基于實時數據庫的“點位倉庫”技術研究

引言

隨著工業互聯網、智能制造和數字化轉型進程的不斷推進，各行業對現場生產數據的實時采集、集中管理和智能應用提出了更高要求。現場環境中產生的數據類型日益豐富，包括傳感器監測數據、設備運行狀態數據、報警信息數據、生產過程參數等，且數據規模持續擴大，變化頻率高、更新周期短，傳統的數據管理體系難以有效應對海量實時數據的采集、存儲和應用挑戰1]。同時，現有的數據存儲方式多以孤島式分散管理為主，不同系統、不同來源的數據標準不一、命名混亂、數據質量參差不齊，導致數據整合困難，系統間難以協同，數據應用效率低下。此外，隨著工業互聯網場景下業務系統數量的持續增長，數據接口管理混亂、標準不統一、內容不透明等問題日益突出，用戶無法根據自身需求靈活、自主地定制所需數據，接口開發與維護成本高昂，數據變更響應周期長，嚴重制約了數據價值的深度挖掘與創新應用2]。

在此背景下，基于實時數據庫的“點位倉庫”技術應運而生，通過建設集實時數據與業務數據于一體的中心化存儲平臺，規范點位數據的結構、分類與屬性標準，細化管理點位名稱、編號、單位、分類、閾值等元信息，打破數據孤島，實現跨系統、跨場景的數據資源統一管理3；圍繞點位倉庫建設，同步搭建統一接口管理平臺，將各類數據接口進行標準化、規范化、輕量化管理，建立透明的數據內容總覽體系，賦能用戶按需自主定制數據接口，提升數據服務的靈活性與敏捷性，顯著降低接口開發和維護成本[4，為推動企業數字化轉型和智能化升級提供重要底層技術支撐。

1.點位數據管理規范設計思路

點位數據作為現場各類生產、監測、控制等系統的基礎信息單元，其標準化管理直接影響數據的整合效率、數據利用效果，以及后續智能應用系統的開發與運維水平5。點位數據管理規范設計思路包括以下四個方面。

首先，確立點位數據標準建模體系，從點位的基本信息、擴展屬性、業務特性、關聯關系等多個維度，定義統一的數據字段、命名規范和分類體系，做到信息要素全面、層級關系清晰、命名唯一可識別。

其次，推行垂直細分類存儲機制，將所有點位按照功能模塊、應用場景進行多層級、細粒度的分類管理，如火氣監測、工藝流程、關鍵設備、報警系統、透平發電、全名為數據采集與監視控制（SCADA）系統等，從而提升檢索效率和應用靈活性。

再次，強化元數據與業務數據融合管理，不僅管理點位的靜態屬性，還須覆蓋報警閾值、狀態規則、采集頻率、數據重要度等動態業務屬性，使點位數據具備更強的業務支持能力。

最后，配合接口超市建設，確保所有點位數據通過標準接口統一發布，實現數據內容透明化[8、接口調用標準化，提升數據開放利用的便捷性和安全性。

通過上述標準化設計，可以確保點位數據從建模、采集、存儲、發布到應用全過程具備統一、規范、透明的特點，為后續系統建設、數據分析、智能應用提供堅實的數據基礎支撐。同時，通過標準體系的不斷迭代優化，也能夠持續支撐業務擴展與工業互聯網應用環境下日益增長的多樣化數據管理需求。

2.“點位倉庫”建設方案

在工業互聯網及智能化油氣生產體系快速發展的背景下，為有效應對現場數據高頻采集、異構類型、多系統協同應用等復雜場景需求，“點位倉庫”采用了“國產化實時數據庫 ^°+ 國產化業務數據庫”的雙庫協同建設模式。其中，國產化實時數據庫（如SUPCONiSYS）主要負責承載現場各類生產實時數據，包括溫度、壓力、流量、電參量等來自傳感器與設備的高頻采集數據，具備高速寫入、毫秒級查詢、壓縮存儲和實時推送等特性，適用于各類工藝過程的動態監測、報警聯動及曲線分析。而國產化業務數據庫（如KingbaseES）則用于存儲點位的主數據、元數據及業務邏輯信息，如點位名稱、編號、單位、分類、報警上下限、采集周期等，支持復雜結構建模、關系查詢、事務一致性管理，便于支撐信息系統的配置管理、數據權限控制與邏輯判斷等高層業務需求[10]。雙庫通過統一的點位ID建立數據關聯，并構建聯動機制，實現點位元數據變更與實時采集策略的同步更新，確保數據一致性與響應敏捷性。對外則通過接口服務平臺進行統一封裝，將兩類數據通過標準化接口進行集中發布，支持多系統調用和自助訂閱。

3.“點位倉庫”系統整體架構

“點位倉庫”系統整體架構如圖1所示。

如圖1所示，“點位倉庫”整體架構采用“數據層一數據接口層一應用層”的三級分層設計理念，構建了以微服務平臺為核心的數據服務中樞，實現了數據的集中管理、靈活調用和高效服務支撐。

底層為數據層，整合了多個數據資源中心，涵蓋點位基礎數據信息、點位歷史數據信息、點位實時數據信息、生產類業務數據和安全類業務數據，為上層應用提供多源異構的統一數據支撐。

中間層為數據接口層，基于SpringBoot框架構建微服務架構體系，集成JVM、AOP、DI、JDBC、REST、ORM等組件，具備良好的模塊化和擴展能力，并結合Docker容器技術，實現服務部署的彈性管理和可移植性。在微服務框架基礎上，系統通過服務注冊、網關路由、認證鑒權、服務發布、服務監控、負載均衡、日志記錄等機制，保障各項接口服務的可靠性與安全性。同時，接口層還構建了完善的接口生命周期管理體系，包括從接口分類到接口生成的各項模塊。

