业务和功能介绍
项目背景：
在工业物联网（IIoT）快速发展的当下，工业生产场景中设备数量激增，生产数据呈现出海量、实时、多维度的特点。企业对生产过程的精细化管控需求日益迫切，不仅需要实时获取设备运行数据，更需要对这些数据进行快速运算处理，以生成如设备用量、运行耗时、积分等具有业务价值的信息，为生产调度、质量管控、设备维护等决策提供支撑。
功能包括：通过TCP订阅设备数据，接收数据并实时计算，计算算法实现(读数转用量，耗时统计等)，数据过滤算法实现，计算结果持久化，重算队列实现
业务流程：
1. 通过 TCP 协议与消息队列（MMQ）建立连接，准备订阅设备生产数据
2. 从数据库加载计算模型并初始化计算项目
3. 从备份快照恢复数据到内存
4. 启动周期性的持久化任务协程
5. 启动重算重算协程池
6. 启动备份快照到磁盘协程
7. 发起数据订阅
8. 启动数据接收协程，并接收数据
9. 数据条件匹配和过滤
10. 调用计算算法，并将结果实时更新到内存
11. 周期性的任务协程从内存加载结果持久化到数据库
12. 客户端通过API请求相对应的结果数据
在工业物联网（IIoT）快速发展的当下，工业生产场景中设备数量激增，生产数据呈现出海量、实时、多维度的特点。企业对生产过程的精细化管控需求日益迫切，不仅需要实时获取设备运行数据，更需要对这些数据进行快速运算处理，以生成如设备用量、运行耗时、积分等具有业务价值的信息，为生产调度、质量管控、设备维护等决策提供支撑。
功能包括：通过TCP订阅设备数据，接收数据并实时计算，计算算法实现(读数转用量，耗时统计等)，数据过滤算法实现，计算结果持久化，重算队列实现
业务流程：
1. 通过 TCP 协议与消息队列（MMQ）建立连接，准备订阅设备生产数据
2. 从数据库加载计算模型并初始化计算项目
3. 从备份快照恢复数据到内存
4. 启动周期性的持久化任务协程
5. 启动重算重算协程池
6. 启动备份快照到磁盘协程
7. 发起数据订阅
8. 启动数据接收协程，并接收数据
9. 数据条件匹配和过滤
10. 调用计算算法，并将结果实时更新到内存
11. 周期性的任务协程从内存加载结果持久化到数据库
12. 客户端通过API请求相对应的结果数据
项目实现
架构风格：事件驱动 + 采用分层设计 核心模块解耦，通过消息队列和协程池实现异步处理。
模块划分及技术栈
1. 通信接入层
职责：负责与外部系统建立连接和数据接收
TCP客户端连接管理
数据订阅和接收
协议解析和数据校验
技术栈：
net (Golang标准库) - TCP连接
context - 连接生命周期管理
自定义协议解析器
2. 数据过滤层
职责：对接收到的原始数据进行清洗和过滤
数据条件匹配
异常数据检测和过滤
数据格式标准化
技术栈：
正则表达式 (regexp)
条件表达式解析执行(exprgo)
自定义过滤规则引擎
3. 计算引擎层
职责：核心业务计算逻辑执行
技术栈：
自定义计算算法实现
内存数据结构管理
实时计算协程
4. 内存管理层
职责：内存数据的管理和维护
内存快照维护
数据恢复机制
内存数据序列化
技术栈：
sync - 并发安全控制
序列化库 (boltdb)
5. 持久化层
职责：数据持久化存储
周期性数据持久化
6. 重算服务层 (Recalculation Service Layer)
职责：处理数据重算任务
重算队列管理
协程池实现
历史数据加载和重算
技术栈：
协程池实现
任务队列 (channel)
InfluxDB客户端 (用于历史数据查询)
分片查询
难点1：由升级或者服务异常停止造成的计算中断引起的计算误差
解决方案：
每5分钟备份存快照到文件
服务启动时从文件快照恢复
难点2：网络延迟造成的计算误差，也就是到了周期时间时，该周期内的数据因为网络延迟并未全部接受到
解决方案：
实时计算协程判断 数据时间>计算周期的结束时间时，自旋等待最多10s, 并发送信号到周期任务执行协程
周期任务执行协程等待实时计算协程发来的信号，最多等待10s，接受到信号就持久化到内存，并发送信号到
实时计算协程解除自旋
难点3： 重算对服务器的负载过高
解决方案：
实现了协程池，限制同一时间最大的重算协程数量
对长周期时间的数据按时间分片查询，比如月统计，一次查询2小时
模块划分及技术栈
1. 通信接入层
职责：负责与外部系统建立连接和数据接收
TCP客户端连接管理
数据订阅和接收
协议解析和数据校验
技术栈：
net (Golang标准库) - TCP连接
context - 连接生命周期管理
自定义协议解析器
2. 数据过滤层
职责：对接收到的原始数据进行清洗和过滤
数据条件匹配
异常数据检测和过滤
数据格式标准化
技术栈：
正则表达式 (regexp)
条件表达式解析执行(exprgo)
