陳志云 肖楚喬

(華東師范大學(xué)計(jì)算機(jī)科學(xué)與軟件工程學(xué)院 上海 200062)

基于Storm的工業(yè)流水線實(shí)時(shí)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

陳志云 肖楚喬*

(華東師范大學(xué)計(jì)算機(jī)科學(xué)與軟件工程學(xué)院 上海 200062)

隨著全球云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)和人工智能等技術(shù)在工業(yè)領(lǐng)域的興起，數(shù)據(jù)成為了工業(yè)4.0時(shí)代的核心驅(qū)動(dòng)力。為了彌補(bǔ)Hadoop分布式系統(tǒng)在實(shí)時(shí)工業(yè)數(shù)據(jù)處理中顯現(xiàn)的不足，提出基于Storm的工業(yè)流水線實(shí)時(shí)分析系統(tǒng)。該系統(tǒng)通過嵌入SDK實(shí)時(shí)采集終端數(shù)據(jù)，利用Nginx服務(wù)器將數(shù)據(jù)轉(zhuǎn)換成日志文件，并采用分布式消息系統(tǒng)Kafka緩存，消息流入Storm進(jìn)行分析處理后，將結(jié)果存入HBase中。最后從系統(tǒng)的保障性，并行性和實(shí)時(shí)性等方面進(jìn)行分析，表明該系統(tǒng)非?？煽康貙⒏鱾€(gè)終端收集到的工業(yè)數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)換成有價(jià)值的信息輸出，方便數(shù)據(jù)資源的匯總與優(yōu)化。

工業(yè)大數(shù)據(jù) Storm Kafka

0 引 言

近年來，各發(fā)達(dá)國家均從戰(zhàn)略層面提出了一系列大數(shù)據(jù)技術(shù)研發(fā)計(jì)劃，我國也在2013年提出了《大數(shù)據(jù)技術(shù)與產(chǎn)業(yè)發(fā)展白皮書》[1-2]。并且隨著德國“工業(yè)4.0”，美國“制造業(yè)回歸”和“中國制造2025”的提出，各行各業(yè)的決策正在從“業(yè)務(wù)驅(qū)動(dòng)"轉(zhuǎn)變到"數(shù)據(jù)驅(qū)動(dòng)”[3-4]。如何利用大數(shù)據(jù)分析技術(shù)將得到的工業(yè)數(shù)據(jù)再創(chuàng)造成新的知識(shí)與價(jià)值，成為了第四次工業(yè)革命的最終目標(biāo)之一[5-6]。面對(duì)設(shè)備控制器、制造系統(tǒng)、流水線等設(shè)備層產(chǎn)生的更為復(fù)雜多源、實(shí)時(shí)易變的海量工業(yè)數(shù)據(jù)，如何實(shí)時(shí)地將各個(gè)地區(qū)的工業(yè)數(shù)據(jù)上傳到上層的制造執(zhí)行管理系統(tǒng)MES，幫助企業(yè)優(yōu)化資源配置，整合分散在各個(gè)系統(tǒng)中的數(shù)據(jù)資源，提供智能預(yù)測(cè)，已成為制造業(yè)面臨的新挑戰(zhàn)[7-8]。

工業(yè)大數(shù)據(jù)可廣泛應(yīng)用于企業(yè)的整個(gè)生產(chǎn)過程，例如研發(fā)設(shè)計(jì)、供應(yīng)鏈、生產(chǎn)制造、營銷與服務(wù)環(huán)節(jié)。在設(shè)備仿真階段，瑪莎拉蒂通過數(shù)字化工具加速產(chǎn)品設(shè)計(jì)，將研發(fā)效率提升30%。在生產(chǎn)制造環(huán)節(jié)中，通過生產(chǎn)線、生產(chǎn)設(shè)備等抓取數(shù)據(jù)，再利用無線通信傳輸數(shù)據(jù)，從而對(duì)生產(chǎn)本身實(shí)時(shí)監(jiān)控[9-11]。不僅如此，IBM、EMC、華為等企業(yè)也都在開源大數(shù)據(jù)軟件之上研發(fā)面向制造業(yè)的轉(zhuǎn)型升級(jí)的大數(shù)據(jù)產(chǎn)品和系統(tǒng)[12]。隨著國內(nèi)外不斷出現(xiàn)許多基于Storm的實(shí)時(shí)分布式流處理計(jì)算平臺(tái)，例如：360實(shí)時(shí)平臺(tái)、新浪實(shí)時(shí)分析平臺(tái)、騰訊實(shí)時(shí)計(jì)算平臺(tái)、阿里JStorm等[13-14]，加之Storm還可以很方便地集成現(xiàn)有的各種技術(shù)框架，例如Kafka、HBase、HDFS等，使得Storm的應(yīng)用領(lǐng)域和場(chǎng)景越來越廣泛。

