数字化网络化智能技术：工业互联网平台与工业APP 课件 第5、6章 边缘计算、 平台层重要技术.pptx

第5章边缘计算;CATALOGUE;CATALOGUE;01;边缘计算的应用场景;02;边缘计算的定义;;03;工业互联网边缘计算;;04;5.1.3边缘计算与云计算;05;;区块链系统的组成;06;;07;边缘计算的主要目标是实现快速决策，满足业务在快速连接、实时业务、数据处理、智能分析、安全保护等方面的需求。;08;5.2.1计算任务卸裁;;09;;10;;11;5.2.4边缘人工智能;12;5.2.5云边协同;13;边缘计算应用;14;;15;边缘计算的价值;16;5.4实验:数据采集与可视化;实验设备包括工业互联网平台、智能仓储工站等，主要使用工业互联网平台的边缘计算工具进行实验。;THANKS;第6章平台层重要技术;CATALOGUE;CATALOGUE;01;6.1工业数据管理与分析;02;;03;;关系数据库的扩展;04;大数据计算模式

大数据计算模式解决问题代表产品批处理计算大规模数据的批量处理MapReduce、Spark等，流计算流数据的实时计算Flink、Storm、S4、Flume、Streams、Puma、DStream、SuperMario等，图计算大规模图结构数据的处理Pregel、GraphX、Giraph、PowerGraph等，查询分析计算大规模数据的存储管理和查询分析Dremel、Hive、Cassandra、Impala等。

批处理计算

批处理计算主要应对大规模数据的批量处理需求，这是日常数据分析工作中非常常见的一类数据处理需求，MapReduce是最具代表性和影响力的大数据批处理技术，可用于并行执行大规模数据处理任务，用于大规模数据集（大于1TB）的并行计算。;;05;;06;工业机器学习与智能认知：将机器学习等人工智能技术应用于工业场景，以赋予工业主体一定的认知能力，提升工业认知能力。;07;数据建模;08;6.2.1信息模型;;09;6.2.2机理和数据模型;子模型的迭代与综合是建模的关键步骤，将不同场景下应用的子模型综合起来，提高模型的适用范围。;多个因素共同作用;10;人工智能大模型;;技术;11;业务理解与建模;;6.2.4业务模型;12;;13;6.3.1数字孪生的定义与内涵;14;;15;6.3.3数字孪生技术;;16;数据处理;THANKS