自定义过滤规则引擎
3. 计算引擎层
职责：核心业务计算逻辑执行
技术栈：
自定义计算算法实现
内存数据结构管理
实时计算协程
4. 内存管理层
职责：内存数据的管理和维护
内存快照维护
数据恢复机制
内存数据序列化
技术栈：
sync - 并发安全控制
序列化库 (boltdb)
5. 持久化层
职责：数据持久化存储
周期性数据持久化
6. 重算服务层 (Recalculation Service Layer)
职责：处理数据重算任务
重算队列管理
协程池实现
历史数据加载和重算
技术栈：
协程池实现
任务队列 (channel)
InfluxDB客户端 (用于历史数据查询)
分片查询
难点1：由升级或者服务异常停止造成的计算中断引起的计算误差
解决方案：
每5分钟备份存快照到文件
服务启动时从文件快照恢复
难点2：网络延迟造成的计算误差，也就是到了周期时间时，该周期内的数据因为网络延迟并未全部接受到
解决方案：
实时计算协程判断 数据时间>计算周期的结束时间时，自旋等待最多10s, 并发送信号到周期任务执行协程
周期任务执行协程等待实时计算协程发来的信号，最多等待10s，接受到信号就持久化到内存，并发送信号到
实时计算协程解除自旋
难点3： 重算对服务器的负载过高
解决方案：
实现了协程池，限制同一时间最大的重算协程数量
对长周期时间的数据按时间分片查询，比如月统计，一次查询2小时
示例图片视频
相似推荐
AI智能鉴定应用
用于奢侈品回收行业，以及个人消费者，个人消费者购买比如劳力士手表，或者奢侈品回收商家，无法判别真假时，可以通过AI智能鉴定app或者小程序，直接拍照自动识别手表型号，以及商品信息，以及市场价，二手流通价，自动返回该物品的鉴定点，比如表盘、指针、表耳机芯等信息，然后消费者根据提示上传对应的鉴定点，系统会自动与正品库中的鉴定图进行像素级的比对，然后返回鉴定结果，除了手表外，也支持其他奢侈品，比如包包、酒水、潮鞋、等奢侈品都可以进行鉴定
业务流程透视监控系统
该项目以展示用户行为维度的业务流程为核心，透视系统工程中业务的流转。从而实现对业务质量的实时关注、业务异常的提前发现以及业务精细化运营和运维。项目采用基于扩展Logback日志上报数据进行OGNL配置节点公式的方式进行采集、计算和可视化渲染。
企业管理系统
业务和功能介绍
1. 立项背景和目标
- 背景：企业员工数量增长，传统人工管理效率低下，薪资计算复杂，缺乏统一的数据管理平台
- 目标：开发一套集员工信息管理、薪资计算、权限控制于一体的企业员工管理系统，提升HR工作效率，确保数据安全和准确性
2. 软件功能、核心功能模块的介绍
- 核心功能：
- 员工信息管理：支持单条/批量添加、删除、修改、查询员工信息，覆盖普通员工、程序员、经理等多种类型
- 薪资管理：自动计算不同员工类型的最终薪资，支持薪资总和统计、部门薪资统计、基本工资调整
- 权限管理：管理员注册、登录、权限控制，区分超级管理员和普通管理员权限
- 数据持久化：员工数据和管理员信息的自动保存与加载，确保系统重启后数据不丢失
- 日志记录：系统操作日志和薪资调整日志，便于追溯和审计
3. 业务流程、功能路径描述
主流程：管理员登录 → 进入主菜单 → 选择功能模块（员工管理/查询统计/薪资管理）→ 执行具体操作 → 数据自动保存
员工管理路径：主菜单→员工管理→选择操作（添加/批量添加/删除/修改）→ 执行操作→返回菜单
薪资管理路径：主菜单→薪资管理→选择操作（调整基本工资）→ 输入员工ID和新薪资→确认调整→数据保存
查询统计路径：主菜单→查询统计→选择查询类型（按ID/部门/薪资总和）→ 输入查询条件→查看结果
南京森林警察学院智警学堂
智警学堂聚焦警校人才培养核心需求，以“数字化赋能警务教育”为核心业务，构建覆盖学警全周期成长的智慧管理与学习平台。核心功能涵盖四大模块：一是学生管理，实现学警信息建档、权限配置、成长轨迹追踪等规范化管理；二是课程学习，整合专业课程与微课资源，支持随时随地碎片化学习，适配警务化管理作息；三是联考备考，内置警察联考专属题库与模拟考试功能，还原真实考场场景；四是考勤与考核，设有学习打卡机制，同步提供在线考试、多维度成绩分析服务，通过数据可视化呈现知识点掌握情况与排名趋势，助力精准补漏。平台深度契合警校教学与备考场景，实现管理高效化、学习个性化、考核数据化。
教育计划管理系统
该平台以“数据驱动教学、AI赋能教师”为核心理念，围绕教、学、评、管四大环节，为教师提供从课前准备、课堂互动、课后反馈到长期学情追踪的一站式智能教学工具。通过整合知识图谱、AI生成、自动批改与数据分析等能力，帮助教师提升教学效率、实现精准教学
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服