工业4.0时代的到来,加上互联网和计算机技术的迅速发展,为工业生产和工业管理等环节带来了大量的工业数据,工业大数据的分析挖掘成为未来工业信息化发展的关键。但是工业领域涉及广泛、结构复杂、影响因素多样,工业大数据具有数据量大、实时性高、结构复杂、存储介质多样等特点。随着数据量的累计,传统的数据处理方式难以解决工业大数据数据量大、结构复杂的难题,亟需新的工业大数据平台来统一管理这些海量的数据,并尽可能的挖掘这些数据潜在价值,为智能化生产提供决策。本文依据工业大数据的特点与需求,设计了一个面向工业的数据处理系统,该系统设计了五层架构体系。分别为数据采集层、数据缓冲层、数据存储层、数据分析层和交互层。数据采集层主要的功能是与数据转发设备进行通信,负责工业生产过程中实时数据的采集;采集层之上是数据缓冲层,利用了Kafka分布式消息中间件,对实时采集的数据进行缓冲和临时存储,目的是实现数据采集和数据处理的解耦;数据存储层位于缓冲层之上,针对工业数据多源异构同的特点,选取了MySQL和分布式文件系统HDFS作为存储介质,负责工业数据的多级别存储功能,解决工业海量数据的存储问题;数据分析层以Spark作为大数据挖掘的计算框架,实现对海量数据的快速分析;交互层主要的功能是管理、监控整个系统,提供良好的管理画面。依据设计方案,本文实现了面向工业的数据处理系统,系统搭建了大数据基础平台Hadoop和并行计算框架Spark,并且进行模块化开发。最后本文对设计的系统进行了测试,实验结果表明,本文设计的面向工业大数据的处理系统具有较好的性能,对工业数据的处理具有较好的实际意义。