结合物联网交互和云计算通信的数据分析方法及云服务器

摘要

本申请提供的结合物联网交互和云计算通信的数据分析方法及云服务器，首先提取第一物联网设备的操作记录并获取第二物联网设备在目标物联网集群中的实时状态数据，根据实时状态数据和操作记录生成集群状态数据，将集群状态数据、实时状态数据以及用户行为数据添加到数据配置列表中。其次通过数据配置列表和目标物联网集群对应的网络拓扑结构指示第三物联网设备进行设备交互数据的提取。最后对设备交互数据以及集群状态数据对应的集群资源目录数据进行分析得到第一数据分析结果和第二数据分析结果。如此，能够对物联网设备的不同工作状态以及不同交互状态进行分析，建立不同数据分析结果之间的关联性和可追溯性，避免多个数据分析结果的离散化。

说明书

技术领域

本申请涉及大数据和云计算处理技术领域，尤其涉及结合物联网交互和云计算通信的数据分析方法及云服务器。

背景技术

随着科学技术的发展，数据时代悄然而至并以更加智能、高效的方式服务于人们的生活和生产。数据已然深入到当今各行各业的职能领域中，扮演着重要生产因素的角色。现如今，可以通过对海量数据进行挖掘和分析，从而获得数据背后的巨大价值。伴随着5g通信和边缘计算的发展，物联网、大数据和云计算之间的协作能够使得社会形态朝着科技化和信息化的方向发展。

在数据时代，数据挖掘和数据分析是实现数据价值的重要一环，在万物互联的物联网环境下，对不同物联网设备之间的交互数据进行深度挖掘和分析显得尤为重要。然而相关技术在对物联网设备之间的交互数据进行分析时，所得到的数据分析结果往往存在离散性。

发明内容

本申请提供结合物联网交互和云计算通信的数据分析方法及云服务器，以改善现有技术存在的上述问题。

第一方面，提供了一种结合物联网交互和云计算通信的数据分析方法，应用于与多个物联网设备通信的云服务器，所述方法包括：

从第一物联网设备中提取所述第一物联网设备的操作记录，并对目标物联网集群中所包括的其他物联网设备进行离线数据检测；其中，所述目标物联网集群为所述第一物联网设备所在的物联网集群，所述第一物联网设备与所述目标物联网集群中的所述其他物联网设备互相之间通信；

若所述目标物联网集群中的至少一个第二物联网设备通过所述离线数据检测，且所述第二物联网设备为所述目标物联网集群中具有最大设备关联系数的物联网设备，则获取所述第二物联网设备在所述目标物联网集群中的实时状态数据，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中；其中，实时状态数据是第二物联网设备在与目标物联网集群中的其他物联网设备进行数据交互时所产生的网络资源数据；

将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中，以使所述目标物联网集群中的至少一个第三物联网设备根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取；接收所述第三物联网设备上传的设备交互数据；

基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果；其中，所述第一数据分析结果与所述第二数据分析结果至少存在部分重叠的结果信息。

第二方面，提供了一种云服务器，所述云服务器与多个物联网设备通信，所述云服务器至少用于：

从第一物联网设备中提取所述第一物联网设备的操作记录，并对目标物联网集群中所包括的其他物联网设备进行离线数据检测；其中，所述目标物联网集群为所述第一物联网设备所在的物联网集群，所述第一物联网设备与所述目标物联网集群中的所述其他物联网设备互相之间通信；

若所述目标物联网集群中的至少一个第二物联网设备通过所述离线数据检测，且所述第二物联网设备为所述目标物联网集群中具有最大设备关联系数的物联网设备，则获取所述第二物联网设备在所述目标物联网集群中的实时状态数据，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中；其中，实时状态数据是第二物联网设备在与目标物联网集群中的其他物联网设备进行数据交互时所产生的网络资源数据；

将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中，以使所述目标物联网集群中的至少一个第三物联网设备根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取；接收所述第三物联网设备上传的设备交互数据；

基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果；其中，所述第一数据分析结果与所述第二数据分析结果至少存在部分重叠的结果信息。

应用本申请实施例结合物联网交互和云计算通信的数据分析方法及云服务器时，首先提取第一物联网设备的操作记录并在目标物联网集群中的至少一个第二物联网设备通过离线数据检测获取第二物联网设备在目标物联网集群中的实时状态数据，根据实时状态数据和操作记录生成集群状态数据，将集群状态数据、实时状态数据以及操作记录对应的第一物联网设备的用户行为数据添加到预设的数据配置列表中。其次通过数据配置列表和目标物联网集群对应的网络拓扑结构指示第三物联网设备进行设备交互数据的提取并接收该设备交互数据，最后基于用户行为数据与网络资源数据之间的映射关系对设备交互数据以及集群状态数据对应的集群资源目录数据进行分析，得到第一数据分析结果和第二数据分析结果。

由于第一数据分析结果与第二数据分析结果存在部分重叠的结果信息中包括的目标物联网集群中每个物联网设备的数据随机校验码和数据签名是可追溯的。如此，能够对物联网设备的不同工作状态以及不同交互状态进行分析，从而建立不同数据分析结果之间的关联性和可追溯性，避免多个数据分析结果的离散化。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请根据一示例性实施例示出的一种结合物联网交互和云计算通信的数据分析系统示意图。