上層為應用用戶層，涵蓋多個核心業務系統，包括指揮中心、安全風險預警平臺、操控中心、生產應用平臺、數字孿生應用、人工智能應用和其他業務應用。各業務系統可通過微服務平臺提供的RESTfulAPI和JSON格式數據進行靈活接入與調用，實現統一數據視圖和統一服務輸出。

4．“點位倉庫”系統的實現

在“點位倉庫”系統上線前后，為全面驗證其在實際生產環境下的性能表現、數據支持能力和業務適配性，筆者開展了一系列系統測試工作，涵蓋數據接入效率、存儲穩定性、接口響應性

應用層 指揮中心 安全風險 預警平臺 操控中心 生產應用 平臺 數宇孿生 應用 人工智能 應用 其他業務 應用----- 接口分類 接口鑒權 接口申請 接口調用 數據項總覽 數據項定制 接口生成HTML 數據集成 日志記錄

數據接口層 組件庫 JavaScript 數據連 接管理 數據發布 1 數據 JSON微服務 C5S 數據鏈接管理 RESTful API平臺 EEEEEEES5858服務注冊 網關路由 認證鑒權 服務發布 服務監控 負載均衡 日志記錄AOP DI JDBC REST ORM 1=SpringBoot JVM容器管理 Docker 國 國 國 國 √二

數據 點位基礎數據信息 點位歷史數據信息 點位實時數據信息 生產類業務數據 安全類業務數據

層

能、并發訪問能力、數據一致性保障等關鍵指標。測試環境模擬真實油氣生產現場，接入包括壓力、溫度、流量、電參量等典型點位共計25000個，采集周期最小為1秒，測試周期持續30天，全面覆蓋了系統高峰負載與穩定運行階段，測試維度及結果如表1所示。

表1測試結果表明，“點位倉庫”系統在多個關鍵性能指標上均表現優異，充分驗證了其在復雜工業場景下的實用性與穩定性。在實時數據接入能力方面，系統在接入25000個點位、1秒采集周期的高并發條件下，平均寫入延遲控制在35毫秒以內，接入數據零丟包，顯示出良好的高頻采集能力。在業務數據同步效率方面，點位屬性和報警規則等元數據更新后可在1.2秒內完成同步，保障了實時數據與業務邏輯之間的一致性。接口調用響應性能測試中，在模擬10個業務系統同時調用、峰值達到1500QPS的壓力下，系統接口平均響應時間保持在100毫秒以內，接口可用性超過99.99% ，滿足高并發訪問需求。

同時，系統在數據一致性與容錯能力方面表現優異，在斷連、異常、恢復測試中實現了 99.98% 的數據一致性，歷史數據完整可追溯。在用戶自定義接口構建能力方面，業務系統使用接口生成模塊進行字段定制與組合接口開發，接口生成成功率為 100% ，接口上線周期由原來的2周縮短至1天。在系統資源利用與可擴展性方面，通過監測測試全過程中的系統資源占用情況得知，系統平均資源利用率約 65% ，無性能瓶頸。

此外，在歷史數據查詢與調用能力方面，系統支持多時間尺度的歷史數據快速查詢（如日、周、月），日級數據響應時間在1秒以內，支持高效歷史曲線加載，能夠滿足趨勢分析和運維回溯等多樣化應用需求。在異常處理與審計能力方面，筆者模擬非法變更、斷電、配置沖突等異常觸發場景，系統具備詳細日志記錄、權限溯源、版本快照機制。

結語

本文圍繞“點位倉庫”建設展開，系統提出并實踐了基于國產實時數據庫與業務數據庫的“雙庫協同”模式，構建了具備實時性強、結構清晰、接口規范、擴展靈活等特征的中心化數據管理體系。該研究不僅為多系統、多場景的數據融合應用提供了強有力的支撐，具有良好的推廣價值和現實意義。

參考文獻：

[1]郭家鼎，王鵬.基于數據倉庫的典型圖查詢處理技術[J].計算機工程，2023，49（9）：32-42.

[2]李雪.維數據倉庫建模技術及其在數據建模中的應用[J].工業A，2023，1（4）：4-10.

[3]仇巍巍，齊書花，高宇.測繪地理信息統計準實時數據倉庫架構的設計及應用[J].科技管理研究，2023，43（20）：232-238.

[4]孫洪亮.基于人工智能的智能可視化倉庫及智能倉庫技術研究].工程技術，2024，1（3）：101-111.

[5]張峰，閻朝東，王春燕.數據湖與數據倉庫融合的策略與實踐[J].計算機應用文摘，2024，40（14）：159-161.

[6]羅世剛，梁琛，李亞昕.基于PI實時數據庫的低壓配電網降損輔助決策方法[J].科學技術與工程，2023，23（28）：12122-12127.

[7]徐堯強，舒喬曄，周瑾.面向異常檢測的時序數據庫的查詢執行方法[J].華東師范大學學報：自然科學版，2023，1（2）：13-19.

[8]鮑先強，商承亞，石國良.電磁能系統智能運維實時數據處理關鍵技術及應用[J].海軍工程大學學報，2024，36（4）：28-35.

[9]楊毅，熊鷹.基于云計算平臺的多數據庫并行調度算法仿真[J].計算機仿真，2023，40（6）：459-462.

[10]李群，鄧先永，吳海莉.實時數據庫數據的批量寫入及性能測試研究[I].軟件，2024，45（1）：75-78.

作者簡介：謝雅倫，本科，工程師，826659223@qq.com，研究方向：信息系統開發。