1 實(shí)時(shí)流處理相關(guān)技術(shù)

1.1 流式計(jì)算框架Storm

由Twitter公司開源的Storm，被廣泛應(yīng)用于實(shí)時(shí)分析統(tǒng)計(jì)，在線機(jī)器學(xué)習(xí)、持續(xù)計(jì)算、ETL等領(lǐng)域。Storm的出現(xiàn)解決了Hadoop不能處理實(shí)時(shí)數(shù)據(jù)的問題。但是Storm與Hadoop同樣都是主從系統(tǒng)架構(gòu)，由一個(gè)主節(jié)點(diǎn)運(yùn)行Nimbus進(jìn)程和多個(gè)從節(jié)點(diǎn)運(yùn)行Supervisor進(jìn)程，并且使用Zookeeper協(xié)作框架協(xié)調(diào)工作[15-16]。

1.1.1 Storm數(shù)據(jù)流模型Topology

在Storm中數(shù)據(jù)流stream可以抽象視為不間斷且連續(xù)的tuple元組。由spout組件作為tuples的發(fā)送者，根據(jù)數(shù)據(jù)源的不同，spout可以訂制化開發(fā)。bolt組件稱為處理器，每個(gè)bolt可以消費(fèi)任意數(shù)量的tuples，也可以發(fā)送給別的bolt。為了提高處理的效率，一般會(huì)有多個(gè)spout和bolt。Storm將此數(shù)據(jù)流模型稱為Topology，如圖1所示。Topology和Hadoop的job不同之處在于：job執(zhí)行完后會(huì)主動(dòng)停止，而Topology不會(huì)自動(dòng)停止。

圖1 拓?fù)淠Ｐ褪纠?/p>

1.1.2 Storm框架的主從架構(gòu)

Nimbus作為主節(jié)點(diǎn)的守護(hù)進(jìn)程，監(jiān)聽Client提交的Topology。同時(shí)根據(jù)worker資源情況，計(jì)算每一個(gè)task應(yīng)該如何在worker中分配，并且在Zookeeper上存儲(chǔ)task和worker的對(duì)應(yīng)信息。Supervisor作為Storm集群從節(jié)點(diǎn)上的運(yùn)行進(jìn)程，定時(shí)從Zookeeper上檢查并獲取最新的tasks到worker中。每個(gè)Supervisor可以有多個(gè)worker進(jìn)程，worker進(jìn)程又會(huì)啟動(dòng)多個(gè)executor去執(zhí)行task。實(shí)際中executor的并發(fā)數(shù)量就可以代表Storm集群的并行度。Zookeeper在完成主從節(jié)點(diǎn)協(xié)調(diào)工作的同時(shí)，還創(chuàng)建節(jié)點(diǎn)監(jiān)控task的心跳，如圖2所示。

圖2 Storm主從架構(gòu)圖

1.2 分布式消息系統(tǒng)Kafka

Kafka是一種分布式消息發(fā)布與訂閱架構(gòu)，常用于網(wǎng)頁行為跟蹤、運(yùn)營數(shù)據(jù)監(jiān)控、日志聚合和流處理等場(chǎng)景[17]。Kafka中的主題Topic是可以被多個(gè)消費(fèi)者共享的隊(duì)列，并且可以有多個(gè)partition，每個(gè)partition分布在不同的代理Broker中。Producer作為消息的生產(chǎn)者，根據(jù)指定的partition和消息id，將消息push到指定的partition中。Consumer作為消息的消費(fèi)者，通過pull的方式從Broker中訂閱并消費(fèi)消息，流程如圖3所示。

