百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

历史数据库的设计与实现

liuian 2025-05-15 19:07 2 浏览

摘 要: 针对Wonderware平台自带的历史数据服务无法满足大量历史数据同时存储的问题,对该平台的历史数据服务进行了研究和分析,在保证Wonderware平台存储历史数据的正确性、及时性和完整性的前提下,结合Wonderware平台与.NET能够兼容的特性,设计了一种新的历史数据存储方法,使用C#语言完成了基于.NET的自定义历史数据库的开发并投入实际使用,运行效果良好。

0 引言

美国Wonderware公司创建于1987年4月,致力于开发基于IBM PC及其兼容计算机的、应用于工业及过程自动化领域的人机界面(HMI)软件,是一家领先的工业自动化与信息软件解决方案供应商[1]。Wonderware平台是美国Wonderware公司为适应严格的实时工业环境而开发的产品,其提供了一个工业化的应用服务、一个强大的历史数据库服务、一个易于使用的信息服务、以及无与伦比的连通性[2]。但是在实际使用过程中发现,当历史数据的数据量多到一定程度时,该平台自带的历史数据库服务无法满足同时存储这些数据的要求,历史服务器的日志中会出现告警和错误。针对该问题,本文深入研究了Wonderware平台收集历史数据的体系结构,摒弃了平台自带的历史数据库服务,并在此基础上研发了一种新的历史数据库,保证了在数据量巨大的情况下历史数据仍然能够正常进行存储。

1 历史数据存储体系结构

1.1 Wonderware平台配置历史数据库服务

在Wonderware平台的IDE中可以实现对整个平台服务的配置,在Platfrom级别和Engine级别的对象下包含历史数据服务的配置[3]。如图1所示,选中“Enable Storage To Historian”后,就开启了历史数据服务功能,经过正确配置后就可将该引擎下所有的历史数据存入历史服务器。

通过图1中的几个关键配置项,可以实现历史数据的存储。其中Historian用来配置历史数据服务器名称,Storeforward deletion threshold用来配置存储转发数据块的删除临界值,Storeforward minimum duration用来配置存储转发最小间隔,Forwarding chunk size用来配置转发数据块大小。通过这些配置可以发现,Wonderware自带历史数据服务的关键是通过存储转发完成历史数据的存储,即通过简洁的界面配置就可在系统各平台内进行历史数据存储。但是,在实际运行中发现,当Wonderware平台接入的数据点非常多时,历史数据服务存在低概率出现错误的可能性,会影响系统的正常使用。

1.2 自定义历史数据库的数据存储结构

数据库连接是一种关键的、有限的昂贵资源,建立一个数据库连接需要消耗大量系统资源,频繁地创建数据库连接会大大削弱应用性能,所以在自定义的历史数据库中,如何尽可能减少数据库的连接是关键所在。通过研究Wonderware平台自带的历史数据服务可以发现,历史数据通过存储转发策略进行存库。同样,在自定义历史数据库中也采用这种存储转发的策略,使用ADO.NET技术,将系统接收的数据连续存入中转文件[4],然后再将中转文件内容复制到历史数据库,每一个中转文件一旦被成功读取并将数据存储到数据库后就被删除,这样就在极大程度上节省了宝贵的数据库资源,降低了系统负载,杜绝历史数据存库的失败。本文中,在遥测对象中增加脚本程序,使用接口函数接收数据,对数据进行周期性和突发性地存储,然后将数据存入本地文件。在引擎中增加脚本程序,使用接口函数获取本地文件,将本地文件周期性存入历史数据库,然后删除已经被读取过的文件。流程如图2。

2 自定义历史数据库的设计

Wonderware平台以开发工具包的形式扩展了Microsoft Visual Studio.NET,并且在脚本中支持绝大部分 .NET函数。但是由于在脚本中进行代码编辑不方便,并且有些函数和类库使用起来不如在.NET中简单,所以此处采用编写外部函数库的方法,使用C#语言完成自定义函数库的开发。数据库平台选用SQL Server。

