工业大数据漫谈7：工业大数据通用业务架构

        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，互联网大数据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。