随着网格计算的高速发展,大规模实时工业数据分析在工业生产过程中起到了举足轻重的作用,通过实时监控分析工业数据,能够极大的指导生产,提高生产力。然而在实时工业数据分析领域主要还存在几大问题：第一,实时数据生成的速度非常快,占用大量的系统存储空间,如何在不丢失数据特征的情况下尽量减小存储压力是一个急需解决的问题。第二,在大规模的实时数据的传输及处理过程中,会在采集器与中心服务器间形成千上万的并发数据连接,此时服务器的稳定性、高效性至关重要。第三,传统的TCP协议参数已经不能适应当前的高速网络,如何优化协议使得网络传输的吞吐量更大。在本文中我们分别从数据压缩、网格服务器性能以及网络传输性能三个方面进行阐述我们网格计算相关的优化成果。本文主要完成了以下工作：(1)工业数据实时性要求较高,会随着时间形成一条曲线。工业产生的实时数据量非常大,不可以通过缓存大量数据后再分析整个数据的走向特性选择对应的压缩方案,整个压缩算法的处理过程必须具有高压缩比和低资源消耗。本文提出了针对工业实时数据压缩的曲线面积映射压缩法。根据测试结果,算法压缩比是传统SDT压缩法的2.16倍。(2)在数据网格环境中,服务器的性能一直是整体网格性能的关键要素之一。在本文中我们分析了网格服务器常见的性能瓶颈并在我们的网格环境中引入了用户空间I/O调度、零拷贝、事件驱动架构技术来提高网格服务器的性能。在大量小文件读取的情况下引入用户空间I/O调度能够节省近50%的磁盘I/O时间。通过零拷贝,网格服务器可以减少CPU在大量内核与用户空间切换之间引起的消耗,节省63%无用的上下文切换。事件驱动架构可以减少30%的CPU利用率并且达到线程驱动的最佳吞吐量。通过结合上面提到的这三种优化方法应用到我们的网格服务器中,新的解决方案可以在只消耗传统解决方案所占用CPU使用率的70%的情况下,系统饱和吞吐量比传统方案提高30%。(3)网络流量测试表明,当前网络95%的数据流为TCP流,其它的为UDP或其它形式的数据流,因此TCP协议传输性能成为了制约整个网络数据传输性能的关键。通过分析TCP协议及其多个变种,纵向比较它们的拥塞控制算法,着重讨论了影响TCP协议性能的网络因素以及在不同网络环境下TCP协议的网络性能表现。实现了当前网络传输常见场景下广泛采用的相关TCP优化方案,并提出根据神经网络来预测丢包在保持链路公平的前提下来提高TCP吞吐量的方案,通过网络模拟实验显示,预测的一级命中率最高可以达到74%。