English

当前位置: 学术报告 >> 基于大数据的工业云操作系统及服务平台
基于大数据的工业云操作系统及服务平台
发布于:2017-04-14  作者:研究生教务办1

报告时间:  2017418日  周二 15:30

报告地点:  信息科学与工程学院 542 报告厅

报告人简介:唐卓,毕业于华中科技大学计算机学院,获工学博士学位。现任湖南大学信息科学与工程学院副教授,计算机科学系副主任。研究方向为分布式计算与云计算,研究兴趣为大数据并行处理体系结构,分布式机器学习。专注于资源虚拟化池,OpenStack私有云体系结构,基于MapReduce和Spark的机器学习算法的并行化,面向数据特征的Spark和Hadoop任务调度和体系结构优化等问题的研究。主持研发了lucloud云资源管理软件和CloudMining大数据并行处理与分析平台,已成功应用于智能制造、医疗、金融等应用领域,提供数据存储、分析和挖掘服务,且正在为OpenStack 开源社区中的TriClircle项目贡献代码。曾担任IJPP期刊客座编辑,担任TPDS、FGCS、JPDC、TOC、TCC、计算机学报、通信学报等国内外重点期刊审稿人,担任HPCC、ChinaGrid2011、PDCAT2012、ParCFD2013 PC member,BIC-TA 2010 Publication Chair,获教育部科技进步二等奖湖南省自然科学奖,湖南省优秀博士后奖各一项。 

 

报告主要内容:针对目前智能制造对云计算、大数据、人工智能领域的迫切需求,探讨CPS与大数据的关系,分析GE Predix平台的本质。在此基础上描述基于大数据的工业云操作系统及其体系结构,重点介绍其自主研发的数据采集、并行处理与智能算法平台:云麦。在云麦的应用实例中,我们根据数控机床实时数据的特点,基于分布式文件系统HDFS与数据并行处理开源框架Spark提出了一种面向智能攻钻中心的工业数据实时采集和并行存储方法,并在实际工业生产环境中进行了实施和测试,该方法采用基于内存的多级缓存系统,弥补了传统使用HDFS作为最终存储系统的短板,减轻了云端数据传输网络压力,并实现了任务并行化执行。