。
智能服务基于模型驱动的统一服务框架，通过开发服务框架和部署运营服务框架实现开发与部署智能协同，能够实现软件开发接口一致和部署运营自动化。智能业务编排通过业务fabric定义端到端业务流，实现业务敏捷。联接计算ccf(connectivityandcomputingfabric)实现架构极简，对业务屏蔽边缘智能分布式架构的复杂性；实现oict基础设施部署运营自动化和可视化，支撑边缘计算资源服务与行业业务需求的智能协同。智能ecn(edgecomputingnode)兼容多种异构联接、支持实时处理与响应、提供软硬一体化安全等。边缘计算参考架构在每层提供了模型化的开放接口，实现了架构的全层次开放；边缘计算参考架构通过纵向管理服务、数据全生命周期服务、安全服务，实现业务的全流程、全生命周期的智能服务。
ecn节点典型功能包括：总线协议适配、实时联接、实时流式数据分析、时序数据存取、策略执行、设备即插即用及资源管理。ecn四类开发框架包括：实时计算系统框架，面向数字化的物理资产，满足应用实时性等需求；轻量计算系统框架，面向资源受限的感知终端，满足低功耗等需求；智能网关系统框架，支持多种网络接口、总线协议与网络拓扑，实现边缘本地系统互联并提供本地计算和存储能力，能够和云端系统协同；智能分布式系统框架，基于分布式架构，能够在边缘侧弹性扩展网络、计算和存储等能力，支持资源面向业务的动态管理和调度，能够和云端系统协同。
设计阶段模型，定义ecn节点的标识、属性、功能、性能、派生继承关系等，为部署与运行阶段提供价值信息。部署阶段模型，主要包括业务策略、物理拓扑等模型。其中，业务策略模型是用业务语言，而不是机器语言来描述业务规则与约束，实现业务驱动边缘计算基础设施。业务策略模型可描述，可灵活复用和变更，使能业务敏捷。运行阶段模型，主要包括联接计算fabric模型、运行负载模型等。基于这些模型可以监视和优化系统运行状态，实现负载在边缘分布式架构上的部署优化等。通过模型驱动的统一服务框架能够实现边缘计算领域模型和垂直行业领域模型的相互映射和统一管理，从而复用垂直行业的领域模型(如opcua及其生态)，实现边缘计算参考架构和行业平台、行业应用的易集成。
在一些可选的实施例中，如图7所示，为本实施中第二种模型驱动的参考架构平台的示意图，与图6中不同的是，还包括：外接调度参考架构模块701，与边缘计算节点部署阶段模型构建模块603相连接，根据业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略。
根据外接调度配置策略与边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据底层任务调度管理参数构建得到外接调度参考架构。
通过开放接口提供计算任务请求、资源状态反馈、任务执行状态反馈等，屏蔽智能资产、智能网关和智能系统的物理差异。通过集成开发平台和工具链集成边缘计算模型库和垂直行业模型库，提供模型与应用的开发、集成、仿真、验证和发布的全生命周期服务。
定义架构、功能需求、接口需求等模型定义，支持模型·和业务流程的可视化呈现，支持基于模型生成多语言的代码；支持边缘计算领域模型与垂直行业领域模型的集成、映射等；支持模型库版本管理。
支持ecn节点的软硬件仿真，仿真要能够模拟目标应用场景的ecn节点规格(如内存，存储空间等)。系统需要支持组件细粒度化、组件可裁剪和重新打包(系统重置)，以匹配ecn节点规格。基于仿真节点，能够进行面向应用场景的组网和系统搭建，并将开发的模型和应用在仿真环境下进行低成本、自动化的功能验证。从基线库获得发布版本，调用部署运营服务，将模型与应用部署到实际的ecn节点。
在每个ecn节点内置策略执行器模块，负责将策略翻译成本设备命令并在本地调度执行。ecn节点既支持由控制器推送策略，也可以主动向控制器请求策略。策略可以只关注高层次业务需求，而不对ecn节点进行细粒度控制，从而保证ecn节点的自主性和本地事件响应处理的实时性。
在一些可选的实施例中，如图8所示，为本实施中第三种模型驱动的参考架构平台的示意图，与图6中不同的是，还包括：分布式存储构架模块801，与网络边缘侧构架构建模块602相连接，根据网络边缘侧构架得到分布式存储构架策略。
根据分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系；设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至边缘计算节点的存储设备的分布式存储构架。
支持面向终端设备、网络设备、服务器、存储、数据、业务与应用的隔离、安全、分布式架构的统一管理服务。支持面向工程设计、集成设计、系统部署、业务与数据迁移、集成测试、集成验证与验收等全生命周期。边缘数据是在网络边缘侧产生的，包括机器运行数据、环境数据以及信息系统数据等，具有高通量(瞬间流量大)、流动速度快、类型多样、关联性强、分析处理实时性要求高等特点。
在一些可选的实施例中，如图9所示，为本实施中第四种模型驱动的参考架构平台的示意图，与图8中不同的是，还包括：分级存储构架模块901，与分布式存储构架模块801相连接，将边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据。
根据预设的热数据分级策略及冷数据分级策略分析时序数据得到分级数据；根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个分级数据的存储位置信息。
设置基于存储位置信息将分级数据对应存储的分级存储构架。
在一些可选的实施例中，如图10所示，为本实施中第五种模型驱动的参考架构平台的示意图，与图8中不同的是，还包括：分片数据查询模块1001，与分布式存储构架模块801相连接，接收数据查询请求时，根据查询条件查询分片数据，根据时间戳将所有的分片数据合并形成原始数据集。
在查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