2.1 将历史数据存入中转文件

历史数据分为周期性存储和突发性存储,定义周期性存储间隔为5 s,当历史数据发生突变并且变化范围超过阈值时,进行突发性存储。在每一个对象的Function Script中获取数据后,将数据用“,”分隔,拼接成string类型的字符串,先放在动态数组里。动态数组是C#提供的一种优秀的数据结构,可以动态地分配存储空间,而不是像普通数组那样必须先定义好数组长度,所以使用List可以有效节省内存。

代码如下:

string combinedata=time+“,”+name+“,”+value+“,”+quality;

public static List<string> Liststr=new List<string>;

Liststr.Add(combinedata);

中转文件可以采用多种格式,此处采用TXT文件,按照存储周期为1 min将数组存入TXT文件。TXT文件被特定的命名格式(如“站名-点名-时间精确到分”)存放在D盘的名为“Data”的文件夹下。代码如下:

string Path="D:\\中转文件\\Engine_"+EngineName+"_当前时间"+"("+DateTime.Now.ToString("yyyyMMdd_HHmm")+").txt";//时间精确到分钟

2.2 将中转文件数据存入数据库

如果是用readline方法来逐行读取TXT中的数据无疑是最容易被想到的办法,但是这样会大大降低数据存储速度,并且会持续性占用大量数据库连接资源。所以需要一种更加优化的方法来进行数据的存储。

利用ADO.NET中的Datatable技术和SqlBulkCopy类,将TXT文本文件中的数据存储到数据表中,然后将数据表中的数据复制到数据库中。虽然使用SqlBulkCopy类只能向SQL Server表写入数据,但数据源不限于SQL Server,可以使用任何数据源,只要数据可加载到DataTable实例或可使用IDataReader实例读取数据即可[5]。此方法可以大量节省数据库资源,是一种高效的处理方式。

创建DataTable实例:

DataTable dt=new DataTable;

dt.Columns.Add(new DataColumn("时间"));

dt.Columns.Add(new DataColumn("名称"));

dt.Columns.Add(new DataColumn("数据"));

dt.Columns.Add(new DataColumn("质量"));

SqlBulkCopy将DataTable复制到数据库中:

System.Data.SqlClient.SqlBulkCopy sbc=new

System.Data.SqlClient.SqlBulkCopy(SQL

ConnectionString);

{

sbc.BulkCopyTimeout=5000;

sbc.BatchSize=dt.Rows.Count;

sbc.DestinationTableName="中转文件";

sbc.WriteToServer(dt);

}

3 结束语

使用C#语言设计的基于.NET平台的历史数据库具有存储速度快、占用资源少、保证数据完整性的优点,与Wonderware自带的历史数据库服务相比具有更优良的海量数据存储性能。目前该数据库已经应用到远动监控系统中,运行效果良好。

参考文献

[1] Invensys Systems, Inc. Alarm toolkit guide[R]. UK: Invensys Systems, Inc, 2009.

[2] Invensys Systems, Inc. IT alarms and events[R]. UK: Inven sys Systems, Inc, 2009.

[3] Anon. Wonderware[EB/OL]. (2013-12-19)[2015-05-10]. http://www.baike.baidu.com.

[4] NAGEL C.Professional C#4 and .NET 4[M].李铭,译.北京:清华大学出版社,2010.

[5] 张奇,李律松,卫建伟,等.Visual C#数据库项目案例导航[M].北京:清华大学出版社,2005.

相关推荐

【常识】如何优化Windows 7

优化Windows7可以让这个经典系统运行更流畅,特别是在老旧硬件上。以下是经过整理的实用优化方案,分为基础优化和进阶优化两部分:一、基础优化(适合所有用户)1.关闭不必要的视觉效果右键计算机...

