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