数据压缩方法、装置及计算机可读存储介质与流程

本发明涉及大数据技术领域，尤其涉及一种数据压缩方法、装置及计算机可读存储介质。

背景技术：

目前物联网业务场景的消息系统将物联网设备在传输过程中所产生的所有消息数据放入db数据库或文件中，存储介质再对所述消息数据进行压缩存放。通常物联网设备传输的消息中存在很多冗余的设备数据，这些设备数据很大部分是不变或者变化很少，目前对于所述冗余的设备数据人们往往将其保存在磁盘空间中，由于物联网场景中产生的数据量非常庞大，很容易造成磁盘空间的内存不足，给后期带来维护上的不便以及成本的增加。

技术实现要素：

本发明提供一种数据压缩方法、装置及计算机可读存储介质，其主要目的在于提供一种在物联网设备传输过程中所产生的冗余数据进行压缩处理的技术方案。

为实现上述目的，本发明提供的一种数据压缩方法，包括：

获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集；

计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，并得到所述冗余数据集的标准字符集，对所述标准字符集中的字符进行编码，得到字符码表；

利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

可选地，所述识别出所述消息数据集中的字符集包括：

利用最短路径算法识别出所述消息数据集中的单词字符集；

通过字符识别算法识别出所述消息数据集中的符号字符集；

将所述单词字符集和符号字符集进行组合得到所述字符集。

可选地，所述利用最短路径算法识别出所述消息数据集中的单词字符集，包括：

通过自定义词典构造单词切分有向无环图，在所述单词切分有向无环图的起点到终点所有路径中，计算出单词长度值的路径集合，根据预设的方式获取所述路径集合中所包含的单词字符集。

可选地，所述通过字符识别算法识别出所述消息数据集中的符号字符集，包括：

预设字符数据库模板，利用字符匹配技术将所述字符数据库模板与所述消息数据集进行匹配，并将匹配成功的所述消息数据集中的符号字符进行抽取，得到符号字符集。

可选地，所述计算所述初始字符集中每个字符的频率，包括：

利用下述公式计算所述初始字符集中每个字符的频率：

其中，fi表示初始字符i出现的频率，ni表示在初始字符集中字符i的个数，v表示初始字符集中所有字符的个数。

可选地，所述对所述标准字符集进行编码，得到字符码表，包括：

预设所述标准字符集的序号字符集，获取所述标准字符集与所述序号字符集之间的一一对应关系，根据所述一一对应关系计算所述标准字符集中每个标准字符的概率，根据所述每个标准字符的概率形成所述对应标准字符的编码号，根据所述编码号建立所述字符码表。

可选地，所述利用所述字符码表计算所述冗余数据集中的字符最小路径长度，包括：

利用下述公式计算所述冗余数据集中的字符最小路径长度：

其中，wpl表示字符最小路径长度，wk表示第k个字符码表中的字符权重，lk表示第k个字符码表中的字符偏置，n表示字符码表中的字符数量。

为了解决上述问题，本发明还提供一种数据压缩装置，所述装置包括：

识别模块，用于获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集；

计算及筛选模块，用于计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，并得到所述冗余数据集的标准字符集；

编码模块，用于对所述标准字符集中的字符进行编码，得到字符码表；

压缩模块，用于利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的数据压缩方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的数据压缩方法。

本发明实施例通过对基于在物联网业务场景中获取的物联网设备在传输过程中所产生的消息数据集，首选，识别所述消息数据集中字符集，并对所述字符集进行排序、从而得到字符的频率信息，可以筛选出频率低的冗余数据，进一步地，对所述冗余数据集的字符集编码后得到的字符码表，利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩，从而可以释放物联网设备的部分磁盘空间。

附图说明

图1为本发明一实施例提供的数据压缩方法的流程示意图；

图2为本发明一实施例提供的数据压缩装置的内部结构示意图；

图3为本发明一实施例提供的数据压缩装置中数据压缩程序的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种数据压缩方法。参照图1所示，为本发明一实施例提供的数据压缩方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，数据压缩方法包括：

s1、获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集。

本发明较佳实施例中，所述物联网设备包括条码、传感器以及扫描器等。所述物联网设备在使用过程中，会产生大量的消息数据，例如，在进行条码扫描过程中，会产生包括所述条码的参数配置数据、条码型号以及条码识别号等消息数据集。较佳地，本发明通过搜集不同物联网设备在传输过程中所产生的消息数据作为本发明的消息数据集。

