制造业企业中台建设思考与实践

"忽如一夜春风来,千树万树梨花开",中台的概念就如这句诗所描述得一样一瞬间在IT圈里火了起来,好像不讨论中台,其它解决方案就黯然失色了。中台(数据中台、业务中台、技术中台、AI中台……)的概念可谓众说纷纭,我希望在下面的文章中结合真实的实践案例,就大家最关心的问题从概念到实践层面做一些解读。一、中台是什么在解读中台的概念之前我们先看一下"中台"这个词的来源。中台很早

智能家居产品链服务平台的数据中台架构研究

随着智能家居的广泛应用,为应对智能家居系统在数据管理上的挑战,文章提出并设计实现了一站式数据资源管理服务——智能家居产品链服务平台数据中台.该数据中台涵盖数据架构,数据标准,数据质量及数据生命周期管理等关键功能,确保业务应用能够获取全量,标准化,干净和智能的数据.本平台主要由接口服务层,数据与算法服务层,大数据能力层以及云计算能力层四大部分组成.平台提出并设计实现了关键功能,包括AI算法服务,智能画像分析和全景监控等.并且通过实现标准数据模型管理,应用数据模型管理,数据质量管理,数据链路分析以及智能标签体系建设等,提供了高标准,易用的一站式大数据管理解决方案,能够增强企业数字化管理能力,为企业提供高质量的标准化数据模型,显著减少重复开发的工作量.同时,能够全景,全链路地掌握数据质量,使用情况和系统运行状态,从业务视角更直观地使用和探索数据,从而更高效地挖掘和利用数据中的业务价值.With the wide application of smart homes, in order to cope with the challenge of data management in smart home systems, this paper proposes and designs a one-stop data resource management service—smart home product chain service platform data center. The data center covers key functions such as data architecture, data standards, data quality, and data lifecycle management to ensure that business applications can obtain full, standardized, clean, and intelligent data. This platform is mainly composed of the interface service layer, data and algorithm service layer, big data capability layer, and cloud computing capability layer. The key functions of the platform are proposed and designed, including AI algorithm service, intelligent portrait analysis, and panoramic monitoring. By implementing standard data model management, application data model management, data quality management, data link analysis, and intelligent label system construction, the platform provides a high-standard and easy-to-use one-stop big data management solution, which can enhance the digital management capability of enterprises, provide enterprises with high-quality standardized data models, and significantly reduce the workload of repeated development. At the same time, it can grasp the data quality, usage, and system running status in a panoramic and full-link way and use and explore data more intuitively from the business perspective so as to mine and utilize the business value in the data more efficiently.

基于微服务的AI中台系统设计与实现

随着人工智能技术的兴起以及云计算技术的普及,越来越多的传统开发者希望借助人工智能技术改进或升级现有的服务架构.计算机视觉技术一直是人工智能中炙手可热的领域,图像,视频等各类丰富的数据和广大的应用场景为我们提供了丰富的想象力.AI监控视频分析正是计算机视觉中一个热门的领域,许多企业以及个人有着丰富的需求,在多种场景比如区域安防,视频数据分析计算,人脸车辆识别监控等领域都有丰富的应用场景.中台一词最先由阿里巴巴2016年提出,"大中台,小前台"的创新性,灵活性使中台技术瞬间席卷行业.集成了数据分析能力,产品运营能力的中台可以帮助前台快速完成系统搭建,能对接入其中的业务形成强力支撑.因此本文从行业需求入手,设计了一个基于微服务的AI中台系统,系统可以完成从摄像头视频流分析,消息推送,实时画面显示,服务部署,以及后期维护等一站式服务.企业用户只需要简单提供需要分析的摄像头实时视频流地址以及摄像头的配置信息即可与本文设计的系统无缝对接.系统底层架构采用流行的docker容器技术和kubernetes容器管理平台来搭建,实现了系统的快速迭代开发,完成了高效的运维管理.另外,本文设计了两种算法用于集群的高可用性研究.其一是基于熵值负载系数法的动态自适应负载均衡算法,统一了主观客观两个方面的赋权算法,实现了集群的动态负载均衡,在实验室测试环境下,当并发量在2500r/s到3500r/s之间时,动态负载均衡策略下集群响应时间相比默认的轮询策略平均减少了 15%,吞吐量平均提升了 55%,在服务平均响应时间和系统吞度量两个维度均取得了更优异的表现.其二是基于改进的粒子群算法的集群调度策略的研究,通过改进传统的粒子群算法的个体项系数和群体项系数,让算法更符合实际的系统运行客观规律,且避免了传统粒子群算法因为早熟而陷入局部最优解的缺陷,在实验室测试环境下,基于改进的粒子群算法的调度策略,相比kubernetes默认的调度策略和基于经典粒子群算法的调度策略,适应度函数值对比分别提升22%和8%,有着更优异的表现.最后,本文总结了 AI中台的系统研发和高可用性算法研究,并对可改进优化的细节进行了展望.