图2是本申请根据一示例性实施例示出的一种结合物联网交互和云计算通信的数据分析方法的流程图。

图3是本申请根据一示例性实施例示出的一种结合物联网交互和云计算通信的数据分析装置的一个实施例框图。

图4为本申请结合物联网交互和云计算通信的数据分析装置所在云服务器的一种硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

发明人在对不同应用场景下的物联网设备进行分析时发现，现如今的物联网设备大多支持在不同的工作状态下运行，这使得不同物联网设备在交互时，可能存在很多种交互状态。然而现有技术通常仅对某一种交互状态进行独立的数据挖掘和分析以得到分析结果，并没有将物联网设备在不同工作状态的关联性以及物联网设备的不同交互状态之间的协同性考虑在内，这会导致多个数据分析结果之间不具有关联性和可追溯性。

为改善上述问题，本发明实施例提供了一种结合物联网交互和云计算通信的数据分析方法及云服务器，能够对物联网设备的不同工作状态以及不同交互状态进行分析，从而建立不同数据分析结果之间的关联性和可追溯性，避免多个数据分析结果的离散化。

应当理解，本发明实施例所提供的方案可以部署在不同的物联网系统中，例如边缘计算系统、自动驾驶系统、智慧城市监控系统和智能医疗辅助系统等，在此不作限定。并且本发明实施例是针对数据层面进行关联性和可追溯性的建立，因此不再对上述具体的应用场景进行一一举例说明。本领域技术人员能够将本发明实施例所提供的技术方案与具体业务场景的配置参数进行结合，以实现对不同物联网场景的数据分析。

可以理解，为实现上述目的，本发明实施例首先对结合物联网交互和云计算通信的数据分析方法的实施环境进行阐述和说明。请首先参阅图1，提供的是结合物联网交互和云计算通信的数据分析系统100的系统架构示意图。在该数据分析系统100中，云服务器200与多个物联网设备300互相通信，多个物联网设备300之间形成网络拓扑结构可变的交互网络。

在上述图1的基础上，请结合参阅图2，提供了结合物联网交互和云计算通信的数据分析方法的流程图，所述方法可以应用于图1中的云服务器200，具体可以包括以下步骤S210-步骤S240所描述的内容。

步骤S210，从第一物联网设备中提取所述第一物联网设备的操作记录，并对目标物联网集群中所包括的其他物联网设备进行离线数据检测；其中，所述目标物联网集群为所述第一物联网设备所在的物联网集群，所述第一物联网设备与所述目标物联网集群中的所述其他物联网设备互相之间通信。

在本实施例中，操作记录是第一物联网设备进行根据用户输入的指令进行数据处理时所保存的用户行为数据记录。所述离线数据检测用于验证所述其他物联网设备是否存在数据篡改行为。

步骤S220，若所述目标物联网集群中的至少一个第二物联网设备通过所述离线数据检测，且所述第二物联网设备为所述目标物联网集群中具有最大设备关联系数的物联网设备，则获取所述第二物联网设备在所述目标物联网集群中的实时状态数据，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中。

在本实施例中，设备关联系数用于表征目标物联网集群中与第二物联网设备通信的物联网设备的数量，设备关联系数越大，目标物联网集群中与第二物联网设备通信的物联网设备的数量越多。实时状态数据是第二物联网设备在与目标物联网集群中的其他物联网设备进行数据交互时所产生的网络资源数据。

步骤S230，将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中，以使所述目标物联网集群中的至少一个第三物联网设备根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取；接收所述第三物联网设备上传的设备交互数据。

在本实施例中，目标物联网集群对应的网络拓扑结构中包括多个设备节点，每个设备节点对应一个物联网设备。所述节点数据包括设备节点对应的传感数据，所述设备交互数据为所述第三物联网设备在不同工作状态之间进行切换时的记录的数据。

步骤S240，基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果；其中，所述第一数据分析结果与所述第二数据分析结果至少存在部分重叠的结果信息。

在本实施例中，集群资源目录数据中包括目标物联网集群在不同交互状态下的数据资源分配记录以及每个物联网设备的数据接口信息的变化记录。所述第一数据分析结果与所述第二数据分析结果存在部分重叠的结果信息中包括所述目标物联网集群中每个物联网设备的数据随机校验码和数据签名，且数据随机校验码和数据签名是可追溯的。

可以理解，通过上述步骤S210-步骤S240，首先提取第一物联网设备的操作记录并在目标物联网集群中的至少一个第二物联网设备通过离线数据检测获取第二物联网设备在目标物联网集群中的实时状态数据，根据实时状态数据和操作记录生成集群状态数据，将集群状态数据、实时状态数据以及操作记录对应的第一物联网设备的用户行为数据添加到预设的数据配置列表中。其次通过数据配置列表和目标物联网集群对应的网络拓扑结构指示第三物联网设备进行设备交互数据的提取并接收该设备交互数据，最后基于用户行为数据与网络资源数据之间的映射关系对设备交互数据以及集群状态数据对应的集群资源目录数据进行分析，得到第一数据分析结果和第二数据分析结果。

