数控系统被广泛应用于机械、电子、自动控制、终端、机器人等领域,其在加工生产过程中内部会产生大量的电控化数据,这些数据是工业大数据的重要组成部分。数控大数据潜在地反映着数控机床运行状态、加工程序信息、内部电流状态、工件加工质量、效率等状态,对这些数据进行数据规律挖掘就可以在数据层面对数控机床的状态进行判断。合理利用这些规律就能够提高数控机床生产效率,改善产品质量。鉴于工业大数据价值密度低的特点,我们首先需要对完整的工业大数据进行数据价值密度的筛选,提取出那一部分价值密度高的数据,在此基础上进行数据规律的挖掘与研究。本文以数控系统内部产生的大数据的开发与应用为出发点,在“高价值”数据提取模块设计上,参考ETL模型,设计了基于分布式并行计算框架MapReduce的数据提取方法。同时对现有的数控机床工业大数据的数据采集、存储系统进行研究,基于Redis的发布订阅系统设计了流式数据访问方法。在数据计算模块基于Spark的专有数据类型RDD,合理使用RDD操作算子,进行数据机床大数据的预处理,进行特征值的提取。初步揭示数控大数据的规律,从数据角度反映机床状态。同时基于SparkMLlib实现常用机器学习算法,为机床大数据的价值挖掘提供算法支持。针对实际开发需求,进行了基于WebService技术的数据服务封装。将封装后的WebService接口发布至Tomcat服务器之中,以达到支持数据服务的跨语言、跨平台调用的目的。从离线开发环境的需求出发,基于VMware虚拟化技术,集成相关应用开发所需基础服务,构建了离线开发调试平台。基于以上研究,对本文所提到的方法进行了功能性测试,并且对数据提取方法进行了扩展性测试。结果表明了本文所提出的方法的有效性,可以基于这些方法为机床大数据的开发提供使能工具,方便开发人员进行数控领域大数据开发。