工业大数据架构分析（4）

工业大数据架构分析（四）

（2019年2月20日）

1.2 工业大数据系统技术架构实现

工业大数据系统技术架构的实现涉及底层技术组件的选型，本文中将这些技术组件分为三类：采集、存储及计算，四层技术架构的功能实现可以由这三种技术组合得到[5]。如图3所示。

图3

图3中对采集、存储、计算的描述是指广义上的这类技术及解决方案的总和，如采集指的是实现数据采集、交换、集成、处理过程当中涉及到的所有采集相关的技术和解决方案；存储和计算也是指实现系统架构中的对应功能时涉及到的所有技术和解决方案。

1.2.1 数据采集

随着工业制造中各层的精细化与制程的高密度化，工业制造所产生的数据必然形成好几个等级的增长。面对如此庞大与多样的数据整合问题，企业必须有整体统一的数据汇聚与应用策略，设计通用可靠的数据采集机制，来满足各方面的数据采集需求。数据采集的完整性、准确性，决定了数据应用是否能真实可靠地发挥作用。因此，在建设数据采集系统时，建议着重考虑以下五个要求：1)数据接口通用性。由于新技术更新换代较频繁，需要进行版本管理，并定期更新接口，建议用统一的数据交换格式来适应接口频繁更新的情况，使接口能够快速调整。2)支持广泛的数据源。采集技术需支持尽可能多的数据源端。3)支持横向扩展。当设备增加时，所造成的性能瓶颈须能通过横向扩展的方式解决。4)保证数据不遗失。采集过程中须确保数据准确地、不遗失地送达处理层与储存层。5)避免增加基础建设复杂度。在不断扩充设备的情况下，采集技术不应增加基础建设扩展时的负担。

从工业数据的来源进行分类，主要包括管理系统、生产系统、外部数据三大方面的数据来源。从数据采集的全面性上看，不仅要涵盖基础的结构化交易数据，还将逐步包括半结构化的用户行为数据，网状的社交关系数据，文本或音视频类型的用户意见和反馈数据，设备和传感器采集的周期性数据，以及未来越来越多有潜在意义的各类数据。表1整理出了一些工业大数据系统中常见的数据源及其数据特性，供参考。

（未完待续）

（摘编自 微信公众号 信息通信技术 联通智汇）