程序聚合 软件案例 企业级网络终端设备远程管理系统-AVASA 云网管平台

企业级网络终端设备远程管理系统-AVASA 云网管平台

2026-07-31 10:01:46
行业:物联网、企业服务(saas)
载体:安卓APP、网站
技术:MyBatis、Spring Boot、Vue、Nginx

业务和功能介绍

一、立项背景与目标
痛点:传统网络设备(OLT/ONU/FTTR)只能局域网管理,远程运维困难;多系统割裂,认证、计费、AI训练各自为政。

目标:打造一套企业级远程网管平台,支持设备批量操作、实时监控、自动告警,集成认证计费与AI训练能力,覆盖Web/H5/APP三端,国内国际双版本,实现一站式智能运维。

二、核心功能模块
设备通信与管理:基于MQTT实现设备双向指令下发与状态上报,WebSocket实时推送,支持远程升级、配置批量下发。

多租户后台管理:组织-人员-角色权限管控,租户隔离;后台涵盖设备关联、合同审批、APP商品管理等。

Port认证与计费(RADIUS):支持手机号/账号/微信等认证方式,时长控制与自动断网,话单记录供对账。

AI算法训练平台:集成YOLOv5/MMDetection,支持数据集上传、在线标注、模型训练与自动分发至设备端。

三、业务流程简示
设备上线与配置:设备上电注册 → 平台存储状态 → 管理员选模板下发 → 设备执行并回传结果 → 前端实时展示。

告警处理:设备异常上报告警 → 消息队列分发 → 多渠道推送(邮件/短信/APP/弹窗)→ 运维处理并更新状态。

WiFi认证计费:用户连WiFi → 跳转认证页 → 验证身份 → 记录在线计时 → 时长耗尽自动断网 → 生成话单。

AI模型训练下发:选择模型 → 上传图片数据集 → 在线标注 → 提交训练 → 实时看进度 → 完成后FTP分发设备 → 设备升级生效。

项目实现

一、整体架构设计

采用“分层解耦 + 异步消息驱动”的微服务架构,自上而下分为四层:接入层(Nginx负载均衡,处理HTTPS与WebSocket长连接)、业务层(拆分为设备管控、认证计费(RADIUS)、AI训练、后台管理四个独立模块,通过Spring Security + JWT统一鉴权,模块间Feign调用)、中间件层(EMQX集群处理MQTT设备接入,RocketMQ异步解耦告警,Redis扛高频查询与分布式锁)、数据层(MySQL存事务数据,MongoDB存海量日志,MinIO存非结构化文件)。设计原则:状态与指令分离(状态缓存Redis,指令走MQTT QoS1),读写分离,多租户tenant_id物理隔离。

二、模块职责与技术栈

设备通信网关:EMQX、MQTT、FTP/SFTP;实时推送:Netty+WebSocket、Redis Pub/Sub;告警中控:RocketMQ、JavaMail、短信、Line API;认证计费:JRadius、Netty UDP、Redis原子操作;AI训练调度:MinIO、MMDetection REST API、SSE;后台管理:Spring Boot、MyBatis-Plus、Knife4j。

三、个人负责模块与量化成果

作为Java后端核心开发,主导了设备通信网关、RADIUS计费及AI训练调度三个模块:设备通信实现5000+设备(OLT/ONU/FTTR)并发双向通信,指令下发平均耗时≤120ms,状态查询QPS峰值3000+(Redis快照);告警中控RocketMQ消费TPS峰值500+,推送到达率99.7%(短信/邮件/APP弹窗);RADIUS计费支持1000+并发认证,时长耗尽断网延迟≤3s,日增话单5万条;AI训练链路完成10GB级数据集断点续传,训练模型自动分发至200+设备,成功率98.5%;代码贡献累计提交4.2万行核心代码,单元测试覆盖率78%,上线后模块零故障。

四、难点与解决方案

难点1:MQTT频繁抖动引发状态风暴。弱网下设备上下线频繁,每分钟上千条状态消息淹没推送。解决方案:在EMQX配置keepalive和遗嘱消息;后端引入Redis状态版本号,仅状态真实变化才触发推送和入库,并用令牌桶限流,无效流量过滤90%。

难点2:RADIUS UDP高并发丢包。JRadius同步阻塞导致100+并发认证超时。解决方案:改用Netty非阻塞UDP接收端;时长数据从MySQL迁至Redis原子递减,认证响应从800ms降至150ms,支持1000+并发。

难点3:切片上传MD5校验不一致。并发乱序写入导致合并后MD5与原始不符。解决方案:前端携带序号和总片数,服务端按序合并,Redis记录已收切片,全部收齐后校验。失败时返回缺失列表支持断点续传

