大数据时代的发展给社会中的各行各业带来了大量的机遇和挑战,随着工业4.0以及《中国制造2025》的提出,更加推动了大数据技术和工业制造领域的结合,如何通过大数据技术从工业数据中挖掘出价值,从而提供决策支持、优化生产流程、实现智能制造,成为了大数据在工业领域的研究关键。但由于制造工厂的规模扩大、生产设备的数量增加导致大数据的4V特征在工业领域被显著增强。传统的工业领域采用的往往是离线数据仓库来应对海量数据的存储和处理问题,但面对时效性更高的需求,例如工厂中各项监控指标的实时计算、设备的实时监控预警,离线数据仓库却并不能提供有效的解决方案。面对这些问题,需要一种新的处理方法来实现。本文围绕工业实时数据的处理,设计并实现了一个基于Flink的面向工业领域的实时数据仓库系统。该系统由数据集成、数据处理、数据存储、数据服务四个模块构成。数据集成模块对业务数据和流数据使用了不同的采集方式,并通过Kafka传输到实时数仓中。数据处理模块实现了实时数据的维度建模,分为ODS层、DWD层、DWS层、ADS层和DIM层,每层数据使用Flink进行计算并用Kafka转发,同时利用CEP技术实现了工业设备和环境情况的实时预警。数据存储模块使用Click House数据库存储DWS层数据;HBase和Redis存储维度数据;Kafka存储中间层数据,实现了数据的分类存储。数据服务层实现了用户和工业实时数仓的交互功能。在工业领域中,由于数据的复杂性和动态性,手动制定实时预警的CEP规则往往难以实现,针对这一问题,本文设计了基于遗传算法的CEP规则自动抽取框架,可以从历史数据中自动提取出实时预警所需要的CEP规则,并通过实验验证了算法的准确性和可行性。最后通过分布式集群来搭建系统环境,实现实时数仓各个模块具体功能,并编写可视化界面对数仓数据进行展示,实现了工业实时数据的处理和分析,为工业生产提供数据统计分析和设备监测预警等功能。