圖3 Kafka消息流程圖

1.3 文件收集庫框架Flume

Flume是僅基于Linux環(huán)境的分布式日志數(shù)據(jù)收集服務(wù)框架[18]。它是一個(gè)簡(jiǎn)單的可擴(kuò)展的數(shù)據(jù)模型，常用于實(shí)時(shí)數(shù)據(jù)分析。Flume中events是數(shù)據(jù)傳輸?shù)幕締卧?，Source通過監(jiān)控某個(gè)文件，拿到日志數(shù)據(jù)封裝到event中，并且put到channel隊(duì)列中。Sink會(huì)主動(dòng)到channel中拉取數(shù)據(jù)，再寫到下一個(gè)地方，如圖4所示。

圖4 Flume框架流程圖

2 基于Storm的工廠流水線實(shí)時(shí)分析系統(tǒng)

目前工業(yè)生產(chǎn)過程正在不斷地邁向智能化和信息化時(shí)代，如何對(duì)工業(yè)流水線的高效管理，將成為企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的保障[19]。但是目前的流水線管理方面仍然存在信息容量有限，無法及時(shí)更新信息，易丟失等缺點(diǎn)[20]。針對(duì)流水線具有實(shí)時(shí)和大量的特點(diǎn)，提出一種基于Storm的工廠流水線實(shí)時(shí)分析系統(tǒng)：從移動(dòng)端或PC端實(shí)時(shí)上傳流水線數(shù)據(jù)，生成Nginx日志，通過Storm的Topology實(shí)時(shí)分析各個(gè)廠區(qū)和各類型生產(chǎn)線上的生產(chǎn)總量、產(chǎn)品類型、終端編號(hào)等信息。并且設(shè)計(jì)了基于Storm的ack保障機(jī)制可以防止數(shù)據(jù)的丟失，使HBase可以實(shí)現(xiàn)持久化的存儲(chǔ)。操作人員只需要在終端輸入一些簡(jiǎn)單的流水線信息，企業(yè)管理人員便可以直接看到各地區(qū)工廠流水線生產(chǎn)狀況。

2.1 系統(tǒng)框架

本文設(shè)計(jì)的系統(tǒng)采用Storm+Kafka+Flume+Nginx+HBase的實(shí)時(shí)流處理框架，流水線數(shù)據(jù)會(huì)在終端被輸入的同時(shí)轉(zhuǎn)換成日志格式。日志通過Flume讀取到Kafka的topic主題中，并且此主題存在Zookeeper上。然后設(shè)計(jì)Kafka-Spout不斷向Storm發(fā)送日志記錄，通過Topology對(duì)記錄分析，并將分析結(jié)果持久化保存到HBase中。

(1) 數(shù)據(jù)收集層：本層屬于數(shù)據(jù)源層，通過不同的嵌入SDK創(chuàng)建event采集需要的流水線的數(shù)據(jù)信息。例如：流水線類型和編號(hào)、產(chǎn)品類型和數(shù)量、廠區(qū)編號(hào)、出現(xiàn)的問題等數(shù)據(jù)。

(2) 日志生成層：通過Nginx服務(wù)器，將獲取到的數(shù)據(jù)轉(zhuǎn)成日志文件，并且按照時(shí)間點(diǎn)進(jìn)行日志分割。日志格式定義：

log_format access ′remote_addr remote_user [time_local] ″request″ status body_bytes_sent ″http_referer″ ″http_user_agent″ ′;

(3) 生產(chǎn)者層：通過Flume Agent監(jiān)控Nginx的日志文件，通過tail命令不斷讀取日志文件，并傳輸?shù)終afka的指定Topic中。

(4) 主題隊(duì)列層：本層是Kafka集群，因?yàn)榫邆渌綌U(kuò)展和高吞吐量等特性，用來保障輸入數(shù)據(jù)的負(fù)載均衡和消息緩沖。該層的設(shè)計(jì)是防止數(shù)據(jù)采集端和Storm處理速度不同而導(dǎo)致的數(shù)據(jù)丟失。

(5) 業(yè)務(wù)邏輯層：構(gòu)建Topology，對(duì)日志文件中每條記錄進(jìn)行拆分、分流、匯總，并實(shí)時(shí)發(fā)送到HBase中持久化存儲(chǔ)。

(6) 持久化存儲(chǔ)：選擇HBase，因?yàn)槠溥m用于海量數(shù)據(jù)存儲(chǔ)和實(shí)時(shí)查詢，并且有良好的兼容性，支持多種大數(shù)據(jù)框架。

