工业大数据通用业务架构

来源:互联网

点击:4787

A+ A-

所属频道:新闻中心

关键词:工业大数据

    工业大数据一般如何进行处理呢?我画了一个相对通用的架构图来解释一下:

    工业大数据在业务逻辑大的分层上和互联网大数据类似,一般都分为三部分,数据采集层、数据处理层和数据展现层,当然,具体到一个实际案例中,或者说根据不同的应用场景,可以划分为更多的层次,比如数据处理可以分为元数据管理层、数据交互层、数据分析层等等,如果你有兴趣,可以把大数据划分为N层。在分层的同时,还有许多同等重要的事情,例如安全保障、运维服务、测试规范等等,要都说清楚,基本也就搞不清楚工业大数据是怎么回事了。所以我们今天只讨论通用的、简化的、适用于一般场景的架构,而且仅仅是业务和逻辑层面的,技术层面的我们后面再详细说明。

    工业大数据系统非常重要的,也是基础的层次是数据采集。没有数据采集,所有的强大的、华丽的、技术非常NB的各种东东只能躲在黑暗里哭泣,英雄无用武之地。在这一层,也是工业大数据与互联网大数据差异非常大的一层,互联网大树的数据采集主要靠用户的各种操作,例如网页浏览、系统登录、信息的互动、鼠标的点击等,而工业大数据的数据来源更加多种多样,最基本的是用于采集各类工业信号的传感器,通过传感器的采集,可以获得机器设备的运行状态、环境的指标、操作人的操作行为等各类信息。除通过传感器采集的信息,还包括现场的视频信息,各类图像设备拍摄的图片(例如,巡检人员用手持设备拍摄的设备、环境信息图片),语音及声音信息(例如,操作人员的通话、设备运转的音量等),遥感遥测信息等等,这些信息都是通过各类设备传输的。除此之外,还有操作人员手工录入的各类信息,采集软件抓取的企业内网的信息、互联网上与企业相关的信息等等。这些信息共同构成了数据采集的来源。

    数据采集领域也是自动化和信息化交叉最多的领域,其实也是一般IT从业人员比较头疼的领域,跨学科嘛,哈!

    数据采集结束后,就进入了数据处理阶段,这一阶段,软件人员就可以大显身手了,大部分技术都和互联网大数据技术差不太多。通常,我们会对采集到的数据先进行一定程度的处理,各类工业协议需要解析、视频流需要解码、语音需要识别等等,识别处理好后再对数据进行规范、清洗,洗刷刷完成后,干净数据才好用。需要立即处理的数据,例如报警、监测等,直接送到实时处理系统中进行处理,不着急的非急诊数据请进入仓库,按照类型存起来先。然后慢慢分析加工。存储可能会用到多种数据库,包括工业实时数据库、关系型数据库、地理数据库、分布式数据库、非关系型数据库、内存数据库等,这些数据库的整合、管理、链接又是工业大数据的一个难题,这个我们放到后面详细谈。今天先聊宏观。

    洗干净、切成块、冷冻好的红烧肉,啊,不是,存储好的工业数据如此之海量,怎么推送给用户就成为数据可视化层要干的事情了。数据可视化最近也比较火,原先做报表的,现在都号称大数据可视化公司了,其实,单纯的大数据可视化是没有意义的,没有对工业业务的深入理解,很难做出让客户的满意的可视化结果。可视化包括许多方式,如报表、二维地图、三维地图、三维模型、短信、手机APP、微信、大屏等等,总之,通过一切手段让用户看到自己想看的数据即可。

    基于通用业务架构,都涉及到哪些技术环节,需要了解哪些技术呢,咱们下一部分再来谈这个问题。


    (审核编辑: 智汇胡妮)