我国建筑行业发展迅猛,施工工地体量庞大,但工地安全防范及管理措施相对国外信息化程度较低,每年全国因安全行为不合规造成的伤亡不计其数。运用物联网技术、大数据及云计算技术对工地行为进行智能化管控的智慧工地应用是如今建筑行业对施工工地进行管理的发展趋势。但智慧工地管理系统同时接入大量施工工地,每个工地又同时存在多个数据采集设备,若这些海量数据同时发送至云平台,会造成数据高并发现象,给平台带来巨大的负载压力,进而造成数据丢失、服务器崩溃等影响系统正常运行的问题。研究数据高并发问题不仅能够提高智慧工地管理云平台的可用性,同时具有重大的现实意义。本文以智慧工地下的施工现场用电安全监控子系统为应用场景,对其在接入云平台时产生的海量用电数据高并发问题做出研究。系统接入大量配电箱用电数据及状态采集设备,设备将采集的数据发送给云平台,平台进行任务调度、实时计算分析、展示结果等业务,其面临典型的数据高并发问题。本文就如何对高并发数据有效处理的系统架构、负载均衡算法和实时计算进行如下研究:1.分析施工现场用电安全监控系统的高并发场景需求,考虑到单一服务器无法支撑系统后端庞大的数据量,采用集群形式来缓解单一服务器的负载压力。设计出适用于该系统的高并发架构,包括接入层、数据分析层和应用层,本文着重研究架构中高并发数据接入和实时计算两部分。2.高并发数据接入平台,易造成集群服务器负载率不均衡,个别服务器负载压力过大。为解决此问题,结合HAProxy负载均衡器和云计算下的虚拟化技术进行任务调度研究。任务调度将不同任务调度到合适的服务器上执行,并用任务分配完成时间和服务器负载均衡效果来评价调度算法的优劣。粒子群算法（Particle Swarm Optimization,PSO）搜索速度快、效率高、算法简单,是常见调度算法,但其容易陷入局部最优。本文针对其算法缺陷提出基于讨论机制的粒子群算法（Discussion Mechanism PSO,DM-PSO）来求解最优服务器,搭建Cloud Sim云计算仿真平台,与其他调度策略进行对比实验证明:DM-PSO算法在系统中能有效优化负载均衡问题,进而提升系统吞吐量。3.高并发数据任务调度之后需对任务进行实时计算,实时捕捉到对项目有用的信息,并把结果发送出去,实时计算效率会影响前序高并发的数据接入处理。传统D-Stream和NDD-Stream算法对海量数据流进行聚类处理时存在处理响应时间差较大、实时性不能得到保证的缺陷。针对该问题,本文在D-Stream算法基础上设计了基于降维处理和加权平均密度的数据流聚类算法（Principal components Weighted average density D-Stream,PWD-Stream）。将其算法部署到Flink处理框架中进行验证,并与D-Stream和NDD-Stream算法对比,实验结果表明:PWD-Stream算法在处理海量数据流上具有更好的聚类时效性和聚类精度,缩短系统任务计算时间。