gstarOS

矿山通用技术平台 · 以模块化、组件化架构构建业务中台与数据中台,为上层智能应用提供统一技术底座

平台定位

基于矿山工业互联网平台,集成各业务系统数据及感知层数据,形成具有自感知、自决策、自执行能力的数字化底座

工业智能平台工作台

通用技术平台概述

gstarOS 是指南星程面向煤矿/工业现场打造的通用技术操作系统,遵循"云边端"分层架构与微服务设计原则,向下对接 OPC、Modbus、MQTT、PLC 等工业协议,向上支撑综合管控、灾害防治、智能煤流等业务应用。

平台涵盖物联采集、实时计算、湖仓治理、GIS 组态、运维管理、工业智能 AI 等核心能力,实现多源数据统一接入、治理、建模与开放共享,满足 5 万+ 实时监测点接入、系统可用性 ≥99% 的工业级要求。

  • 统一 I/O 采集服务,适配标准/非标准工控设备
  • K8S 微服务底座 + API 网关统一治理
  • 标准 SDK / Web API,开放第三方接入

技术架构

纵向到底、横向到边的三级应用平台开放融合

云 · 数据中心

Hadoop / Kafka / Redis 集群,Iceberg 湖仓分层,Flink 实时计算,支持海量时序数据 5 年以上存储与聚合分析。

边 · 边缘计算

Node-RED 采集编排、边缘 AI 视觉分析、WebSocket 实时推送,满足井下低时延感知与本地容错需求。

端 · 感知接入

支持 OPC、Modbus、CAN、MQTT、FTP、JDBC、PLC 等多协议,构建设备物模型与 100+ 矿用设备标准模型。

管 · 运维治理

K8S 容器编排、镜像管理、RBAC 权限、统一身份认证、消息中心与审计日志,保障平台稳定运行。

六大核心平台

基础服务平台

基础服务与微服务平台

以 K8S 为底座,各业务模块在统一规范框架内部署、运行和管理,提供统一服务注册发现、配置中心、服务网关与访问控制。

  • 统一身份认证:一套账号通行多子系统,支持 SSL 加密与复杂密码策略
  • 统一门户:应用集成、权限管理、告警与运行日志集中管控
  • 消息中心:系统公告、应用提醒、告警主动推送,支持多通道分发
  • 微服务 API 网关:WebApi 统一管理,详细接口文档,良好开放性
物联采集平台

物联采集平台

工业数据采集是综合管控平台构建的核心组成部分,支持文件交换、数据库、OPC、PLC 等多种采集方式,无需代码开发即可通过配置规则链扩展数据源。

  • 设备物模型:100+ 矿用设备标准建模,支持自定义数据模型
  • 采集任务:Node-RED 编排 → Kafka Topic 归一化出口
  • 多源接入:消息队列、API 轮询、文件定时、关系库增量/全量
  • 覆盖采煤、掘进、主运、通风、供电、排水、安全监测等 20+ 子系统
大数据与实时计算平台

大数据与实时计算平台

依托 Kafka 消息队列与 Flink 实时引擎,提供一站式流式数据处理;湖仓分层(ODS/DWD/DWS/ADS)治理,支撑海量数据 5 年以上存储与二次分享。

  • 实时计算:可视化清洗任务 + 实时 SQL 统计、多维聚合、多流整合
  • 湖仓治理:SeaTunnel 入湖/ETL + dbt 分层建模与物化
  • 数据资产目录:湖仓表、Topic、元数据统一登记与权限审批
  • 多租户隔离、读写分离、主备容灾,5 万+ 监测点并发接入
GIS与工业组态平台

GIS 与工业组态平台

提供二三维一体化可视化能力,支持拖拽式工业监控组态,无需代码开发即可构建设备运行监视与控制画面。

  • GIS 一张图:巷道、通风、供电、运输、人员、安全监控多图层融合
  • 三维建模:井巷工程、工作面、兴趣点与风险区域空间标注
  • 工业组态:B/S 架构拖拽配置,矿山设备图标库,参数动态刷新
  • 联动分析:告警随动、视频随动、子系统随动,辅助应急指挥
运维管理平台

运维管理平台

基于 K8S 构建资源池,通过运维平台统一管理 Docker 镜像与应用生命周期,实现动态扩容与运行监控。

  • 工作空间:多租户管理,数据隔离与灵活权限控制
  • 资源监控:CPU、内存等资源实时分布视图
  • 镜像管理:上传、同步、版本控制,保障容器一致性
  • 容器管理:启动、停止、重启、删除全生命周期管控
工业智能AI平台