由于第一数据分析结果与第二数据分析结果存在部分重叠的结果信息中包括的目标物联网集群中每个物联网设备的数据随机校验码和数据签名是可追溯的。如此，能够对物联网设备的不同工作状态以及不同交互状态进行分析，从而建立不同数据分析结果之间的关联性和可追溯性，避免多个数据分析结果的离散化。

在实施上述方法时发明人发现，在对目标物联网集群中的其他物联网设备进行离线数据检测时，可能会存在检测准确率低下且检测时间过长的问题。发明人进一步对上述问题进行分析和研究得到，在对其他物联网设备进行离线数据检测时是基于相同的检测线程进行的，而这并没有考虑到不同物联网设备之间的设备类型和设备网络状态的差异性。为了解决上述技术问题，步骤S210中所描述的对目标物联网集群中所包括的其他物联网设备进行离线数据检测，具体可以包括以下步骤S211-步骤S215所描述的内容。

步骤S211，获得所述目标物联网集群中的每个其他物联网设备的设备类型数据以及每个其他物联网设备在所述目标物联网集群的实时网络状态下对应的设备网络状态；将所述设备类型数据和所述设备网络状态按照每个其他物联网设备对应的历史检测记录转换为至少两组待检测参数集。

步骤S212，提取每个所述待检测参数集的检测逻辑信息以及与所述待检测参数集对应的目标类型数据，所述目标类型数据是所述设备类型数据中不随其他物联网设备的工作状态更改而变化的一部分注册数据。

步骤S213，基于每个所述待检测参数集的检测逻辑信息和所述目标类型数据，确定将每个所述待检测参数集导入至所述设备类型数据对应的目标检测线程时的参数缺损轨迹，所述参数缺损轨迹包括待检测参数集的变化轨迹。

步骤S214，针对每个待检侧参数集对应的变化轨迹，若所述变化轨迹在预设时段内为收敛，将所述待检测参数集对应的参数特征数组导入至所述设备类型数据中对应的目标检测线程的运行列表中；在基于所述目标检测线程完成对所述至少两组待检测参数集的导入后，对所述至少两组待检测参数集进行拆分并得到每两个其他物联网设备之间的状态差异信息以及类型差异信息。

步骤S215，根据所述状态差异信息和所述类型差异信息对每两个其他物联网设备所对应的目标检测线程进行镜像处理，得到与目标检测线程对应的镜像检测线程，基于所述状态差异信息和所述类型差异信息对目标检测线程和所述镜像检测线程进行检测参数调整，并通过所述目标检测线程对应的第一运行列表和所述镜像检测线程对应的第二运行列表驱动目标检测线程和所述镜像检测线程运行，以对每个其他物联网设备进行离线数据检测。

可以理解，通过上述步骤S211-步骤S215，能够将不同物联网设备之间的设备类型和设备网络状态的差异性考虑在内，这样能够对检测线程进行检测参数和检测标准的调整，如此，能够在对目标物联网集群中的其他物联网设备进行离线数据检测时，确保检测准确率并减少检测时长。

在实际应用中，为了确保添加到数据配置列表中的数据的准确性和完整性，在步骤S220中，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中具体可以包括以下步骤S221-步骤S224所描述的内容。

步骤S221，从所述实时状态数据中提取状态变量，生成所述状态变量的变量特征与所述操作记录的记录特征之间的第一特征聚类，并根据所述第一特征聚类确定所述目标物联网集群的频率资源分布表；在提取所述状态变量的过程中，采集所述操作记录的操作数据参量并确定所述状态变量相对于所述操作记录的操作数据参量的参量变化度。

步骤S222，基于所述状态变量相对于所述操作记录的操作数据参量的参量变化度，获取所述状态变量的变量特征与所述操作记录的记录特征之间的第二特征聚类，并判断所述第二特征聚类与所述目标物联网集群的频率资源分布表是否匹配；若匹配，则根据所述频率资源分布表生成所述集群状态数据；若不匹配，则基于所述参量变化度修正所述目标物联网集群的频率资源分布表，并利用修正后的频率资源分布表生成所述集群状态数据。

步骤S223，确定所述集群状态数据的第一数据结构模型、所述实时状态数据的第二数据结构模型以及所述用户行为数据的第三数据结构模型；在将所述集群状态数据、所述实时状态数据以及所述用户行为数据添加到所述数据配置列表之前，根据所述第一数据结构模型、所述第二数据结构模型以及所述第三数据结构模型生成用于对所述集群状态数据、所述实时状态数据以及所述用户行为数据进行数据格式转换的数据结构变换矩阵。

步骤S224，采用所述数据结构变换矩阵将所述集群状态数据、所述实时状态数据以及所述用户行为数据转换为与所述数据配置列表相匹配的数据格式的待导入数据；将所述待导入数据通过所述数据配置列表的列表接口添加到所述数据配置列表中。

