在新冠疫情持续肆虐全球的背景下,我国取得了震撼世界的抗疫成绩,进入了以防范为主的后疫情时代。国家逐步建立起了一套预防监控体系,其中全自动红外测温设备把控第一道关卡,但是目前体温检测基本以本地机器为终端,数据孤立严重。因此本文建立了一个以区域为整体的大数据管理系统,通过实时和批量采集各测温设备的监测数据,该系统能通过数据的处理、分析,管理人员能在疫情爆发的前中期及时的察觉异常,从而达到控制疫情爆发的效果。基于体温的疫情监测管理系统的设计和实现,严格按照实际应用中的开发模式,首先从现有疫情防控情况和面对疫情爆发暴露出的问题入手,进行了详细的需求调查,确定了为解决疫情数据孤岛和为疫情爆发前中期提供分析和辅助判断的主要开发目的,按照需求设计了系统的功能、技术、体系架构,将系统分为担负异常数据预警和远程跟踪处理的实时监测预警模块、担负全量体温数据分析的离线分析模块,以及监测系统管理模块,对需求中各功能子模块进行了详细设计。系统服务端使用的是Spring Boot开发框架,大数据端采用的是以Spark Streaming+Hive的流批分离式处理,实时流保证异常体温数据高粒度的及时统计及预警机制,批处理完成全量体温数据的分析处理。对异常体温数据,通过Flume和Kafka完成对体温检测日志的采集以及传输工作,重点在于对各设备类型测温日志进行标准化和ETL预处理,对Kafka和Flume进行了一定的优化,提高了数据传输的效率和服务的高可用性。针对全量体温数据,设计开发了Hive数据仓库,通过维度建模和分层设计解决了历史体温数据的存储问题,重点在于通过Kettle完成数据仓库的数据抽取、清洗和整合操作,提高了疫情统计分析的效率。最后由系统平台进行权限控制和数据展示工作,并开发了数据查询子功能,监测人员通过选项框即可完成Hive查询工作。体温监测系统采用大数据处理分析的方法,可以实现疫情实时监测上报,异常体温远程监控处理,体温数据实时与离线分析的功能,达到将原本各单位独立的红外测温设备统一管理,为疫情传播的前中期提供有效的分析手段的目的。此系统能为现有的体温检测预防体系提供一定的参考意义。