示例图片视频


程功交付
24小时内活跃
方向: 后端-Java、
交付率:100.00%
相似推荐
AI 三维扫描异形陶瓷数码喷釉智能控制系统 -诺铂川陶瓷定制生产系统
1.用户端 AI 定制建模模块:消费者 / 装修设计师上传空间尺寸、手绘草图或照片,系统自动参数化生成异形台盆 3D 模型,可自由调整造型、釉色、开孔位置,实现可视化按需定制,解决传统陶瓷产品样式固定、个性化改造成本高的痛点。 2.工艺合规校验模块:后台自动校验模型脱模角度、壁厚、烧制收缩率等陶瓷生产工艺参数,不合格方案一键预警并给出修改建议,避免定制图纸无法落地生产。 3.模具自适应匹配模块:AI 根据定制模型自动拆分模件、生成数控加工指令,对接陶瓷模具加工设备,替代人工手绘开模图纸,大幅缩短模具开发周期。 4.生产全流程管控模块:涵盖挤压成型、喷釉、烧制、质检、订单排产全流程数据录入与追踪,工厂管理人员可实时查看订单进度、良品率,实现数字化排产。 5.订单与财务管理模块:自动核算定制加工费、模具费、物流费用,生成订单合同,对接对公收款台账,方便校企合作、对公项目财务对账。
节能控制系统
1. 项目背景和目标 当前,建筑运行能耗占全社会终端能耗比重居高不下,传统能源管理方式粗放,存在用能数据分散、异常发现滞后、优化依赖人工经验等问题。全国碳交易市场逐步扩容,对企业碳排放核算与配额管控能力提出硬性要求,高效机房相关标准的出台也让全年能效比(COP)成为制冷系统的关键标尺。基于这些现实需求,项目旨在建设能碳一体化管理平台,围绕节能与碳排两条主线,通过精细化监控和AI辅助寻优实现能耗下降与COP达标,同时让企业碳排放家底清楚、过程可控、披露有据,支撑绿色低碳转型。 2. 核心功能模块介绍 节能侧,平台通过施工改造对暖通空调、照明、动力等用能系统加装智能计量设备,统一监控水、电、冷热量数据,自动计算能效指标并生成评估报告。针对低效环节,AI模型结合负荷变化和设备特性给出设备选型、管路整改及控制策略调整等优化建议。机房仿真模块参照高效机房标准,可虚拟模拟不同方案运行效果,按年度自动汇总制冷量与耗电量生成COP报告,为评级认证提供依据。 碳排管理侧,平台以实时采集的水电气数据为基础,支持人工录入油品、制冷剂、外购热力等数据,形成覆盖范围一、二、三的全口径核算体系。企业可设定年度CO₂排放额度,系统持续跟踪实际排放进度,超限时及时预警。平台自动生成含排放总量、构成分布、趋势及碳强度指标的合规报告,并结余额度剩余情况给出减排建议,形成碳管理闭环。 3. 业务流程与功能路径描述 节能主线从施工改造和计量安装开始,数据通道打通后进入常态化监控,系统自动计算能效指标并生成诊断报告,指出能耗偏高的设备与时段。平台推送包含整改措施和控制参数的具体方案,由线下团队执行设备更换或参数调整。改造完成后在仿真模块中验证效果,达标后系统产出年度COP报告支撑机房评级。 碳排主线由系统自动采集实时数据,运维人员按期录入油品、制冷剂、外购热力等无法自动获取的数据项。企业年初设定排放额度及预警阈值,系统持续核算已发生排放并与额度对比,进度异常时主动推送预警。报告周期内按规范生成碳排放报告,并依据当前趋势和剩余额度给出下一步降碳建议,进入下一轮核算优化循环。两条主线共用数据底座,节能带来的用能下降直接反映到碳排结果中,形成联动促进。
电子厂电子作业指导书项目
ESOP系统是面向电子制造行业的**企业级智能作业指导书管理平台**,通过无纸化、结构化、智能化的方式,解决传统纸质SOP管理中存在的版本混乱、更新困难、追溯困难、执行不到位等核心痛点,实现SOP全生命周期管理和车间作业的数字化转型。
香醋分析模型
醋风味监测系统是一套面向食醋生产企业、科研机构打造,基于多维度理化指标构建的智能化专业风味分析平台。系统深度整合样品基础理化检测数据、挥发性风味物质、感官评价数据等多元信息,创新性集成风味雷达模型、陈酿动力学模型与 AAF 发酵动力学模型三大核心算法模块,打通食醋从原料发酵、陈酿储存到成品出厂全流程的数据链路。平台能够量化解析食醋风味组分构成、动态追踪发酵阶段风味物质生成规律、模拟预测陈酿过程风味演变趋势,精准识别风味缺陷、批次差异与品质波动,实现食醋风味特征可视化、品质变化可预测、生产工艺可优化,为醋类产品工艺调试、新品研发、品质标准化、风味溯源与品牌品质管控提供系统化、数据驱动的全方位风味分析与决策支撑服务。
通用网页数据采集爬虫程序
项目目标为解决企业、个人重复复制网页公开数据的低效问题。系统支持自定义目标网页,自动批量提取文本、表格、链接等公开页面信息;内置频率限制功能,规避高频访问风险;采集结果可直接导出Excel文件。适用于行情数据、商品信息、公开资讯批量收集场景
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服