在具体实施时，基于上述步骤S221-步骤S224所描述的内容，能够准确集群状态数据，并将集群状态数据、实时状态数据以及用户行为数据的不同数据格式考虑之内，进而在将集群状态数据、实时状态数据以及用户行为数据添加到数据配置列表之间进行数据格式的一致性转换，从而确保添加到数据配置列表中的数据的准确性和完整性。

在具体实施过程中，为了准确确定出设备交互数据，步骤S230所描述的将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中，以使所述目标物联网集群中的至少一个第三物联网设备根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取，具体可以包括以下步骤S231-步骤S234所描述的内容。

步骤S231，确定数据配置列表的列表线性参数对应的列表结构信息及所述列表线性参数的列表序列；其中，所述列表序列表示所述数据配置列表的列表线性参数的资源配置结果，所述列表序列至少包括：表示所述数据配置列表的列表线性参数的当前排序信息和历史排序信息。

步骤S232，获取与所述列表结构信息对应的列表配置信息，所述列表配置信息中包含有预先提取的数据配置信息，所述数据配置信息表示位于所述列表配置信息中的设定信息字段内且与所述列表结构信息对应的列表线性参数的资源配置结果。

步骤S233，依据所述列表结构信息、所述列表序列和所述列表配置信息对所述数据配置列表中的目标数据进行封装得到数据包；将所述数据包加载至所述网络拓扑结构对应的逻辑链路数据表中并通过所述逻辑链路数据表激活所述目标物联网集群中的至少一个第三物联网设备。

步骤S234，使激活之后的第三物联网设备根据所述数据包确定出所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据，并使所述第三物联网设备基于所述数据包中包括的当前排序信息和历史排序信息对所述节点数据的每个数据集排序得到排序序列，并提取所述排序序列中位于序列中部的设定数量的数据集作为设备交互数据；其中，所述设定数量根据所述目标物联网集群中的物联网设备的数量确定。

可以理解，在执行上述步骤S231-步骤S234所描述的内容时，能够准确确定出设备交互数据，从而为后续进行数据分析提供完整可靠的数据基础。

在实际应用中，为了确保不同数据分析结果之间的关联性和可追溯性，步骤S240所描述的基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果，具体可以包括以下步骤S241-步骤S244所描述的内容。

步骤S241，根据所述用户行为数据以及所述网络资源数据的维度清单信息建立所述用户行为数据和所述网络资源数据之间的映射关系。

步骤S242，基于所述映射关系确定所述设备交互数据与所述集群资源目录数据之间的数据指向信息；其中，所述数据指向信息用于指示所述设备交互数据与所述集群资源目录数据的数据分析逻辑。

步骤S243，从所述数据指向信息中确定出与所述设备交互数据之间的第一匹配率超过第一设定值的多个第一指向信息以及与所述集群资源目录数据之间的第二匹配率超过第二设定值的多个第二指向信息。

步骤S244，对所述第一指向信息和所述第二指向信息进行特征聚类，得到多个聚类类别；按照每个聚类类别对应的指向信息特征分别对所述设备交互数据以及所述集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果。

在应用上述步骤S241-步骤S244所描述的内容时，能够基于映射关系确定出不同的指向信息，从而对指向信息聚类然后按照不同聚类类别的指向信息特征进行数据分析，这样可以确保不同数据分析结果之间的关联性和可追溯性。

在一个可替换的实施方式中，为了准确确定出所述用户行为数据和所述网络资源数据之间的映射关系，步骤S241具体可以包括以下步骤S2411-步骤S2416所描述的内容。

步骤S2411，获取所述用户行为数据的维度标签清单；其中，所述用户行为数据的维度标签清单对应多个签名证书。

步骤S2412，将所述用户行为数据的维度标签清单中的各维度描述值分别转换为标签字段，并确定所述用户行为数据对应的标签字段集；其中，所述标签字段能够在不同用户数据对应的物联网设备上进行签名，各维度描述值转换为的标签字段的签名权限等级与该维度描述值的签名权限等级相同，每个标签字段具有用于唯一确定该标签字段的随机校验码。

步骤S2413，提取所述网络资源数据对应的维度认证清单中的每个认证请求信息对应的认证字段并基于所述标签字段集的字段分布轨迹对所述认证字段进行整合以生成所述网络资源数据对应的认证字段集；其中，所述标签字段集和所述认证字段集均包括多个具有不同字段权重的字段。

步骤S2414，提取所述用户行为数据在所述标签字段集的其中一个标签字段的第一字符串，将所述认证字段集中具有最小字段权重的认证字段确定为目标字段。

步骤S2415，根据所述用户行为数据的维度标签清单和所述网络资源数据对应的维度认证清单之间的第一相似度将所述第一字符串映射到所述目标字段中，并在所述目标字段中得到第二字符串；基于所述第一字符串和所述第二字符串之间的第二相似度建立所述用户行为数据和所述网络资源数据之间的映射关系。

在本实施例中，通过执行上述步骤S2411-步骤S2415所描述的内容，能够准确确定出所述用户行为数据和所述网络资源数据之间的映射关系。

在另一个可替换的实施方式中，步骤S244所描述的按照每个聚类类别对应的指向信息特征分别对所述设备交互数据以及所述集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果，具体可以包括以下步骤S2441-步骤S2444所描述的内容。