本发明较佳实施例中，所述字符集包括单词字符集和符号字符集。

较佳地，本发明通过最短路径算法识别出所述消息数据集中的单词字符，从而组合形成所述单词字符集。其中，所述最短路径算法包括：通过自定义词典构造单词切分有向无环图，其中，所述单词切分有向无环图中的每个词对应图中的一条有向边，并赋给相应的边长(权值)；在所述单词切分有向无环图的起点到终点所有路径中，计算出单词长度值按升序排列(任何两个不同位置上的值一定不等，下同)依次为第1，第2，…，第i，…，第n的路径集合作为相应的粗分结果集。若两条或两条以上路径长度相等，那么他们的长度并列第i，都要列入粗分结果集，而且不影响其他路径的排列序号，最后的粗分结果集合大小大于或等于n，获取所述路径集合中所包含的单词字符集。

较佳地，本发明通过字符识别算法识别出所述消息数据集中的符号字符，从而组合形成所述符号字符集。其中，所述字符识别算法包括：预设字符数据库模板，利用字符匹配技术将所述字符数据库模板与所述消息数据集进行匹配，并将匹配成功的所述消息数据集中的符号字符进行抽取，从而得到所述符号字符集。

本发明将所述单词字符集和所述符号字符集作为所述初始字符集存入数据库中。

s2、计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，识别所述冗余数据集中的标准字符集，对所述标准字符集中的字符进行编码，得到字符码表。

本发明较佳实施例中，所述初始字符集中每个字符的频率通过下述方法计算

其中，fi表示初始字符i出现的频率，ni表示在初始字符集中字符i的个数，v表示初始字符集中所有字符的个数。

较佳地，本发明根据所述字符频率的排序按预设的方式筛选出所述消息数据集中的冗余数据，识别所述冗余数据中的标准字符集。所述预设的方式为将所述字符频率与预设的阈值作为比较，若所述字符频率小于预设的阈值时，将其对应消息数据作为冗余数据，其中，本发明中所述预设的阈值为0.35。

本发明实施例中，所述识别出所述消息数据集中的字符集的方法与上述步骤s1中所述识别出所述消息数据集中的字符集相同，这里不再重复描述。进一步地，本发明实施例所述对所述标准字符集进行编码包括：预设所述标准字符集的序号字符集，获取所述标准字符集与所述序号字符集之间的一一对应关系，根据所述一一对应关系计算所述标准字符集中每个标准字符的概率，根据所述每个标准字符的概率形成所述对应标准字符的编码号，根据所述编码号建立所述字符码表。其中，所述对应关系可以表示为：v＝{(1,v1),(1,v2),…,(1,vn)}，所述标准字符集中每个标准字符的概率可以表示为：f(n0)＝{f(1),f(2),…,f(n)},

以下本发明通过对标准字符集n0＝{1,2,3,4}进行编码为例进行说明：预设所述标准字符集n0的序号字符集为{01，02，03，04}，计算得到所述标准字符集n0中每个标准字符的概率为{0.4，0.3，0.2，0.1}，得到所述标准字符集n0中每个标准字符的编码号为{1，00，010，110}，从而建立所述标准字符集n0的字符码表为w0＝{(1,1),(2,00),(3,010),(4,110)}。

s3、利用所述字符码表计算所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

本发明较佳实施例中，所述冗余数据集中的字符最小路径长度的计算方法包括：

其中，minwpl表示字符最小路径长度，wk表示第k个字符码表中的字符权重，lk表示第k个字符码表中的字符偏置，n表示字符码表中的字符数量。较佳地，本发明通过根据所述字符最小路径长度对所述冗余数据集进行压缩。

进一步地，本发明实施例在对所述冗余数据集进行压缩之后还包括：利用预先创建的解码规则对压缩后的所述冗余数据集进行解码操作。其中，本发明中所述预先创建的解码规则包括：根据上述序号字符中的编码示意图，设最大层数为k，则从第k层到第2层依次循环建树层，若建立的树层不是第k层,则在所述树层的非叶子节点和叶子节点中取2个节点建一个新节点；若所述树层的非叶子节点为单数，则在所述非叶子节点的最后一个节点和所述树层叶子节点的第一个节点组合为一个新节点；若建立的树层是第k层,则直接用叶子节点建立新节点，从而形成所述解码规则。

如图2所示，是本发明数据压缩装置的功能模块图。

本发明所述数据压缩装置100可以安装于电子设备中。根据实现的功能，所述数据压缩装置可以包括识别模块101、计算及筛选模块102、编码模块103以及压缩模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述识别模块101用于获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集；

所述计算及筛选模块102用于计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，并得到所述冗余数据集的标准字符集；

所述编码模块103用于对所述标准字符集中的字符进行编码，得到字符码表；

所述压缩模块104用于利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

详细地，所述数据压缩装置100中各模块的具体实施步骤如下：

所述识别模块101获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集。

本发明较佳实施例中，所述物联网设备包括条码、传感器以及扫描器等。所述物联网设备在使用过程中，会产生大量的消息数据，例如，在进行条码扫描过程中，会产生包括所述条码的参数配置数据、条码型号以及条码识别号等消息数据集。较佳地，本发明通过搜集不同物联网设备在传输过程中所产生的消息数据作为本发明的消息数据集。