流水線實(shí)時(shí)分析框架如圖5所示。

圖5 基于Storm的工廠流水線實(shí)時(shí)分析框架

2.2 Storm業(yè)務(wù)邏輯層的設(shè)計(jì)

2.2.1 Topology方案設(shè)計(jì)

為了增加消息發(fā)送的靈活度，Storm中通過Streamgrouping定義一個(gè)stream應(yīng)該如何分配bolt上的多個(gè)task。在Storm中有6種類型的流發(fā)送方式：Shuffle grouping、Fields grouping、All grouping、Global grouping、Non grouping和Direct grouping。Shuffle表示隨機(jī)分組，可保證每個(gè)bolt接收到的tuple數(shù)基本相等。Fields表示按字段分組，具有相同id的tuple會(huì)被發(fā)送到相同的bolt中。Global表示全局分組，Tuple只會(huì)被分配到一個(gè)bolt中。

針對(duì)Storm的拓?fù)淠Ｐ秃土鞣职l(fā)策略，設(shè)計(jì)了如圖6所示的拓?fù)浣Y(jié)構(gòu)。

圖6 流水線實(shí)時(shí)分析Topology

此拓?fù)涔卜譃?個(gè)階段。

(1) 由于所有的日志記錄都存在Kafka集群的消息隊(duì)列中，因此設(shè)計(jì)Spout采用KafkaSpout。直接引用storm.kafka.*包，創(chuàng)建實(shí)例化KafkaSpout，通過提供的topic參數(shù)讀取zookeeper上的主題位置。采用shufflegrouping的方式將記錄隨機(jī)發(fā)送給LogSplitBolt。

(2) LogSplitBolt對(duì)發(fā)送來的tuple進(jìn)行解析，抽取各個(gè)字段。然后按照Stream設(shè)定的id號(hào)采用fieldsgroup流發(fā)送方式給HttpSplitBolt、IPCountBolt、AgentSplitBolt。

(3) HttpSplitBolt是將URL中傳入的流水線參數(shù)和產(chǎn)品參數(shù)抽取出來，按照Stream設(shè)定的id號(hào)fieldsgroup發(fā)送給LineCountBolt和ProdCountBolt。同理，AgentSplitBolt將useragent中傳入的browser和os信息抽取出來分id發(fā)送給BrowCountBolt和OSCountBolt。

(4) IPCountBolt、LineCountBolt、ProdCountBolt、BrowCountBolt、OSCountBolt作為計(jì)數(shù)模塊，統(tǒng)計(jì)各個(gè)id的次數(shù)。并采用globalgrouping流發(fā)送方式到HBaseBolt。

(5) HBaseBolt設(shè)計(jì)。首先在prepare函數(shù)中創(chuàng)建Configuration對(duì)象并加載配置文件hbase-site.xml，連接數(shù)據(jù)庫；然后再在execute函數(shù)中設(shè)計(jì)相應(yīng)字段名稱put到HBase中。

2.2.2 Tuple樹的設(shè)計(jì)

Tuple元組是對(duì)Stream的抽象，每一個(gè)tuple可以包含多列，每列都是一個(gè)，且Topology在設(shè)計(jì)的時(shí)候必須定義tuple的字段類型。類型可以是：Integer、long、short、byte、String、double、float、byte、array和boolean。針對(duì)各組件輸入流和輸出流的類型設(shè)計(jì)出如圖7所示Tuple樹。

圖7 Tuple樹

此Tuple樹是數(shù)據(jù)流Stream在Topology中的抽象表示。首先KafkaSpout將每一條日志記錄封裝成Tuple a格式流入到LogSplitBolt中。LogSplitBolt中設(shè)計(jì)正則表達(dá)式來抽取需要的字段，再構(gòu)建并流出 Tuple b1、b2、b3。然后由HttpSplitBolt將Tuple b2重新構(gòu)建成Tuple c1 和c2流出。由AgentSplitBolt將Tuple b3重新構(gòu)建成Tuple d1和d2流出。IPCountBolt、LineCountBolt、ProdCountBolt、BrowCountBolt、OSCountBolt將流入的Tuple格式統(tǒng)一重新構(gòu)建成Tuple e，最后流入HBaseBolt中。為了保障每個(gè)Tuple都被正確的處理，Storm有ack保障機(jī)制，采用異或算法?？梢员Ｕ线@個(gè)Tuple以及這個(gè)Tuple所產(chǎn)生的子Tuple都被成功的處理。

