楊 波，吳 寧

(陜西陜煤黃陵礦業(yè)有限公司，陜西 延安 727307)

0 引言

煤礦綜采自動(dòng)化技術(shù)對(duì)實(shí)現(xiàn)煤炭安全、高效的回采具有非常重要的意義，是國家經(jīng)濟(jì)發(fā)展所需煤炭供應(yīng)的先決條件。國家“十五”“十一五”期間以來，我國煤炭開采技術(shù)及裝備取得重大進(jìn)步，推動(dòng)了煤礦安全高效綠色開采技術(shù)的發(fā)展，建成了一大批綜合機(jī)械化和高自動(dòng)化程度的現(xiàn)代化礦井，生產(chǎn)效率、安全指標(biāo)和煤炭產(chǎn)量大幅度提高[1-4]。國內(nèi)煤礦企業(yè)也在積極探索綜采自動(dòng)化技術(shù)的研究，并進(jìn)行了多方面的嘗試，取得了顯著進(jìn)步。但由于綜采工作面復(fù)雜的生產(chǎn)過程，龐大的綜采設(shè)備系統(tǒng)，各設(shè)備作業(yè)條件協(xié)同復(fù)雜，動(dòng)作繁多，且對(duì)動(dòng)作的邏輯順序、準(zhǔn)確性、響應(yīng)速度要求高，所以針對(duì)其監(jiān)控和管理面臨著各設(shè)備控制方式分散、無法實(shí)現(xiàn)快速、準(zhǔn)確的協(xié)作，不能充分發(fā)揮設(shè)備性能，生產(chǎn)效率較低[5-8]。而且綜采工作面自動(dòng)化系統(tǒng)以過程化控制為核心，與生產(chǎn)管理過程脫節(jié)，未進(jìn)行高效實(shí)時(shí)的實(shí)現(xiàn)信息的集成和互通，不能有效的對(duì)綜采關(guān)鍵設(shè)備進(jìn)行管理，無法為生產(chǎn)管理者提供決策和建議。因此，綜采自動(dòng)化系統(tǒng)的統(tǒng)一管理平臺(tái)應(yīng)運(yùn)而生，但對(duì)于智能化綜采管理平臺(tái)中多源異構(gòu)數(shù)據(jù)的處理仍需進(jìn)一步探究。

1 智能化綜采管理平臺(tái)應(yīng)用現(xiàn)狀

現(xiàn)有的安全生產(chǎn)監(jiān)測(cè)監(jiān)控系統(tǒng)，多是局部性、少量指標(biāo)的檢測(cè)[9-11]。同時(shí)，因?yàn)樯a(chǎn)廠商以及系統(tǒng)建設(shè)兩者在時(shí)期上存在差異，所有子系統(tǒng)在通信協(xié)議和接入技術(shù)上不能夠?qū)崿F(xiàn)統(tǒng)一，子系統(tǒng)之間存在較大的數(shù)據(jù)結(jié)構(gòu)差異，同時(shí)具有多源性和異構(gòu)性的特點(diǎn)。煤礦井下設(shè)備(包含各裝備、機(jī)器、儀器等電子設(shè)施)的數(shù)據(jù)采集均通過監(jiān)控系統(tǒng)直接從設(shè)備上采集。設(shè)備廠商對(duì)不同專業(yè)設(shè)備開發(fā)對(duì)應(yīng)的監(jiān)控系統(tǒng)從設(shè)備上實(shí)時(shí)獲取數(shù)據(jù)。對(duì)煤礦而言，數(shù)據(jù)只能在監(jiān)控系統(tǒng)中查看，不能在其它系統(tǒng)中實(shí)時(shí)使用；對(duì)開發(fā)商來講，每個(gè)監(jiān)控系統(tǒng)既要負(fù)責(zé)數(shù)據(jù)的采集，又要負(fù)責(zé)數(shù)據(jù)的校驗(yàn)、傳輸、共享，大部分功能重復(fù)開發(fā)，造成系統(tǒng)臃腫，改動(dòng)困難。而現(xiàn)有設(shè)備數(shù)據(jù)采集沒有統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、采集標(biāo)準(zhǔn)，在使用采集數(shù)據(jù)時(shí)，需要根據(jù)每種提供的格式進(jìn)行解析、轉(zhuǎn)換，增加了出錯(cuò)機(jī)率與重復(fù)工作量。并且，現(xiàn)有設(shè)備所生成的數(shù)據(jù)格式多樣，包含結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。因此，多源異構(gòu)數(shù)據(jù)的處理就成為智能化綜采管理平臺(tái)運(yùn)轉(zhuǎn)的核心引擎。