本发明较佳实施例中，所述字符集包括单词字符集和符号字符集。

较佳地，本发明通过最短路径算法识别出所述消息数据集中的单词字符，从而组合形成所述单词字符集。其中，所述最短路径算法包括：通过自定义词典构造单词切分有向无环图，其中，所述单词切分有向无环图中的每个词对应图中的一条有向边，并赋给相应的边长(权值)；在所述单词切分有向无环图的起点到终点所有路径中，计算出单词长度值按升序排列(任何两个不同位置上的值一定不等，下同)依次为第1，第2，…，第i，…，第n的路径集合作为相应的粗分结果集。若两条或两条以上路径长度相等，那么他们的长度并列第i，都要列入粗分结果集，而且不影响其他路径的排列序号，最后的粗分结果集合大小大于或等于n，获取所述路径集合中所包含的单词字符集。

较佳地，本发明通过字符识别算法识别出所述消息数据集中的符号字符，从而组合形成所述符号字符集。其中，所述字符识别算法包括：预设字符数据库模板，利用字符匹配技术将所述字符数据库模板与所述消息数据集进行匹配，并将匹配成功的所述消息数据集中的符号字符进行抽取，从而得到所述符号字符集。

本发明将所述单词字符集和所述符号字符集作为所述初始字符集存入数据库中。

所述计算及筛选模块102计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，并得到所述冗余数据集的标准字符集。

本发明较佳实施例中，所述初始字符集中每个字符的频率通过下述方法计算

其中，fi表示初始字符i出现的频率，ni表示在初始字符集中字符i的个数，v表示初始字符集中所有字符的个数。

较佳地，本发明根据所述字符频率的排序按预设的方式筛选出所述消息数据集中的冗余数据，并得到所述冗余数据的标准字符集，所述预设的方式为将所述字符频率与预设的阈值作为比较，若所述字符频率小于预设的阈值时，将其对应消息数据作为冗余数据，其中，本发明中所述预设的阈值为0.35。

所述编码模块103对所述标准字符集中的字符进行编码，得到字符码表。

本发明实施例所述对所述标准字符集进行编码包括：预设所述标准字符集的序号字符集，获取所述标准字符集与所述序号字符集之间的一一对应关系，根据所述一一对应关系计算所述标准字符集中每个标准字符的概率，根据所述每个标准字符的概率形成所述对应标准字符的编码号，根据所述编码号建立所述字符码表。其中，所述对应关系可以表示为：v＝{(1,v1),(1,v2),…,(1,vn)}，所述标准字符集中每个标准字符的概率可以表示为：f(n0)＝{f(1),f(2),…,f(n)},

以下本发明通过对标准字符集n0＝{1,2,3,4}进行编码为例进行说明：预设所述标准字符集n0的序号字符集为{01，02，03，04}，计算得到所述标准字符集n0中每个标准字符的概率为{0.4，0.3，0.2，0.1}，得到所述标准字符集n0中每个标准字符的编码号为{1，00，010，110}，从而建立所述标准字符集n0的字符码表为w0＝{(1,1),(2,00),(3,010),(4,110)}。

所述压缩模块104利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

本发明较佳实施例中，所述冗余数据集中的字符最小路径长度的计算方法包括：

其中，minwpl表示字符最小路径长度，wk表示第k个字符码表中的字符权重，lk表示第k个字符码表中的字符偏置，n表示字符码表中的字符数量。较佳地，本发明通过根据所述字符最小路径长度对所述冗余数据集进行压缩。

进一步地，本发明实施例在对所述冗余数据集进行压缩之后还包括：利用预先创建的解码规则对压缩后的所述冗余数据集进行解码操作。其中，本发明中所述预先创建的解码规则包括：根据上述序号字符中的编码示意图，设最大层数为k，则从第k层到第2层依次循环建树层，若建立的树层不是第k层,则在所述树层的非叶子节点和叶子节点中取2个节点建一个新节点；若所述树层的非叶子节点为单数，则在所述非叶子节点的最后一个节点和所述树层叶子节点的第一个节点组合为一个新节点；若建立的树层是第k层,则直接用叶子节点建立新节点，从而形成所述解码规则。

如图3所示，是本发明实现数据压缩方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据压缩程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡、闪存卡(flashcard)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数据压缩程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据压缩程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的数据压缩程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

获取基于物联网设备在传输过程中所产生的消息数据集，识别出所述消息数据集中的字符集，并将所述字符集作为初始字符集；

计算所述初始字符集中每个字符的频率，根据所述字符的频率按预设的方式筛选出所述消息数据集中的冗余数据集，识别所述冗余数据集中的标准字符集，对所述标准字符集中的字符进行编码，得到字符码表；

利用所述字符码表计算将所述冗余数据集中的字符最小路径长度，根据所述字符最小路径长度对所述冗余数据集进行压缩。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。