我国茶叶种植有着悠久的历史,种植范围遍布全国。但是茶叶种植方式多年来一成不变,从而导致茶叶产量难以提升。随着农业信息化的发展,实时数据获取能力得到极大的提高,使得农户可以改变单纯以经验判断的茶叶种植方式。为了对茶园种植有更深入的了解,越来越多的数据采集设备被布置在茶园中以获取茶叶生长相关数据。如何从大量数据中获取知识和规律以改进茶叶种植方式已成为重要的研究方向。本文通过部署传感器获取了黄茶生长过程的环境数据和土壤数据等,并记录茶农日常操作流程,在此基础上构建数据管理系统。该系统以缙云黄茶为研究对象,为茶园提供实时数据展示、异常环境报警和农事作业管理等功能。进一步地,对系统中数据存储和异常数据处理的方法进行优化。本文主要做了如下工作:(1)鉴于传统单体架构难以满足黄茶数据管理系统的可扩展性和可维护性的需求,采用微服务作为系统的架构,对微服务相关技术进行分析,研究微服务系统实现的过程。(2)针对数据迅速增加导致的单个数据库存储压力增大、数据查询变慢等问题,引入分层存储的思想,运用基于最大存储量的高低水位算法的数据迁移策略,将数据有序地存储在不同的数据库中。经过验证,数据迁移的效果良好,并且数据查询效率对比以往单个数据库存储有了较大的提升。(3)针对原始数据中存在噪声数据的问题,提出改进的DBSCAN算法进行异常数据处理。通过计算所有数据点相互之间的欧式距离,并对构造的距离矩阵进行排序,得到各行矩阵的距离升序曲线,从而预估参数Eps的最优取值范围。通过实验验证,预估范围内的参数聚类效果较优,有很好的滤波效果,证明改进的算法有效。(4)对黄茶生长大数据管理系统的功能模块进行设计与实现。根据茶园的需求,进行系统总体方案设计,研究系统功能模块和数据库的设计过程,实现功能模块的业务逻辑。通过系统的功能演示和算法在系统中的效果验证,证明本文黄茶生长大数据管理系统的可行性和有效性。