步骤S2441，将各个聚类类别的指向信息特征列出并建立聚类特征网格；其中，所述聚类特征网格包括多个子网格，每块子网格对应一个聚类标识，每个聚类标识对应至少一个指向信息特征，所述聚类特征网格的各个子网络的聚类标识具有从高到低的权重等级。

步骤S2442，按照所述权重等级的由高到低的排序将所述设备交互数据中与每个子网格对应的待分配数据添加到所述集群资源目录数据的对应数据段中，并建立所述待分配数据与所述集群资源目录数据的数据关联矩阵；其中，所述数据关联矩阵用于描述所述待分配数据与所述集群资源目录数据之间的数据关联性。

步骤S2443，根据所述数据关联矩阵将添加了待分配数据的集群资源目录数据转换为数据节点格式，并确定所述数据节点格式对应的数据节点路径。

步骤S2444，提取所述集群资源目录数据相对于所述数据节点路径的多个结果信息作为第二数据分析结果，并提取所述设备交互数据相对于所述数据节点路径中的每个数据节点的结果信息作为第一数据分析结果。

可以理解，通过上述步骤S241-步骤S244所描述的内容，能够基于数据节点路径对物联网设备的不同工作状态以及不同交互状态进行分析，从而建立不同数据分析结果之间的关联性和可追溯性，避免多个数据分析结果的离散化。

基于上述同样的发明构思，请结合参阅图3，提供了结合物联网交互和云计算通信的数据分析装置400的功能模块框图，所述数据分析装置400包括以下功能模块。

记录获取模块410，用于从第一物联网设备中提取所述第一物联网设备的操作记录，并对目标物联网集群中所包括的其他物联网设备进行离线数据检测；其中，所述目标物联网集群为所述第一物联网设备所在的物联网集群，所述第一物联网设备与所述目标物联网集群中的所述其他物联网设备互相之间通信。

数据添加模块420，用于若所述目标物联网集群中的至少一个第二物联网设备通过所述离线数据检测，且所述第二物联网设备为所述目标物联网集群中具有最大设备关联系数的物联网设备，则获取所述第二物联网设备在所述目标物联网集群中的实时状态数据，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中。

数据提取模块430，用于将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中，以使所述目标物联网集群中的至少一个第三物联网设备根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取；接收所述第三物联网设备上传的设备交互数据。

数据分析模块440，用于基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果；其中，所述第一数据分析结果与所述第二数据分析结果至少存在部分重叠的结果信息。

可选地，记录获取模块410，用于：

获得所述目标物联网集群中的每个其他物联网设备的设备类型数据以及每个其他物联网设备在所述目标物联网集群的实时网络状态下对应的设备网络状态；将所述设备类型数据和所述设备网络状态按照每个其他物联网设备对应的历史检测记录转换为至少两组待检测参数集；

提取每个所述待检测参数集的检测逻辑信息以及与所述待检测参数集对应的目标类型数据，所述目标类型数据是所述设备类型数据中不随其他物联网设备的工作状态更改而变化的一部分注册数据；

基于每个所述待检测参数集的检测逻辑信息和所述目标类型数据，确定将每个所述待检测参数集导入至所述设备类型数据对应的目标检测线程时的参数缺损轨迹，所述参数缺损轨迹包括待检测参数集的变化轨迹；

针对每个待检侧参数集对应的变化轨迹，若所述变化轨迹在预设时段内为收敛，将所述待检测参数集对应的参数特征数组导入至所述设备类型数据中对应的目标检测线程的运行列表中；在基于所述目标检测线程完成对所述至少两组待检测参数集的导入后，对所述至少两组待检测参数集进行拆分并得到每两个其他物联网设备之间的状态差异信息以及类型差异信息；

根据所述状态差异信息和所述类型差异信息对每两个其他物联网设备所对应的目标检测线程进行镜像处理，得到与目标检测线程对应的镜像检测线程，基于所述状态差异信息和所述类型差异信息对目标检测线程和所述镜像检测线程进行检测参数调整，并通过所述目标检测线程对应的第一运行列表和所述镜像检测线程对应的第二运行列表驱动目标检测线程和所述镜像检测线程运行，以对每个其他物联网设备进行离线数据检测。

可选地，数据添加模块420，用于：

从所述实时状态数据中提取状态变量，生成所述状态变量的变量特征与所述操作记录的记录特征之间的第一特征聚类，并根据所述第一特征聚类确定所述目标物联网集群的频率资源分布表；在提取所述状态变量的过程中，采集所述操作记录的操作数据参量并确定所述状态变量相对于所述操作记录的操作数据参量的参量变化度；

基于所述状态变量相对于所述操作记录的操作数据参量的参量变化度，获取所述状态变量的变量特征与所述操作记录的记录特征之间的第二特征聚类，并判断所述第二特征聚类与所述目标物联网集群的频率资源分布表是否匹配；若匹配，则根据所述频率资源分布表生成所述集群状态数据；若不匹配，则基于所述参量变化度修正所述目标物联网集群的频率资源分布表，并利用修正后的频率资源分布表生成所述集群状态数据；