2.3 HBase設(shè)計(jì)

為了將實(shí)時(shí)統(tǒng)計(jì)的數(shù)據(jù)存到HBase中，設(shè)計(jì)表Counts。創(chuàng)建：hbase> create ‘Counts’,{Name=>’infos’,VERSION=>2147483647,BLOOMFILTER=>’ROWCOL’}。

將VERSION設(shè)置為Integer類型最大值，可以查看歷史數(shù)據(jù)，如表1所示。

表1 Counts表

3 實(shí)驗(yàn)與分析

實(shí)驗(yàn)環(huán)境：由2臺(tái)PC機(jī)組成集群；操作系統(tǒng)：CentOS 6.4，內(nèi)存32 GB，JDK1.7，Core i7-6820HQ。集群信息如表2所示。

表2 集群信息

3.1 系統(tǒng)可靠性測(cè)試

實(shí)驗(yàn)采用運(yùn)行Jar包模擬每1 ms產(chǎn)生1條Nginx日志記錄。當(dāng)數(shù)據(jù)源快速流出tuple時(shí)，計(jì)算tuple在無保障機(jī)制時(shí)的丟失率和采用ack保障機(jī)制后的tuple丟失率，為了保證準(zhǔn)確性，采用3次數(shù)據(jù)的平均值?？梢郧逦乜闯觯Ｕ蠙C(jī)制有效地降低了tuple的丟失率，如圖8所示。

圖8 Tuple失敗率

通過上述圖表可以看出該系統(tǒng)能有效地保障流水線數(shù)據(jù)信息的準(zhǔn)確性，非常適用于工廠流水線實(shí)時(shí)生產(chǎn)的模式。

3.2 系統(tǒng)并行度測(cè)試

通過Storm UI可以方便地看到Topology的詳細(xì)信息。Capacity參數(shù)代表的是拓?fù)洳⑿卸?，參?shù)值越接近1，表示該組件的并行度不夠，需要適當(dāng)?shù)財(cái)U(kuò)展組件的executor數(shù)量。通常情況下，一個(gè)worker里executor數(shù)量必須小于等于給定的task數(shù)量。所以通過改變線程數(shù)量，分析該系統(tǒng)的橫向擴(kuò)展能力，結(jié)果如圖9所示。

圖9 并行度測(cè)試

通過圖9可以看出該系統(tǒng)通過增加線程數(shù)量，確實(shí)可以有效降低Capacity數(shù)值，提高系統(tǒng)的并行度。

3.3 系統(tǒng)實(shí)時(shí)計(jì)算性能

通過表3可以得出系統(tǒng)實(shí)時(shí)計(jì)算總量和時(shí)間的關(guān)系，從而證明該框架有良好的健壯性和實(shí)時(shí)性。

表3 處理數(shù)據(jù)量和時(shí)間關(guān)系

4 結(jié) 語

隨著國家工業(yè)轉(zhuǎn)型升級(jí)的開始，工業(yè)大數(shù)據(jù)的應(yīng)用將越來越多，而工廠中實(shí)時(shí)產(chǎn)生的海量數(shù)據(jù)將是創(chuàng)造智慧工廠的關(guān)鍵。本文通過對(duì)Storm架構(gòu)的簡(jiǎn)單分析，結(jié)合多種開源框架，實(shí)現(xiàn)了一個(gè)基于Storm的工業(yè)流水線實(shí)時(shí)分析系統(tǒng)。該系統(tǒng)有良好的保障性和并行性。由于Storm是分布式流計(jì)算框架，因此該系統(tǒng)有良好的可擴(kuò)展性、容錯(cuò)性、實(shí)時(shí)性。并且該系統(tǒng)采用開源框架，因此簡(jiǎn)單易搭建，且采用Linux環(huán)境具有平臺(tái)通用性。接下來的工作是結(jié)合機(jī)器學(xué)習(xí)算法，訓(xùn)練數(shù)據(jù)實(shí)現(xiàn)預(yù)測(cè)。

[1] 張禮立.數(shù)據(jù)是工業(yè)4.0的核心驅(qū)動(dòng)[J].中國工業(yè)評(píng)論,2015(12):36-43.