本实施的基于边缘计算精准处理数据的方案，针对不同类别的数据源和数据类型，分别提出了面对各自环境下的数据采集模块和数据预处理模块的方案设计，并在相应的具体场景下予以实现。设计了底层数据采集与处理模块与上层大数据处理系统的通信构架，在面对具体场景下中心数据处理系统对于边缘设备的不同操作需求时，可以根据具体事务要求做出相应。提出了针对边缘设备数据处理能力较差的前提下，利用中心设备与边缘设备的协同，完成数据分析和数据挖掘任务，以克服边缘设备计算能力弱和云中心计算响应慢等缺点。依据上述过程，完成了基于边缘计算的数据获取与处理系统。系统具有效率高，反应快，能耗低等特点，满足了大多数日常数据收集和处理场景的需求。通过在两个不同数据来源以及处理需求的场景下的实现，验证了系统的可行性和自身特点。
以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的范围。
1.一种模型驱动的参考架构方法，其特征在于，包括：
根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息；
根据所述属性信息与边缘计算节点部署策略对应关系，构建所述边缘计算节点的网络、计算及存储的网络边缘侧构架；
基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将所述业务策略模型对应至所述网络边缘侧构架，得到边缘计算节点部署阶段模型；
根据所述边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据所述部署优化策略调节所述负载的运行状态。
2.根据权利要求1所述的模型驱动的参考架构方法，其特征在于，还包括：
根据所述业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略；
根据所述外接调度配置策略与所述边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据所述底层任务调度管理参数构建得到外接调度参考架构。
3.根据权利要求1所述的模型驱动的参考架构方法，其特征在于，还包括：
根据所述网络边缘侧构架得到分布式存储构架策略；
根据所述分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系；
设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至所述边缘计算节点的存储设备的分布式存储构架。
4.根据权利要求3所述的模型驱动的参考架构方法，其特征在于，还包括：
将所述边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据；
根据预设的热数据分级策略及冷数据分级策略分析所述时序数据得到分级数据；
根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个所述分级数据的存储位置信息；
设置基于所述存储位置信息将所述分级数据对应存储的分级存储构架。
5.根据权利要求3所述的模型驱动的参考架构方法，其特征在于，还包括：
接收数据查询请求时，根据查询条件查询所述分片数据，根据时间戳将所有的所述分片数据合并形成原始数据集；
在所述查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
6.一种模型驱动的参考架构平台，其特征在于，包括：属性信息定义模块、网络边缘侧构架构建模块、边缘计算节点部署阶段模型构建模块及负载运行状态调节模块；其中，
所述属性信息定义模块，根据智能资产、智能网关及智能系统与边缘计算节点属性对应关系，定义边缘计算节点的标识、属性、功能、性能及派生继承关系的属性信息；
所述网络边缘侧构架构建模块，与所述属性信息定义模块相连接，根据所述属性信息与边缘计算节点部署策略对应关系，构建所述边缘计算节点的网络、计算及存储的网络边缘侧构架；
所述边缘计算节点部署阶段模型构建模块，与所述网络边缘侧构架构建模块相连接，基于业务需求与业务策略、物理拓扑模型的对应关系得到业务策略模型，将所述业务策略模型对应至所述网络边缘侧构架，得到边缘计算节点部署阶段模型；
所述负载运行状态调节模块，与所述边缘计算节点部署阶段模型构建模块相连接，根据所述边缘计算节点部署阶段模型与联接计算策略、运行负载模型的对应关系，监视和优化系统运行状态，结合得到各个负载在边缘分布式架构上的部署优化策略，根据所述部署优化策略调节所述负载的运行状态。
7.根据权利要求6所述的模型驱动的参考架构平台，其特征在于，还包括：外接调度参考架构模块，与所述边缘计算节点部署阶段模型构建模块相连接，根据所述业务策略模型与外接调度策略对应关系，得到外接调度硬件接口、软件接口及基本运行时环境的外接调度配置策略；
根据所述外接调度配置策略与所述边缘计算节点部署阶段模型，得到边缘计算节点的底层任务调度管理参数，根据所述底层任务调度管理参数构建得到外接调度参考架构。
8.根据权利要求6所述的模型驱动的参考架构平台，其特征在于，还包括：分布式存储构架模块，与所述网络边缘侧构架构建模块相连接，根据所述网络边缘侧构架得到分布式存储构架策略；
根据所述分布式存储构架策略设置基于时间戳、数据包及分级条件与边缘计算节点的存储设备对应关系；
设置采集边缘计算节点的底层数据，按照时间戳、数据包及分级条件进行分片和压缩处理，得到的分片数据对应存储至所述边缘计算节点的存储设备的分布式存储构架。
9.根据权利要求8所述的模型驱动的参考架构平台，其特征在于，还包括：分级存储构架模块，与所述分布式存储构架模块相连接，将所述边缘计算节点的时序数据按照时间戳设置分级依据，将近期一段时间内的数据作为热数据，其它时间段内的数据作为冷数据；
根据预设的热数据分级策略及冷数据分级策略分析所述时序数据得到分级数据；
根据预设的存储成本计算策略计算各个存储设备的存储成本，根据存储成本、热数据/冷数据与数据存储对应关系，得到各个所述分级数据的存储位置信息；
设置基于所述存储位置信息将所述分级数据对应存储的分级存储构架。
10.根据权利要求8所述的模型驱动的参考架构平台，其特征在于，还包括：分片数据查询模块，与所述分布式存储构架模块相连接，接收数据查询请求时，根据查询条件查询所述分片数据，根据时间戳将所有的所述分片数据合并形成原始数据集；
在所述查询条件包括聚合运算时，根据时间采样窗口对数据进行聚合运算，展现聚合运算结果。
技术总结