工业大数据漫谈7：工业大数据通用业务架构

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

        工业大数据在业务逻辑大的分层上和互联网大数据相似，通常都分为三部分，数据采集层、数据处理层和数据展示层，固然，具体到一个实际案例中，或者说根据不一样的应用场景，能够划分为更多的层次，好比数据处理能够分为元数据管理层、数据交互层、数据分析层等等，若是你有兴趣，能够把大数据划分为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。因此咱们今天只讨论通用的、简化的、适用于通常场景的架构，并且仅仅是业务和逻辑层面的，技术层面的咱们后面再详细说明。安全

        工业大数据系统很是重要的，也是基础的层次是数据采集。没有数据采集，全部的强大的、华丽的、技术很是NB的各类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别很是大的一层，互联网大数据的数据采集主要靠用户的各类操做，例如网页浏览、系统登陆、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种工业信号的传感器，经过传感器的采集，能够得到机器设备的运行状态、环境的指标、操做人的操做行为等各种信息。除经过传感器采集的信息，还包括现场的视频信息，各种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，操做人员的通话、设备运转的音量等），遥感遥测信息等等，这些信息都是经过各种设备传输的。除此以外，还有操做人员手工录入的各种信息，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。微信

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

        数据采集结束后，就进入了数据处理阶段，这一阶段，软件人员就能够大显身手了，大部分技术都和互联网大数据技术差不太多。一般，咱们会对采集到的数据先进行必定程度的处理，各种工业协议须要解析、视频流须要解码、语音须要识别等等，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。须要当即处理的数据，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。而后慢慢分析加工。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、连接又是工业大数据的一个难题，这个咱们放到后面详细谈。今天先聊宏观。运维

        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，原先作报表的，如今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刻理解，很难作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，经过一切手段让用户看到本身想看的数据便可。分布式