基于云計算的工廠信息監測系統設計

摘要 制造業中工廠需要高效的監測手段來保證產品質量和生產安全，而傳統的分散式模式無法進行高效的管理，不能滿足日益增長的生產需求針對這一狀況，文中將云計算技術應用于工廠信息監測中，提出了一種基于云計算的現代化工廠信息監測系統設計。該設計充分利用云計算在管理、服務等方面的優點，提高了工廠的管理效率，節省了工廠的運營成本。
關鍵詞 云計算；監測系統；Android系統

云計算(Cloud Computing)是一種基于網絡的計算方式。通過這種方式，共享的軟硬件資源和信息可以按需提供給計算機和其他設備。云計算是網格計算(Crid Computing)、分布式計算(Distributed Computing)、并行計算(Parallel Computing)、效用計算(UtilityComputing)網絡存儲(Network Storage Technologies)、虛擬化(Virtualization)、負載均衡(Load Balance)等傳統計算機技術和網絡技術發展融合的產物。它旨在通過網絡把多個成本相對較低的計算實體整合成一個具有強大計算能力的系統，并借助基礎設施即服務(IaaS)，平臺即服務PaaS)和軟件即服務(SaaS)等先進的商業模式，把強大的計算能力分布到終端用戶手中。文中將提出一種基于云計算，客戶端基于Android平臺的，通過無線局域網連接云端服務器的工廠信息監測系統。

1 研究背景
隨著科技的進一步發展，現代化的管理開始應用于工廠的各個部門，工廠對設備信息的監測成為工廠管理的一個重要組成部分。工廠生產中設備的檢測活動直接涉及產品的質量與工廠的運行安全，是工廠現代化管理的重要內容。目前，工廠的設備信息監測依然使用落后的紙質表格，紙質表格可擴展性差，不能進行實時監控，管理人員不能及時獲得檢測數據。同時紙張不具有重復使用性，而且在一些精密化高的工廠中需要使用價格高昂的特殊紙張，這樣造成人力和物力資源的浪費。
文中將云計算概念引入工廠信息監測系統，可以實現在不改變現有設備的情況下，通過建立工廠內部的云計算平臺，充分整合信息監測體系，提高工廠信息監測以及管理效率，構建一個低成本的工廠信息監測系統。運用云計算的方式實現資源的統一調度，使管理者可以從全局的高度掌握工廠的實時狀況，保證生產高效、安全、有序地進行。

2 云計算概述
2．1 云計算體系結構
云計算平臺是一個強大的“云”網絡，連接了大量并發的網絡計算和服務，并可利用虛擬化技術擴展每個服務器的能力，將各自的資源通過云計算平臺結合起來，提供超級計算和存儲能力。通用的云計算體系結構如圖1所示。

其中云計算體系結構中各部分的主要功能如下：
(1)云用戶端。為云用戶提供請求服務的交互界面，也是用戶使用云的入口。用戶通過Web瀏覽器可以注冊、登錄及定制服務、配置和管理用戶。打開應用實例與本地操作桌面系統一樣。
(2)服務目錄。云用戶在取得相應權限后可以選擇或定制的服務列表，也可以對已有服務進行退訂的操作，在云用戶端界面生成相應的岡標或列表的形式展示相關的服務。
(3)管理系統和部署工具。提供管理和服務。能管理云用戶，能對用戶授權、認證、登錄進行管理，并可以管理可用計算資源和服務，接收用戶發送的請求，根據用戶請求并轉發到相應的程序，調度資源，智能地部署資源和應用，動態地部署、配置和回收資源。
(4)監控。監控和計量云系統資源的使用情況，以便做出迅速反應，完成節點同步配置、負載均衡配置和資源監控，確保資源能順利分配給合適的用戶。
(5)服務器集群。虛擬的或物理的服務器，由管理系統管理，負責高并發量的用戶請求處理、大運算量計算處理、用戶Web應用服務，云數據存儲時采用相應數據切割算法，采用并行方式上傳和下載大容量數據。
用戶可通過云用戶端從列表中選擇所需的服務，其請求通過管理系統調度相應的資源，并通過部署工具分發請求、配置Web應用。
2．2 云計算的實現
2．2．1 MapReduce算法
MapReduce是一種由Google開發的基于Java、Python、C++的編程工具和編程模型，用于大規模數據集的并行運算，是云計算的核心技術。它是一種分布式運算技術，也是簡化的分布式編程模式，適合用來處理大量數據的分布式運算，并用于解決問題的程序開發模型。
它的概念“Map(映射)”和“Reduce(化簡)”，和他們的主要思想，都是從函數式編程語言里借鑒來，具有從欠量編程語言里的特性。它方便了編程人員在不熟悉分布式并行編程的情況下，可將自己的程序運行在分布式系統上。當前的軟件實現是指定一個Map(映射)函數，用來把一組鍵值對映射成一組新的鍵值對，指定并發的Reduce函數，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。
2. 2．2 Hadoop架構
在Google發表MapReduce后，2004年開源社群用Java搭建出一套Hadoop框架，用于實現MapReduce算法。該框架能夠把應用程序分割成許多很小的工作單元，每個單元可以在任何集群節點上執行或重復執行。此外，Hadoop還提供一個分布式文件系統GFS(Google File System)，是一個可擴展、結構化、具備日志的分布式文件系統，支持大型、分布式大數據量的讀寫操作，其容錯性較強。而分布式數據庫(BigTable)是一個有序、稀疏、多維度的映射表，有良好的伸縮性和高可用性，用來將數據存儲或部署到各個計算節點上。Hadoop框架具有高容錯性及對數據讀寫的高吞吐率，能自動處理失敗節點，圖2所示為Google Hadoop架構。

運用以上技術可以在大量廉價的硬件設備組成的集群上運行應用程序，為應用程序提供一種可靠的接口，構建了一個高可靠性、高效率以及良好擴展性的分布式平臺。