确定所述集群状态数据的第一数据结构模型、所述实时状态数据的第二数据结构模型以及所述用户行为数据的第三数据结构模型；在将所述集群状态数据、所述实时状态数据以及所述用户行为数据添加到所述数据配置列表之前，根据所述第一数据结构模型、所述第二数据结构模型以及所述第三数据结构模型生成用于对所述集群状态数据、所述实时状态数据以及所述用户行为数据进行数据格式转换的数据结构变换矩阵；

采用所述数据结构变换矩阵将所述集群状态数据、所述实时状态数据以及所述用户行为数据转换为与所述数据配置列表相匹配的数据格式的待导入数据；将所述待导入数据通过所述数据配置列表的列表接口添加到所述数据配置列表中。

可选地，数据提取模块430，用于：

确定数据配置列表的列表线性参数对应的列表结构信息及所述列表线性参数的列表序列；其中，所述列表序列表示所述数据配置列表的列表线性参数的资源配置结果，所述列表序列至少包括：表示所述数据配置列表的列表线性参数的当前排序信息和历史排序信息；

获取与所述列表结构信息对应的列表配置信息，所述列表配置信息中包含有预先提取的数据配置信息，所述数据配置信息表示位于所述列表配置信息中的设定信息字段内且与所述列表结构信息对应的列表线性参数的资源配置结果；

依据所述列表结构信息、所述列表序列和所述列表配置信息对所述数据配置列表中的目标数据进行封装得到数据包；将所述数据包加载至所述网络拓扑结构对应的逻辑链路数据表中并通过所述逻辑链路数据表激活所述目标物联网集群中的至少一个第三物联网设备；

使激活之后的第三物联网设备根据所述数据包确定出所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据，并使所述第三物联网设备基于所述数据包中包括的当前排序信息和历史排序信息对所述节点数据的每个数据集排序得到排序序列，并提取所述排序序列中位于序列中部的设定数量的数据集作为设备交互数据；其中，所述设定数量根据所述目标物联网集群中的物联网设备的数量确定。

可选地，数据分析模块440，用于：

根据所述用户行为数据以及所述网络资源数据的维度清单信息建立所述用户行为数据和所述网络资源数据之间的映射关系；

基于所述映射关系确定所述设备交互数据与所述集群资源目录数据之间的数据指向信息；其中，所述数据指向信息用于指示所述设备交互数据与所述集群资源目录数据的数据分析逻辑；

从所述数据指向信息中确定出与所述设备交互数据之间的第一匹配率超过第一设定值的多个第一指向信息以及与所述集群资源目录数据之间的第二匹配率超过第二设定值的多个第二指向信息；

对所述第一指向信息和所述第二指向信息进行特征聚类，得到多个聚类类别；按照每个聚类类别对应的指向信息特征分别对所述设备交互数据以及所述集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果。

可选地，数据分析模块440，进一步用于：

获取所述用户行为数据的维度标签清单；其中，所述用户行为数据的维度标签清单对应多个签名证书；

将所述用户行为数据的维度标签清单中的各维度描述值分别转换为标签字段，并确定所述用户行为数据对应的标签字段集；其中，所述标签字段能够在不同用户数据对应的物联网设备上进行签名，各维度描述值转换为的标签字段的签名权限等级与该维度描述值的签名权限等级相同，每个标签字段具有用于唯一确定该标签字段的随机校验码；

提取所述网络资源数据对应的维度认证清单中的每个认证请求信息对应的认证字段并基于所述标签字段集的字段分布轨迹对所述认证字段进行整合以生成所述网络资源数据对应的认证字段集；其中，所述标签字段集和所述认证字段集均包括多个具有不同字段权重的字段；

提取所述用户行为数据在所述标签字段集的其中一个标签字段的第一字符串，将所述认证字段集中具有最小字段权重的认证字段确定为目标字段；

根据所述用户行为数据的维度标签清单和所述网络资源数据对应的维度认证清单之间的第一相似度将所述第一字符串映射到所述目标字段中，并在所述目标字段中得到第二字符串；基于所述第一字符串和所述第二字符串之间的第二相似度建立所述用户行为数据和所述网络资源数据之间的映射关系。

可选地，数据分析模块440，进一步用于：

将各个聚类类别的指向信息特征列出并建立聚类特征网格；其中，所述聚类特征网格包括多个子网格，每块子网格对应一个聚类标识，每个聚类标识对应至少一个指向信息特征，所述聚类特征网格的各个子网络的聚类标识具有从高到低的权重等级；

按照所述权重等级的由高到低的排序将所述设备交互数据中与每个子网格对应的待分配数据添加到所述集群资源目录数据的对应数据段中，并建立所述待分配数据与所述集群资源目录数据的数据关联矩阵；其中，所述数据关联矩阵用于描述所述待分配数据与所述集群资源目录数据之间的数据关联性；

根据所述数据关联矩阵将添加了待分配数据的集群资源目录数据转换为数据节点格式，并确定所述数据节点格式对应的数据节点路径；

提取所述集群资源目录数据相对于所述数据节点路径的多个结果信息作为第二数据分析结果，并提取所述设备交互数据相对于所述数据节点路径中的每个数据节点的结果信息作为第一数据分析结果。

