2023年7月21日发(作者：)

⼯业互联⽹平台七⼤核⼼技术⼯业互联⽹平台需要解决多类⼯业设备接⼊、多源⼯业数据集成、海量数据管理与处理、⼯业数据建模分析、⼯业应⽤创新与集成、⼯业知识积累迭代实现等⼀系列问题，涉及七⼤类关键技术，分别为数据集成和边缘处理技术、IaaS技术、平台使能技术、数据管理技术、应⽤开发和微服务技术、⼯业数据建模与分析技术、安全技术。1.数据集成与边缘处理技术设备接⼊：基于⼯业以太⽹、⼯业总线等⼯业通信协议，以太⽹、光纤等通⽤协议，3G/4G、NB-IOT等⽆线协议将⼯业现场设备接⼊到平台边缘层。协议转换：⼀⽅⾯运⽤协议解析、中间件等技术兼容ModBus、OPC、CAN、Profibus等各类⼯业通信协议和软件通信接⼝，实现数据格式转换和统⼀。另⼀⽅⾯利⽤HTTP、MQTT等⽅式从边缘侧将采集到的数据传输到云端，实现数据的远程接⼊。边缘数据处理：基于⾼性能计算芯⽚、实时操作系统、边缘分析算法等技术⽀撑，在靠近设备或数据源头的⽹络边缘侧进⾏数据预处理、存储以及智能分析应⽤，提升操作响应灵敏度、消除⽹络堵塞，并与云端分析形成协同。技术基于虚拟化、分布式存储、并⾏计算、负载调度等技术，实现⽹络、计算、存储等计算机资源的池化管理，根据需求进⾏弹性分配，并确保资源使⽤的安全与隔离，为⽤户提供完善的云基础设施服务。3.平台使能技术资源调度：通过实时监控云端应⽤的业务量动态变化，结合相应的调度算法为应⽤程序分配相应的底层资源，从⽽使云端应⽤可以⾃动适应业务量的变化。多租户管理：通过虚拟化、数据库隔离、容器等技术实现不同租户应⽤和服务的隔离，保护其隐私与安全。4.数据管理技术数据处理框架：借助Hadoop、Spark、Storm等分布式处理架构，满⾜海量数据的批处理和流处理计算需求。数据预处理：运⽤数据冗余剔除、异常检测、归⼀化等⽅法对原始数据进⾏清洗，为后续存储、管理与分析提供⾼质量数据来源。数据存储与管理：通过分布式⽂件系统、NoSQL数据库、关系数据库、时序数据库等不同的数据管理引擎实现海量⼯业数据的分区选择、存储、编⽬与索引等。5.应⽤开发和微服务技术多语⾔与⼯具⽀持：⽀持Java,Ruby和PHP等多种语⾔编译环境，并提供Eclipse integration，JBoss Developer Studio、git和 Jenkins等各类开发⼯具，构建⾼效便捷的集成开发环境。微服务架构：提供涵盖服务注册、发现、通信、调⽤的管理机制和运⾏环境，⽀撑基于微型服务单元集成的“松耦合”应⽤开发和部署。图形化编程：通过类似Labview的图形化编程⼯具，简化开发流程，⽀持⽤户采⽤拖拽⽅式进⾏应⽤创建、测试、扩展等。6.⼯业数据建模与分析技术数据分析算法：运⽤数学统计、机器学习及最新的⼈⼯智能算法实现⾯向历史数据、实时数据、时序数据的聚类、关联和预测分析。机理建模：利⽤机械、电⼦、物理、化学等领域专业知识，结合⼯业⽣产实践经验，基于已知⼯业机理构建各类模型，实现分析应⽤。7.安全技术数据接⼊安全：通过⼯业防⽕墙技术、⼯业⽹闸技术、加密隧道传输技术，防⽌数据泄漏、被侦听或篡改，保障数据在源头和传输过程中安全。平台安全：通过平台⼊侵实时检测、⽹络安全防御系统、恶意代码防护、⽹站威胁防护、⽹页防篡改等技术实现⼯业互联⽹平台的代码安全、应⽤安全、数据安全、⽹站安全。访问安全：通过建⽴统⼀的访问机制，限制⽤户的访问权限和所能使⽤的计算资源和⽹络资源实现对云平台重要资源的访问控制和管理， 防⽌⾮法访问。在上述七⼤类技术中，通⽤平台使能技术、⼯业数据建模与分析技术、数据集成与边缘处理技术、应⽤开发和微服务技术正快速发展，对⼯业互联⽹平台的构建和发展产⽣深远影响。在平台层，PaaS技术、新型集成技术和容器技术正加速改变信息系统的构建和组织⽅式。在边缘层，边缘计算技术极⼤的拓展了平台收集和管理数据的范围和能⼒。在应⽤层，微服务等新型开发框架驱动⼯业软件开发⽅式不断变⾰，⽽⼯业机理与数据科学深度融合则正在引发⼯业应⽤的创新浪潮。