Summary
系统阐述工厂数据平台的五层分层架构（数据采集层、数据存储层、数据计算层、数据服务层、数据应用层），涵盖各层的技术选型与设计决策，解析实时与离线统一的设计思路，给出典型技术栈（Kafka+EdgeX+TDengine+Iceberg+Flink+Spark+Doris）和三阶段实施路径建议。
Key Claims
- 工厂数据平台的五层架构遵循经典分层设计原则，各层职责明确、边界清晰
- 核心设计理念是”实时与离线统一、采集与应用解耦”
- 典型技术栈：MQTT/Kafka + EdgeX + TDengine + Iceberg + Flink + Spark + Doris
- 湖仓一体架构以Iceberg为统一存储基座，Flink为统一计算引擎，Doris为OLAP查询引擎
- 实施路径建议：第一阶段采集存储（3-6月），第二阶段计算服务（6-12月），第三阶段AI应用（12-18月）
Connections
- 数据采集层架构 — 数据平台的”感官系统”，采集层的详细设计
- 时序数据库选型 — 数据存储层中时序数据库的详细对比分析
- 实时与离线统一架构 — 数据计算层中实时与离线的统一设计思路
- 实时数据流水线 — 实时计算路径的具体实现
- 工厂数据仓库建模 — 数据存储层中数仓的建模方法
- 数据服务与API层 — 数据服务层的详细设计
- ISA-95参考架构 — 数据平台各层与ISA-95层级的映射关系
- DataWarehouse — 工厂数据仓库是数据平台的核心存储与分析引擎