2 多源異構(gòu)大數(shù)據(jù)處理框架

2.1 數(shù)據(jù)采集與ETL

數(shù)據(jù)處理系統(tǒng)架構(gòu)：智能化綜采管理平臺(tái)中數(shù)據(jù)來源十分廣泛，例如，運(yùn)輸三機(jī)、采煤機(jī)等各種生產(chǎn)器械、電液控制等器械系統(tǒng)、各種傳感器的安全監(jiān)測(cè)數(shù)據(jù)、用戶操作行為數(shù)據(jù)、故障及報(bào)警數(shù)據(jù)等[12-14]。這些數(shù)據(jù)通過各自本身的監(jiān)控系統(tǒng)及各種終端設(shè)備直接傳輸?shù)皆贫?，由于各設(shè)備的生產(chǎn)廠商不同，且暫無統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，所以采集的數(shù)據(jù)格式多樣，存在結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，形成多源異構(gòu)數(shù)據(jù)，并存在重復(fù)數(shù)據(jù)的可能[15-17]。多源異構(gòu)數(shù)據(jù)處理系統(tǒng)架構(gòu)，如圖1所示。

ETL：全名Extract-Transform-Load，是用來描述將數(shù)據(jù)從來源端經(jīng)過抽取(extract)、轉(zhuǎn)換(transform)、加載(load)至目的端的過程，同時(shí)也是構(gòu)建數(shù)據(jù)倉庫至關(guān)重要的一個(gè)環(huán)節(jié)，用戶通過數(shù)據(jù)源抽取出自己需要的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗，最終將數(shù)據(jù)按照預(yù)先定義好的數(shù)據(jù)倉庫模型加載到數(shù)據(jù)倉庫中去。其中數(shù)據(jù)清洗包含：①對(duì)不精確數(shù)據(jù)的清洗。首先就是要識(shí)別出數(shù)據(jù)中的異常。在識(shí)別數(shù)據(jù)中的異常時(shí)，最常用的方法就是統(tǒng)計(jì)學(xué)的方法。給每個(gè)屬性賦予對(duì)應(yīng)的權(quán)重是它的核心思想，對(duì)每個(gè)屬性字段值的平均值和標(biāo)準(zhǔn)差進(jìn)行統(tǒng)計(jì)，依據(jù)此為每一個(gè)屬性建立一個(gè)置信區(qū)間，通過查看屬性值是否在置信區(qū)間內(nèi)來判斷屬性是否異常;②重復(fù)數(shù)據(jù)的清洗。在數(shù)據(jù)倉庫中，最常見的數(shù)據(jù)質(zhì)量問題就包括相似重復(fù)數(shù)據(jù)，不同系統(tǒng)的集成一般會(huì)導(dǎo)致大量重復(fù)記錄生成，因此需要判斷兩條數(shù)據(jù)是否相似或相同，從而對(duì)相似重復(fù)數(shù)據(jù)進(jìn)行集中的清洗。

圖1 多源異構(gòu)數(shù)據(jù)處理系統(tǒng)架構(gòu)

2.2 數(shù)據(jù)存儲(chǔ)

根據(jù)數(shù)據(jù)集不同的特點(diǎn)和用途，采用不同的數(shù)據(jù)庫進(jìn)行存儲(chǔ)操作。

Gbase/Oracle：Gbase和Oracle兩者都是SQL數(shù)據(jù)庫，都遵從SQL語句，語法也差不多。最大的區(qū)別是表結(jié)構(gòu)不同，Oracle是傳統(tǒng)行列式，小庫比較快，大庫靠索引提高效率。Gbase是分布式，數(shù)據(jù)不是按行列來排列而是按區(qū)塊分布的，所以小庫的速度一般般，但是大庫比如TB級(jí)，效率驚人，數(shù)據(jù)庫越大Gbase優(yōu)勢(shì)越明顯。因此采用Gbase和Oracle對(duì)高價(jià)值密度數(shù)據(jù)進(jìn)行存儲(chǔ)及處理。

SQL on Hadoop：在SQL on Hadoop系統(tǒng)中，有兩種架構(gòu)，一種是基于某個(gè)運(yùn)行時(shí)，框架構(gòu)建出查詢引擎，典型案例是Hive；另一種是模仿過去關(guān)系數(shù)據(jù)庫的MPP架構(gòu)，就是依據(jù)過去的MPP數(shù)據(jù)庫架構(gòu)創(chuàng)建一個(gè)專門的系統(tǒng)，于是就有了Impala，Presto等等。Hive具有高擴(kuò)展性的特點(diǎn)，能夠?qū)⒓旱囊?guī)模自由擴(kuò)展，一般不需要重啟服務(wù)；還具有高延展性，支持用戶自定義函數(shù)，用戶可以根據(jù)需求來實(shí)現(xiàn)自己的函數(shù)；同時(shí)還具備高容錯(cuò)性，SQL在節(jié)點(diǎn)出現(xiàn)差錯(cuò)時(shí)仍可完成執(zhí)行；將復(fù)雜MR任務(wù)編寫為SQL語句，提高開發(fā)效率；靈活的數(shù)據(jù)存儲(chǔ)等。但是也存在非常明顯的缺點(diǎn)，具有延遲性，性能還有待提升；索引功能還不夠完善，效率較低；不支持事務(wù)類操作。因此將其作為低價(jià)值密度數(shù)據(jù)的數(shù)據(jù)倉庫。

