三位一体的工业大数据综述

正文

请到「今天看啥」查看全文

我们知道技术架构应由应用场景的特征来决定，就现状而言，工业大数据还处在产业的初级阶段，对工业大数据应用场景的认知还不太深入，但大数据在互联网的应用已具备成熟的技术体系和应用框架，因此，本文主要通过比较工业应用场景和互联网应用场景的差异性，期望能够修正互联网大数据的相关应用技术框架，以满足工业大数据落地对技术框架的要求。

工业大数据和互联网大数据的技术架构都具备数据环境、知识环境和应用环境三个层，如下图所示。

数据环境

从数据环境来看，首先，互联网大数据和工业大数据具备不同特征。如下表所示：

由于上述对数据的差异性，互联网大数据更多的是关注数据的持久化，其技术架构侧重于实现异构数据的存储、访问的一致性，满足多负载的并行读能力。所以，互联网催生了大量的非关系型数据库、实时数据库、分布式文件存储的技术。

工业大数据同样关注数据持久化，但工业大数据部署应用的一个原则是将应用尽可能部署在离数据产生源越近的地方。这是因为，就近部署其可靠性、实时性越高。需要按照业务需要进行部署，因此，很多应用部署在设备、生产车间等。所以，与互联网大数据集中式存放的方式相比，工业大数据对数据存放更加离散化，在空间中形成跨网的分布式存储，且各数据节点对数据存放、访问的能力要求不一样。比如以在某一公司实施的智能风场项目为例，在风机上部署的采集终端，需要存储结构化且要求实时性高的技术方案；在相应业务端，如生产系统或调度系统，数据是半结构化且实时性要求一般；在公司数据中心，数据是非结构化且需要语义组织。因此，需要抽象和设计一个统一的数据持久化环境，为工业大数据的上层应用提供基于语义的数据发现和相适宜的访问能力。

请到「今天看啥」查看全文