下载掌阅APP，畅读海量书库
立即打开
传统的数据处理主要是针对结构化数据展开，首先是利用关系型数据库对结构化数据进行存储，在此基础上进行聚类等数据分析，这对于少量结构化的数据处理是高效的，但是随着数据量的增多、数据类型的丰富多样，以及数据的多源异构性、数据实时处理的需要，这一处理流程不再适用 [32] 。
而在数据空间中的数据处理中，对于采集到的不同的数据集，可能存在不同的结构和模式，如文件、视频、音频、电子邮件等，表现为数据的多源异构性。对多源异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成一个新的数据集，从而提高数据质量，为后续查询和分析处理结果质量提供保障。
实时数据处理是进行数据分析的基础。随着时间流逝，数据所蕴含的价值也在下降，所以对数据处理的时效性提出了很大的挑战。由制造业数据空间采集的大量实时数据，需要在云端或边缘端进行存储和计算。云计算把握整体，有海量的计算能力、存储能力、应用开发以及模型开发训练的能力，能够在周期性维护、业务决策支撑等领域发挥特长，但却缺少实时性 [33] ；而边缘计算则专注于局部，聚焦实时、短周期数据的分析，能很好实现实时运行环境、实时模型环境、本地存储以及实时响应等功能 [34] 。两者各有所长，相互协同，能有效帮助工业企业实现设备现场的实时分析、应用和控制。