[2] 李國杰,程學(xué)旗.大數(shù)據(jù)研究:未來科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J].中國科學(xué)院院刊,2012,27(6):5-15.

[3] 羅文.德國工業(yè)4.0戰(zhàn)略對(duì)我國工業(yè)轉(zhuǎn)型的啟示[J].玻璃鋼/復(fù)合材料,2014(11):125-128.

[4] 李杰,劉宗長.中國制造2025的核心競(jìng)爭(zhēng)力——挖掘使用數(shù)據(jù)[J].博鰲觀察,2015(4):52-55.

[5] Addo-Tenkorang R,Helo P T.Big Data Applications in Operations/Supply-Chain Management:A Literature Review[J].Computers & Industrial Engineering,2016,101:528-543.

[6] Rousseaux F.BIG DATA and Data-Driven Intelligent Predictive Algorithms to support creativity in Industrial Engineering[J].Computers & Industrial Engineering,2016.

[7] 高嬰勱.工業(yè)大數(shù)據(jù)價(jià)值挖掘路徑[J].中國工業(yè)評(píng)論,2015(s1):21-27.

[8] 孔憲光,章雄,馬洪波,等.面向復(fù)雜工業(yè)大數(shù)據(jù)的實(shí)時(shí)特征提取方法[J].西安電子科技大學(xué)學(xué)報(bào)自然科學(xué)版,2016,43(5):70-74.

[9] 王建民.工業(yè)大數(shù)據(jù)技術(shù)[J].電信網(wǎng)技術(shù),2016(8):1-5.

[10] 單莘,祝智崗,張龍,等.基于流處理技術(shù)的云計(jì)算平臺(tái)監(jiān)控方案的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(4):88-90.

[11] 萬英杰,鮑遠(yuǎn)松,黃明.分布式工業(yè)數(shù)據(jù)實(shí)時(shí)分析計(jì)算平臺(tái)[J].信息技術(shù)與標(biāo)準(zhǔn)化,2016(11):61-63.

[12] 黃明峰.工業(yè)大數(shù)據(jù)發(fā)展態(tài)勢(shì)與典型應(yīng)用[J].電信科學(xué),2016,32(7):175-178.

[13] Sun D W,Zhang G Y,Zheng W M.Big data stream computing:technologies and instances[J].Journal of Software,2014,25(4):839-862.

[14] 孟小峰,慈祥.大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展,2013(1):146-169.

[15] Hadoop[EB/OL].[2017-01-19].http://hadoop.apache.org/.

[16] Storm[EB/OL].[2017-01-19].https://storm.apache.org/.

[17] Kafka[EB/OL].[2017-01-19].https://kafka.apache.org/.

[18] Flume[EB/OL].[2017-01-19].https://flume.apache.org/.

[19] Zhang Y,Xu J,Sun S,et al.Real-time information driven intelligent navigation method of assembly station in unpaced lines[J].Computers & Industrial Engineering,2015,84(C):91-100.

[20] 李二霞.大數(shù)據(jù)在立柱維修流水線的應(yīng)用[J].科技創(chuàng)新與應(yīng)用,2015(30):18-19.

DESIGNOFINDUSTRIALASSEMBLYLINEREAL-TIMEANALYSISSYSTEMBASEDONSTORMANDITSIMPLEMENTATION

Chen Zhiyun Xiao Chuqiao*

(SchoolofComputerScienceandSoftwareEngineering,EastChinaNormalUniversity,Shanghai200062,China)

With the rise of cloud computing, big data, IoT, AI, etc. in the global industrial field, the data has become the core driving force of Industry 4.0 era. In order to make up for the shortage of Hadoop distributed system in real-time industrial data processing, this paper presents an industrial assembly line real-time analysis system based on Storm. The system collects real-time terminal data through the embedded SDK, converts the data to the log file through the Nginx server, and uses the distributed information system Kafka as cache, then the message flowing into Storm and the results stored in HBase. Finally, the analysis of the system from the aspects of security, parallelism and real-time performance shows that the system converts the industrial data collected by each terminal into valuable information to facilitate the aggregation and optimization of data resources reliably.

Industrial big data Storm Kafka

2017-02-05。陳志云，副教授，主研領(lǐng)域：多媒體應(yīng)用與教育技術(shù)。肖楚喬，碩士生。

TP311

A

10.3969/j.issn.1000-386x.2017.11.009