智慧农业需要大规模的传感器采集空气温湿度、土壤温湿度、土壤氮磷钾、二氧化碳等多种农业数据,传感器的数据格式差异大,导致开发成本高;传感器的数量规模一般需达到数十万,数据传输压力大,导致数据可靠性降低,数据传输设备出现故障的频率上升。另外,海量的传感器数据后期处理需要高并发的数据存储服务。针对上述问题,本文以某国家重大专项项目为背景,在对传感器数据存储、Linux内核网络接口、异步网络通讯框架Netty等相关技术进行深入分析研究的基础上,设计并实现了一个面向智慧农业的大规模传感器数据采集系统(简称MSDAS),该系统采用数据存储服务端-MSDAS网关-传感器三层结构,具有支持海量数据融合处理、统一管理维护、多方参与等特点,包括基于传感器数据元数据的传感器数据解析、MSDAS网关通讯网络、传感器数据存储服务等核心功能及组件。最后,本文以千亩见方的实验农田为验证对象,部署一千数量级的传感器节点和百台数量级的MSDAS网关设备、并模拟十万数量级的传感器节点和千台数量级的MSDAS网关设备,对MSDAS进行了测试和应用验证。测试和应用情况表明,MSDAS系统是可行及有效的。本文的主要工作要点如下:(1)基于元数据的传感器数据解析。面向智慧农业的传感器数据采集需要支持不同类型、型号、厂商的传感器使用不同数据封装方式所带来的数据异构性。本文提出并实现了一种基于元数据的传感器数据解析方案,通过制定描述传感器数据格式的元数据,MSDAS网关解析用户提交的传感器元数据,并生成对应类型的传感器数据解析器。应用情况表明,MSDAS系统目前已支持十数种类型数十种型号的传感器,并可自由扩展。(2)基于MSDAS网关通讯网络的数据传输。面向智慧农业的传感器数据采集需支持数十万的传感器规模的数据传输压力。本文提出并实现了一种由MSDAS网关构成的森林状通讯网络,MSDAS网关可实时监测数据传输速率并改变后续路由,以避免热点MSDAS网关的数据拥堵,MSDAS网关还可以在TCP/IP层对数据进行过滤,以减少需要传输的数据量,优化传输效率。应用情况表明,MSDAS系统可以支持每天数亿次的网络数据传输请求。(3)基于MongoDB的海量传感数据存储。数十万数量规模的传感器每天将产生数以亿计的传感器数据,对这些海量数据的存储需要支持高并发、高可扩展和高可用的特性。本文提出并实现了一种基于MongoDB的海量数据存储服务,该存储服务使用硬负载将传感器数据轮询发送至使用了Netty异步网络通讯框架的主机节点,这些节点将数据解析并存储到使用了MongoDB Sharding功能的数据库中。应用情况表明,MSDAS系统能够支持每天约2亿次数据存储请求。