工业智能 AI 平台

面向煤矿/工业现场,提供从多源数据接入、湖仓治理、训练数据集与标注、特征工程、模型训练发布到 Dify 业务编排与运维监控的一体化能力,打通「数据准备 → 标注 → 训练 → 发布 → 业务编排」全链路。

  • 数据准备线:数据源登记 → Node-RED 采集 → 入湖/ETL → 数据集 → Label Studio 标注
  • 模型交付线:训练/AutoML → 模型仓库 → 推理加速 → 发布推理服务 → API Key
  • 业务编排线:Dify 工作流编排,平台应用与 Dify /apps 同步,HTTP 工具调用推理 API
  • 平台治理线:系统设置统一维护 Kafka/ClickHouse/Dify 凭证 → RBAC 审计 → 集成网关
数据接入与特征工程

数据接入与特征工程

统一数据源登记与 Node-RED 采集任务,湖仓治理、数据集管理与 Label Studio 标注联动,特征流水线输出可复用特征组。

  • 数据源管理:FTP/MQTT/JDBC/OPC 连接登记与测试
  • 采集任务:Node-RED 编排写入 Kafka Topic
  • 湖仓治理:SeaTunnel 入湖、ETL、dbt 分层建模
  • 数据集与标注:按数据类型自动生成标注模板
  • 特征工程:可视化流水线、特征存储与调度
  • 语义层:语义视图、指标仓库、术语映射
模型开发与训练

模型开发与训练

将数据集与特征转化为可版本管理的模型资产,支持实验对比、AutoML 与模型血缘追溯。

  • 模型仓库:上传/注册 ONNX/pkl/pt,版本对比与血缘
  • 训练任务:引用数据集版本、特征组或湖仓表
  • 任务监控:日志、Loss 曲线、早停与续训
  • AutoML:自动搜索模型与超参,排行榜对比
  • 模型评估:离线指标评估与报告导出
模型部署与服务

模型部署与服务

将模型仓库版本发布为可调用的生产服务,供 Dify 编排与业务系统通过 HTTP API 调用。

  • 格式转换:TF/PyTorch/sklearn 转 ONNX
  • 在线发布:K8s/Docker 部署,配置副本与资源配额
  • 边缘部署:Docker 镜像下发 x86/ARM64 设备
  • 灰度发布:流量比例切分与 A/B 测试
  • API 管理:OpenAPI 文档、API Key 鉴权与限流
智能体编排与协同

智能体编排与协同

以私有化 Dify 为编排引擎,将数据、特征与已发布模型编排为业务工作流,结果回写业务系统。

  • 编排应用:平台新建应用与 Dify /apps 同步
  • 工作流画布:数据源、特征 SQL、模型 API、分支节点
  • 进入编排:新窗口直达 Dify workflow 编辑页
  • 推理调用:HTTP 请求/自定义工具节点调用推理 API
  • 回调联动:编排结果触发规则与业务系统回调
模型运维与监控

模型运维与监控

保障模型上线后可观测、可恢复、可审计,形成健康监控、漂移检测与回滚闭环。

  • 服务健康:QPS、延迟、错误率指标采集
  • 数据漂移:PSI/KS 分布监控与漂移告警
  • 性能衰减:定期对比预测与真实反馈
  • 日志审计:推理日志记录、检索与合规导出
  • 版本回滚:一键切回历史模型版本
集成管理

集成管理

将工业智能平台嵌入企业 IT 体系,避免平台成为数据与模型孤岛。

  • 身份认证:SSO/LDAP 对接与主数据同步
  • API 网关:统一路由、限流与流量治理
  • 事件总线:与 MES/安监系统事件驱动联动
  • 系统设置:Kafka/ClickHouse/Dify/Node-RED 凭证集中维护
  • 治理与审计:RBAC 权限、操作审计与合规报告

端到端数据流

数据准备 → 标注 → 训练 → 发布 → 业务编排,全链路可演示、可审计

01

数据源接入

登记 FTP / MQTT / 关系库 / PLC 等连接,平台统一配置 Kafka、ClickHouse

02

采集与入湖

Node-RED 采集任务写入 Kafka,SeaTunnel 落地 ODS 层 Iceberg 表

03

湖仓治理

ETL 加工至 DWD/DWS,dbt 分层建模,资产目录登记元数据

04

数据集与标注

从湖仓/采集任务圈定样本,Label Studio 按数据类型自动配置标注界面

05

模型训练发布

引用数据集版本或特征组训练,注册模型仓库并发布 HTTP 推理服务

06

业务编排

Dify 工作流调用推理 API,与综合管控、报警中心等业务系统联动

平台性能指标

5万+
实时监测点接入
≥99%
系统有效工作时间
200+
并发用户支持
<1s
页面响应速度