系统优化!Windows 11/10 必做的十个优化配置

以下是为Windows10/11用户整理的10个必做优化配置,涵盖性能提升、隐私保护和系统精简等方面,操作安全且无需第三方工具:1.禁用不必要的开机启动项操作路径:`Ctrl+S...

最好用音频剪辑的软件,使用方法?

QVE音频剪辑是一款简单实用的软件,功能丰富,可编辑全格式音频。支持音频转换、合并、淡入淡出、变速、音量调节等,无时长限制,用户可自由剪辑。剪辑后文件音质无损,支持多格式转换,便于存储与跨设备播放,满...

Vue2 开发总踩坑?这 8 个实战技巧让代码秒变丝滑

前端开发的小伙伴们,在和Vue2打交道的日子里,是不是总被各种奇奇怪怪的问题搞得头大?数据不响应、组件传值混乱、页面加载慢……别慌!今天带来8个超实用的Vue2实战技巧,每一个都能直击痛...

Motion for Vue:为Vue量身定制的强大动画库

在前端开发中,动画效果是提升用户体验的重要手段。Vue生态系统中虽然有许多动画库,但真正能做到高性能、易用且功能丰富的并不多。今天,我们要介绍的是MotionforVue(motion-v),...

CSS view():JavaScript 滚动动画的终结

前言CSSview()方法可能会标志着JavaScript在制作滚动动画方面的衰落。如何用5行CSS代码取代50多行繁琐的JavaScript,彻底改变网页动画每次和UI/U...

「大数据」 hive入门

前言最近会介入数据中台项目,所以会推出一系列的跟大数据相关的组件博客与文档。Hive这个大数据组件自从Hadoop诞生之日起,便作为Hadoop生态体系(HDFS、MR/YARN、HIVE、HBASE...

青铜时代的终结:对奖牌架构的反思

作者|AdamBellemare译者|王强策划|Tina要点运维和分析用例无法可靠地访问相关、完整和可信赖的数据。需要一种新的数据处理方法。虽然多跳架构已经存在了几十年,并且可以对...

解析IBM SQL-on-Hadoop的优化思路

对于BigSQL的优化,您需要注意以下六个方面:1.平衡的物理设计在进行集群的物理设计需要考虑数据节点的配置要一致,避免某个数据节点性能短板而影响整体性能。而对于管理节点,它虽然不保存业务数据,但作...

交易型数据湖 - Apache Iceberg、Apache Hudi和Delta Lake的比较

图片由作者提供简介构建数据湖最重要的决定之一是选择数据的存储格式,因为它可以大大影响系统的性能、可用性和兼容性。通过仔细考虑数据存储的格式,我们可以增强数据湖的功能和性能。有几种不同的选择,每一种都有...

深入解析全新 AWS S3 Tables:重塑数据湖仓架构

在AWSre:Invent2024大会中,AWS发布了AmazonS3Tables:一项专为可扩展存储和管理结构化数据而设计的解决方案,基于ApacheIceberg开放表格...

Apache DataFusion查询引擎简介

简介DataFusion是一个查询引擎,其本身不具备存储数据的能力。正因为不依赖底层存储的格式,使其成为了一个灵活可扩展的查询引擎。它原生支持了查询CSV,Parquet,Avro,Json等存储格式...

大数据Hadoop之——Flink Table API 和 SQL(单机Kafka)

一、TableAPI和FlinkSQL是什么TableAPI和SQL集成在同一套API中。这套API的核心概念是Table,用作查询的输入和输出,这套API都是批处理和...

比较前 3 名Schema管理工具

关注留言点赞,带你了解最流行的软件开发知识与最新科技行业趋势。在本文中,读者将了解三种顶级schema管理工具,如AWSGlue、ConfluentSchemaRegistry和Memph...

大数据技术之Flume

第1章概述1.1Flume定义Flume是Cloudera提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统。Flume基于流式架构,灵活简单。1.2Flume的优点1.可以和...