下载地址：https://download.csdn.net/download/qq_31293575/18340399

项目介绍

html网上订餐页面

系统说明

目录

第1章 绪论  1

1.1 背景. 1

1.2 国内外发展现状. 1

1.3 国外研究现状. 1

1.4 发展趋势. 2

第2章 总体分析和设计. 3

2.1系统需求分析... 3

2.2 技术介绍... 4

2.2.1  zookeeper简介... 4

2.2.2  kafka简介... 4

2.2.3  Spring Cloud简介... 4

2.3基于微服务的物联网设备控制平台的模块设计... 5

2.3.1 API 网关... 5

2.3.2服务注册和发现中心... 5

第3章  关键模块设计. 8

3.1 抽象设备操作接口... 9

3.2 抽象设备属性类... 9

3.3 具体设备类... 9

第四章 软件设计. 10

4.1 嵌入式开发环境的搭建... 10

4.1.1 云架构搭建... 10

4.1.2 搭建springcloud微服务架构... 12

4.1.3 用户管理后台... 14

4.1.4 物联网设备交互服务... 17

4.1.5 系统数据分析统计... 19

总结. 20

致谢. 21

参考文献. 22

摘  要：随着物联网、大数据、云计算等技术的发展成熟，推动了物联网应用的蓬勃发展，工业物联网作为物联网技术的一个重要应用领域，近几年来得到了广泛的研究，也出现了大量的应用产品。目前工业物联网设计中主要存在缺少理论依据，现有系统控制能力差、扩展性不足、服务器资源利用效率不高，已有平台接入门槛高、兼容性差等问题。针对以上问题，拟采用物联网四层体系架构，即在原来物联网三层体系架构加入一个平台层，连接物联网应用层和感知层的技术方案，研究开发工业物联网服务平台。

本文研究了工业物联网服务平台相关理论和诸多技术方案，开发了一套基于RESTful 风格服务的 zookeeper及kafka架构的智能工业物联网服务平台，该平台一方面为应用层提供HTTP 接口和消息队列调用，另一方面为数据设备的控制调用实现了消息队列的数据存储，数据存储方面采用 sqlite数据库。 结合springboot、springcloud开发框架运用eureka组件以及网管项目搭建出微服务架构，再开发出用户管理中心以及设备接口中心项目。经过严格的测试，这套工业物联网服务平台可以有效解决目前物联网的诸多问题，为进一步开发出功能强大、齐全的系统打下基础。

关键词： 分布式；zookeeper；kafka；springboot；消息队列

第1章    绪论

这一章节主要介绍分布式实时数据处理以及工业物联网关于大规模数据的国内外发展现状，并讲解本论文研究的背景和主要内容。

1.1 背景

随着物联网业务的增长，尤其是物联网技术在工业设备领域的广泛应用，目前不论是国内还是国外都在工业设备领域取得一定成果。越来越多的服务集成到服务平台上，也有越来越多的传感信息需要在服务平台上处理，因此海量传感信息的处理方法和系统设计是物联网应用部署所要研究的关键问题。要研究工业设备系统，就需要首先了解国内外工业设备领域发展趋势以及成果。本章主要介绍工业设备服务平台的选题背景和研究意义，以及国内外的研究现状。

1.2 国内外发展现状

制造业工厂的设备底层数据采集是工业物联网的基础且重要的环节。物联网时代，在产品制造的过程当中，需要对加工过程的设备状态数据和生产数据进行实时监测，包括设备运行状态、机轴运行转速、工作环境温湿度、产品产量及生产数据等，因此数据的采集成为首要任务[2]。数据采集是指从智能采集设备中自动收集多种（非）电量信号的过程，包括各类传感器信号，或者其他模拟或数字被测单元中的信息量。信号经过转换与传输后，送到上位机中进行分析和处理，为工厂智能决策提供数据支持。在众多流程式制造业中，生产线的自动化与智能化是重点关注方向，在设备控制方面通常会采用分布式控制系统（DCS）或可编程控制器（PLC）等，并集成多样化的数据接口与通讯协议，同时大量采用各类智能仪表与工业传感器，用以对生产过程数据进行详细记录。

1.3 国外研究现状

NM Torrisi和JFG Oliveira提出一种名为CyberOPC 的方案，它包括研究和实施用于工业 CNC 机床远程控制的新型开放式通信系统，用于实现工业机床的远程监控，使时间节点控制数据的传输延迟比其他解决方案更短，并满足网络安全要求[3]。除此之外，还有其他的众多先行者也做了大量的设计研发工作，如基于 MES系统的 SCADA 采集平台研发；以及在仓库等储运方面做相关数据监控应用工作。在完成底层数据采集后，则可进一步考虑数据可视化的需求，通过人机界面等方式进行数据的实时显示与检测，完成生产管控的便捷化、全面化。另外国外技术也设计了一套设备监测系统，来实时监测车间数控设备的生产情况。他们的工作将工业生产带入信息时代，从数据中获取以往未知的信息，实现了用数据驱动生产。

1.4 发展趋势

伴随互联网的扩张，人工智能技术飞速发展，制造业在其推动下不断转型，工业生产开始面临一系列多元化的挑战，传统的生产技术与信息化管理方式已经不能满足其发展需求。随之改变的则是多元化信息技术的诞生与行业的融合，“智慧工厂”、“智能制造”等概念横空出世。在该领域中，围绕以智能制造为核心，融合了工业自动化、智能物流、工业大数据平台、工业物联网等多项技术，使制造业逐渐替换新的血液。伴随工业 4.0 的提出，智慧工厂、可视化工厂、数字化制造等概念频繁出现。物联网则是其中的核心：物联网代替了传统工业生产中的 M2M（Machine to Machine）通信结构，而是通过 ToT（Things to Things）的架构来实现智能化连接。在生产中，将所有涉及到的设备统一纳入物联网管理，使设备与主机间构建灵活的网络通信模式。随着日志量的不断增乂，化统的单节点日志分析方式，比如简单的shell脚本，excle统计等方式不能跟上时代的步伐。根据调查显示，工业物联内部每天产生的数据就有几千GB，特殊时候可从达到几TB[4]。另一方面，这些数据分别来自于不同的产品线，格式也各不相同，所以传统的分析方式很难在通用性、可靠性、时效性发挥作用。过去的几年里，分布式计算技术日趋成熟和稳定，伴随着义数据时代的来临，利用分布式计算技术来分析工业物联网的数据，已成为当前数据分析技术的主要发展趋势。

适用场景：

毕业论文、课程设计、公司项目参考

运行截图