基于上述同样的发明构思，还提供了一种结合物联网交互和云计算通信的数据分析系统，包括互相之间通信的云服务器和多个物联网设备，多个物联网设备之间形成网络拓扑结构可变的交互网络；

所述云服务器用于：

从第一物联网设备中提取所述第一物联网设备的操作记录，并对目标物联网集群中所包括的其他物联网设备进行离线数据检测；其中，所述目标物联网集群为所述第一物联网设备所在的物联网集群，所述第一物联网设备与所述目标物联网集群中的所述其他物联网设备互相之间通信。

若所述目标物联网集群中的至少一个第二物联网设备通过所述离线数据检测，且所述第二物联网设备为所述目标物联网集群中具有最大设备关联系数的物联网设备，则获取所述第二物联网设备在所述目标物联网集群中的实时状态数据，根据所述实时状态数据和所述操作记录生成所述目标物联网集群的集群状态数据，将所述集群状态数据、所述实时状态数据以及所述操作记录对应的所述第一物联网设备的用户行为数据添加到预设的数据配置列表中。

将所述数据配置列表加载至所述目标物联网集群对应的网络拓扑结构中；

所述目标物联网集群中的至少一个第三物联网设备，用于：

根据所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据进行设备交互数据的提取；

所述云服务器用于：

接收所述第三物联网设备上传的设备交互数据；

基于确定出的所述用户行为数据与所述网络资源数据之间的映射关系对所述设备交互数据以及所述集群状态数据对应的集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果；其中，所述第一数据分析结果与所述第二数据分析结果至少存在部分重叠的结果信息。

可选地，所述云服务器用于：

获得所述目标物联网集群中的每个其他物联网设备的设备类型数据以及每个其他物联网设备在所述目标物联网集群的实时网络状态下对应的设备网络状态；将所述设备类型数据和所述设备网络状态按照每个其他物联网设备对应的历史检测记录转换为至少两组待检测参数集；

提取每个所述待检测参数集的检测逻辑信息以及与所述待检测参数集对应的目标类型数据，所述目标类型数据是所述设备类型数据中不随其他物联网设备的工作状态更改而变化的一部分注册数据；

基于每个所述待检测参数集的检测逻辑信息和所述目标类型数据，确定将每个所述待检测参数集导入至所述设备类型数据对应的目标检测线程时的参数缺损轨迹，所述参数缺损轨迹包括待检测参数集的变化轨迹；

针对每个待检侧参数集对应的变化轨迹，若所述变化轨迹在预设时段内为收敛，将所述待检测参数集对应的参数特征数组导入至所述设备类型数据中对应的目标检测线程的运行列表中；在基于所述目标检测线程完成对所述至少两组待检测参数集的导入后，对所述至少两组待检测参数集进行拆分并得到每两个其他物联网设备之间的状态差异信息以及类型差异信息；

根据所述状态差异信息和所述类型差异信息对每两个其他物联网设备所对应的目标检测线程进行镜像处理，得到与目标检测线程对应的镜像检测线程，基于所述状态差异信息和所述类型差异信息对目标检测线程和所述镜像检测线程进行检测参数调整，并通过所述目标检测线程对应的第一运行列表和所述镜像检测线程对应的第二运行列表驱动目标检测线程和所述镜像检测线程运行，以对每个其他物联网设备进行离线数据检测。

可选地，所述云服务器用于：

从所述实时状态数据中提取状态变量，生成所述状态变量的变量特征与所述操作记录的记录特征之间的第一特征聚类，并根据所述第一特征聚类确定所述目标物联网集群的频率资源分布表；在提取所述状态变量的过程中，采集所述操作记录的操作数据参量并确定所述状态变量相对于所述操作记录的操作数据参量的参量变化度；

基于所述状态变量相对于所述操作记录的操作数据参量的参量变化度，获取所述状态变量的变量特征与所述操作记录的记录特征之间的第二特征聚类，并判断所述第二特征聚类与所述目标物联网集群的频率资源分布表是否匹配；若匹配，则根据所述频率资源分布表生成所述集群状态数据；若不匹配，则基于所述参量变化度修正所述目标物联网集群的频率资源分布表，并利用修正后的频率资源分布表生成所述集群状态数据；

确定所述集群状态数据的第一数据结构模型、所述实时状态数据的第二数据结构模型以及所述用户行为数据的第三数据结构模型；在将所述集群状态数据、所述实时状态数据以及所述用户行为数据添加到所述数据配置列表之前，根据所述第一数据结构模型、所述第二数据结构模型以及所述第三数据结构模型生成用于对所述集群状态数据、所述实时状态数据以及所述用户行为数据进行数据格式转换的数据结构变换矩阵；

采用所述数据结构变换矩阵将所述集群状态数据、所述实时状态数据以及所述用户行为数据转换为与所述数据配置列表相匹配的数据格式的待导入数据；将所述待导入数据通过所述数据配置列表的列表接口添加到所述数据配置列表中。

