[发明专利]一种基于大数据云计算支撑的机器人云平台及工作方法

说明书

本发明提供一种基于大数据云计算支撑的机器人云平台及工作方法，包括资源层，用于采集机器人数据后经边缘计算层处理上传平台层；平台层，对数据进行处理和存储，包括大数据存储服务模块、大数据分析服务模块、算法引擎模块、基础管理服务模块，提供大数据存储服务、大数据分析服务、算法引擎、基础管理服务；应用层，包括云服务平台和移动应用侧，用户通过调用平台层各项服务，为用户提供基于机器人的多种分析应用功能及远程监控。本发明的优点在于，设备层支持国内外多种机器人数据接入，边缘计算层可进行设备认证防止恶意连接，数据预处理减轻云端处理压力，数据加密和断点续传保障数据传输安全和传输稳定的。

技术领域

本发明涉及机器人监测技术领域，具体来说是一种基于大数据云计算支撑的机器人云平台及工作方法。

背景技术

目前工厂机器人的分布较分散且每台机器人都需单独维护无法统一管理，当工程师想了解机器人运行环境时都需到现场勘查，耗时耗力。与此同时，机器人工况仅能根据工程师经验判断，无法及时合理的进行预判且机器人出现异常时无法准确判断故障原因。

MQTT(消息队列遥测传输)是ISO标准(ISO/IEC PRF 20922)下基于发布/订阅范式的消息协议。工作在TCP/IP协议族上，是为硬件性能低下的远程设备以及网络状况糟糕的情况下而设计的发布/订阅型消息协议。

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System)，简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的(low-cost)硬件上；而且它提供高吞吐量(high throughput)来访问应用程序的数据，适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求，可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。

Spark是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UCBerkeley AMP lab(加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。Spark是一种与Hadoop相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使Spark在某些工作负载方面表现得更加优越，换句话说，Spark启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。Spark是在Scala语言中实现的，它将Scala用作其应用程序框架。与Hadoop不同，Spark和Scala能够紧密集成，其中的Scala可以像操作本地集合对象一样轻松地操作分布式数据集。

Kakfa是流行的开源消息队列系统，是AMQP(高级消息队列协议)的标准实现。MQ全称为消息队列Message Queue,是一种应用程序对应用程序的通信方法，属于消费-生产者模型的一个典型的代表，一端往消息队列中不断写入消息，而另一端则可以读取或者订阅队列中的消息。通过消息队列集群应对海量卡口数据同时接入，利用消息持久化存储，保证消息的效率读取和内存存取一致性，采用push/pull模型做为缓冲队列，为多节点提供分发服务。

HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。