MapReduce：MapReduce是一種編程模型，主要用于大規(guī)模數(shù)據(jù)集(大于1TB)的并行運(yùn)算。概念“Map(映射)”和“Reduce(歸約)”，是它們的主要思想，它具有從函數(shù)式編程語言以及從矢量編程語言里借來的特性。MapReduce對(duì)不會(huì)分布式并行編程情況下的程序人員提供了極大的便利，并能在分布式系統(tǒng)上運(yùn)行自己的程序，是面向大數(shù)據(jù)并行處理的計(jì)算模型、框架和平臺(tái)。利用其并行計(jì)算的特點(diǎn)對(duì)低價(jià)值密度數(shù)據(jù)進(jìn)行批量處理分析。

2.3 數(shù)據(jù)處理

系統(tǒng)對(duì)于數(shù)據(jù)的處理分為高價(jià)值密度數(shù)據(jù)和低價(jià)值密度數(shù)據(jù)兩個(gè)部分。

低價(jià)值密度數(shù)據(jù)處理：數(shù)據(jù)的價(jià)值密度與數(shù)據(jù)量成反比，數(shù)據(jù)量越龐大，其價(jià)值密度越低。因此對(duì)于低價(jià)值密度的龐大數(shù)據(jù)，利用MapReduce對(duì)大數(shù)據(jù)并行計(jì)算的能力，采用分布式隊(duì)列流式計(jì)算方法，進(jìn)行數(shù)據(jù)管理和分析挖掘。低價(jià)值密度數(shù)據(jù)的數(shù)據(jù)管理包括Hadoop集群配置管理、應(yīng)用管理、資源監(jiān)控、安全管理、告警管理等。分析挖掘則是利用分析挖掘算法庫中的自然語言、分類算法、推薦算法、聚類算法、關(guān)聯(lián)分析等算法對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析、效果監(jiān)控、反饋學(xué)習(xí)和系統(tǒng)監(jiān)控。

高價(jià)值密度數(shù)據(jù)處理：對(duì)于高價(jià)值密度數(shù)據(jù)，由于其數(shù)據(jù)量相對(duì)較小可以進(jìn)行更詳細(xì)的數(shù)據(jù)定義、數(shù)據(jù)篩選、分析定制和算法管理工作。

2.4 功能實(shí)現(xiàn)

多源異構(gòu)數(shù)據(jù)處理系統(tǒng)目前已在智能化綜采管理平臺(tái)實(shí)現(xiàn)運(yùn)行。通過持續(xù)數(shù)據(jù)采集，實(shí)現(xiàn)對(duì)生產(chǎn)設(shè)備的預(yù)警預(yù)判；通過數(shù)據(jù)的交叉分析，實(shí)現(xiàn)對(duì)各綜采自動(dòng)化生產(chǎn)過程中的事件關(guān)聯(lián)性分析決策。通過數(shù)據(jù)的積累，豐富企業(yè)決策依據(jù)；實(shí)現(xiàn)數(shù)據(jù)的保護(hù)以及數(shù)據(jù)存儲(chǔ)，讓生產(chǎn)數(shù)據(jù)具有繼承傳遞性。

3 結(jié)語

多源異構(gòu)數(shù)據(jù)處理系統(tǒng)針對(duì)煤礦生產(chǎn)的數(shù)據(jù)特性，可實(shí)現(xiàn)各類多源異構(gòu)數(shù)據(jù)的高效傳輸，快速處理分析。此外，可以消除信息孤島，建立統(tǒng)一的數(shù)據(jù)傳輸網(wǎng)絡(luò)與數(shù)據(jù)處理中心；針對(duì)煤礦綜采的各個(gè)環(huán)節(jié)的數(shù)據(jù)采集，結(jié)合專家經(jīng)驗(yàn)進(jìn)行開采的安全性預(yù)判，進(jìn)而對(duì)設(shè)備持續(xù)開采的周期壽命進(jìn)行預(yù)警預(yù)判和自動(dòng)分析。