可选地，所述云服务器用于：

确定数据配置列表的列表线性参数对应的列表结构信息及所述列表线性参数的列表序列；其中，所述列表序列表示所述数据配置列表的列表线性参数的资源配置结果，所述列表序列至少包括：表示所述数据配置列表的列表线性参数的当前排序信息和历史排序信息；

获取与所述列表结构信息对应的列表配置信息，所述列表配置信息中包含有预先提取的数据配置信息，所述数据配置信息表示位于所述列表配置信息中的设定信息字段内且与所述列表结构信息对应的列表线性参数的资源配置结果；

依据所述列表结构信息、所述列表序列和所述列表配置信息对所述数据配置列表中的目标数据进行封装得到数据包；将所述数据包加载至所述网络拓扑结构对应的逻辑链路数据表中并通过所述逻辑链路数据表激活所述目标物联网集群中的至少一个第三物联网设备；

使激活之后的第三物联网设备根据所述数据包确定出所述第三物联网设备在所述网络拓扑结构中对应的设备节点相对于所述数据配置列表不更新的节点数据，并使所述第三物联网设备基于所述数据包中包括的当前排序信息和历史排序信息对所述节点数据的每个数据集排序得到排序序列，并提取所述排序序列中位于序列中部的设定数量的数据集作为设备交互数据；其中，所述设定数量根据所述目标物联网集群中的物联网设备的数量确定。

可选地，所述云服务器用于：

根据所述用户行为数据以及所述网络资源数据的维度清单信息建立所述用户行为数据和所述网络资源数据之间的映射关系；

基于所述映射关系确定所述设备交互数据与所述集群资源目录数据之间的数据指向信息；其中，所述数据指向信息用于指示所述设备交互数据与所述集群资源目录数据的数据分析逻辑；

从所述数据指向信息中确定出与所述设备交互数据之间的第一匹配率超过第一设定值的多个第一指向信息以及与所述集群资源目录数据之间的第二匹配率超过第二设定值的多个第二指向信息；

对所述第一指向信息和所述第二指向信息进行特征聚类，得到多个聚类类别；按照每个聚类类别对应的指向信息特征分别对所述设备交互数据以及所述集群资源目录数据进行分析，得到所述集群资源目录数据对应的所述第一物联网设备的第一数据分析结果以及所述目标物联网集群的第二数据分析结果。

可选地，所述云服务器用于：

获取所述用户行为数据的维度标签清单；其中，所述用户行为数据的维度标签清单对应多个签名证书；

将所述用户行为数据的维度标签清单中的各维度描述值分别转换为标签字段，并确定所述用户行为数据对应的标签字段集；其中，所述标签字段能够在不同用户数据对应的物联网设备上进行签名，各维度描述值转换为的标签字段的签名权限等级与该维度描述值的签名权限等级相同，每个标签字段具有用于唯一确定该标签字段的随机校验码；

提取所述网络资源数据对应的维度认证清单中的每个认证请求信息对应的认证字段并基于所述标签字段集的字段分布轨迹对所述认证字段进行整合以生成所述网络资源数据对应的认证字段集；其中，所述标签字段集和所述认证字段集均包括多个具有不同字段权重的字段；

提取所述用户行为数据在所述标签字段集的其中一个标签字段的第一字符串，将所述认证字段集中具有最小字段权重的认证字段确定为目标字段；

根据所述用户行为数据的维度标签清单和所述网络资源数据对应的维度认证清单之间的第一相似度将所述第一字符串映射到所述目标字段中，并在所述目标字段中得到第二字符串；基于所述第一字符串和所述第二字符串之间的第二相似度建立所述用户行为数据和所述网络资源数据之间的映射关系。

可选地，所述云服务器用于：

将各个聚类类别的指向信息特征列出并建立聚类特征网格；其中，所述聚类特征网格包括多个子网格，每块子网格对应一个聚类标识，每个聚类标识对应至少一个指向信息特征，所述聚类特征网格的各个子网络的聚类标识具有从高到低的权重等级；

按照所述权重等级的由高到低的排序将所述设备交互数据中与每个子网格对应的待分配数据添加到所述集群资源目录数据的对应数据段中，并建立所述待分配数据与所述集群资源目录数据的数据关联矩阵；其中，所述数据关联矩阵用于描述所述待分配数据与所述集群资源目录数据之间的数据关联性；

根据所述数据关联矩阵将添加了待分配数据的集群资源目录数据转换为数据节点格式，并确定所述数据节点格式对应的数据节点路径；

提取所述集群资源目录数据相对于所述数据节点路径的多个结果信息作为第二数据分析结果，并提取所述设备交互数据相对于所述数据节点路径中的每个数据节点的结果信息作为第一数据分析结果。

在上述基础上，请结合参阅图4，提供了一种云服务器200，包括：处理器210，以及与处理器210连接的内存220和网络接口230，所述网络接口230与云服务器200中的非易失性存储器240连接。所述处理器210在运行时通过所述网络接口230从所述非易失性存储器240中调取计算机程序，并通过所述内存220运行所述计算机程序，以执行上述的方法。

可选地，还提供了一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在云服务器200的内存220中运行时实现上述的方法。

关于上述装置、系统、云服务器的进一步描述和说明请参阅对图2所示的方法的说明，在此不作赘述。