开关量和模拟量的区别(plc开关量和模拟量的区别)

plc开关量和模拟量的区别

在进入主题之前，让我们讲一个故事。在2018年接触工业互联网之前，我不了解时间序列数据库（以下简称TSDB）。由于这些标准，我开始慢慢联系一些从事TSDB的国内制造商。有许多充满活力的创业公司和经验。富裕的老信息技术制造商和强大的BATH集团也在TSDB上进行了布局。突然，各种TSDB产品如雨后春笋般涌现。它什么时候开始起火的？实际上，这种趋势自2016年以来就一直存在。引用DB-Engines上发布的图表，在2016年的12个月中，TSDB的知名度增加了26％，是排名第二的图表数据库的两倍。许多。然后选择排名第一的InfluxDB来检查Google趋势中的流行程度。该数据库是2013年7月左右发布的第一个版本。此后，其流行性一直不可阻挡。因此，我们加快了学习步伐，希望能尽快整理出标准，以便业务合作伙伴在选择技术时能有所参考。 “我们十多年前就启动了这个数据库，但是又称它为另一个实时名称数据库。”许多兄弟从工业信息化开始，我们提到了“实时数据库”的概念，并说“我们的功能实际上是相同的”。这让我很困惑。我真的很想了解这两个数据库之间的关系。它们可以算作一个类别吗？但是当时，对于Internet上这两个数据库的比较，我只能找到一段很清楚的CSDN“工业大数据随机12：实时数据库和时间序列数据库”。如果您有同样的困惑，则可以单击以查看〜〜但您也可以看到我接下来要写的内容，因为我们正在拉扯制作实时/时间序列数据库的合作伙伴以讨论此问题多次。因此，本文是一些学习经验，将尝试包括：这两个数据库的背景，具体差异和一些小趋势。让我们先提出一个概念。实时数据库诞生于传统行业。它早在几十年前就已开发。该技术非常成熟，主要用于支持在工业场景中快速写入，存储和查询大量测量数据。有时它涉及实时反馈控制。时间序列数据库诞生于Internet上并从物联网中诞生，主要用于支持大规模网络监视以及传感器数据的快速写入和分析。
工业场景中超过80％的数据具有以下特征：它们都是带有时间戳的，并且按时间顺序生成；大多数是结构化数据；收集频率高，数据量大。以中型工业企业为例。在过程监视过程中，可能涉及50，000至100，000个传感器测量点，并且每天产生的数据量可以达到数百GB。通常，工业企业会要求数据可以长时间存储，以便可以随时查询历史趋势。这个简单的要求显示了传统实时数据库需要具备的一些功能，可以概括如下：高速写入功能：工业实时数据库通常对写入速度有很高的要求。以过程工业场景为例，在每个链路中都设置了传感器，每个传感器的采集频率很高，因此写入并发性特别大，有时甚至每秒需要数百万个测量点。因此，除了软件要求之外，还将选择一些高性能服务器。快速查询的能力：查询需求分为两部分，一是响应实时查询请求，用来及时反映系统状态；第二个原因是历史数据也可以快速查询，因为历史数据量非常大。查询时，您需要在特定时间段内汇总数据。即使您检查了整整一年的数据，也可以快速做出响应。超级数据压缩能力：如上所述，监视数据将被长时间存储，5年甚至10年是很平常的事情，在存储容量有限的情况下，您需要做一些数据压缩，通常是压缩该方法将分为无损压缩和有损压缩。相比之下，有损压缩的压缩率会更大，有时会达到1：30-40。这就需要设计合理的算法来保留数据中的细节。这样数据在还原后可以保留重要的功能。累积的丰富工具：传统的实时数据库解决方案通常是从集合开始到直接可视化的完整系统。这些年来积累了丰富的工具包，例如各种方案中的数百种协议或数据。模型，这些是工业软件的重要能力。追求最终稳定性：业界对软件稳定性有特别高的要求。除了确保高可用性的主要设备外，软件的质量还保证了程序的连续运行。工程师将自豪地拍打胸部，以确保该软件在十年内不会运行错误。让我们看一下时间序列数据库的诞生环境，
随着通信技术的创新，数据通信的成本下降了，掀起了物联网浪潮。不仅需要Internet监视来收集数据，而且人们每天接触的手机，智能手环，共享自行车和汽车都在不断生成数据。人们可以实时收集这些数据并将其发送到云中，使用大数据技术进行分析，监视和预测业务，并使用数据来推动公司降低成本，提高效率并改善服务质量。仔细研究Internet场景中的数据特征。实际上，它类似于工业领域中的大多数实时数据：1。一条数据不是很长，但是数据量很大。 2。它们都是带有时间戳的，并按顺序生成。3。大多数数据被结构化并用于描述某个时间点参数的特征。4。写入的频率将大大高于写入的频率。查询5。存储的数据很少需要更新将更关注一段时间内的数据特征，而不是某个时间点7。数据的查询分析主要基于某个时间段或某个值范围8。需要根据上述数据特征进行统计和视觉显示，很明显可以看出，尽管两个数据库生成的环境不同，但面临的问题相同，需要解决的问题也得到了解决。相似，因此两个数据库设计的功能有很多重叠的部分。 【硬光：关于功能要求，请参考时间序列数据库上DSC的评估系统】这就像是从未谋面的两个兄弟姐妹。随着物联网和工业互联网带来的新一波热情，一系列新的生产方法，组织方法和商业模式已经开始出现。物联网技术正在逐步渗透到该行业。传感器数量的增加，数据量的飙升以及对大数据分析的更高需求，对传统的实时数据库技术架构提出了挑战。需要面对一些问题：可伸缩性遇到瓶颈。尽管传统的技术体系结构可以确保单台机器具有极高的性能，并且可以通过添加机器来线性扩展性能，但是它无法像分布式系统那样实现动态，灵活的扩展和缩减，因此需要预先计划。当业务升级需要系统扩展时，旧架构的可伸缩性很难满足需求。无法与大数据生态联系。数据收集的最终目的是要理解和使用。在大数据行业中，已经有成熟的解决方案来存储和分析海量数据，无论是Hadoop还是Spark生态系统，
许多工业公司必须升级或替换现有系统，因为他们想使用新的大数据分析技术。价格高。传统的工业实时数据库解决方案非常昂贵，通常只有大型企业才能承受。但是，随着新技术和新思想的普及，越来越多的中小企业也意识到数据的重要性，但考虑到资本投资，他们将倾向于寻找更便宜的解决方案。这时，Internet系列的时间序列数据库解决方案显示出一些固有的优势，例如：分布式体系结构的自然优势：传统的实时数据库主要是活动和备用部署体系结构，通常需要更高配置的计算机来追求Extreme。在一台机器上的性能；同时，在稳定性方面，它将对正在运行的软件的稳定性提出极高的要求，这完全由高质量的代码保证。由于存储容量有限，因此还需要超高的数据压缩率。但是，时间序列数据库的分布式体系结构允许系统轻松地水平扩展，因此该数据库不再依赖昂贵的硬件和存储设备，并利用群集的自然优势实现了高可用性，而没有单点瓶颈或失败。普通的x86服务器甚至可以在虚拟机上运行，​​从而大大降低了使用成本。更加灵活的数据模型：由于工业场景的特殊性，传统的实时数据库经常使用单值模型。监视的参数称为测量点。写入时将为每个测量点建立一个模型。例如，将风扇的温度指数计为测量点。十个风扇的十个指标是100个测量点。每个测量点将附带描述性信息（名称，准确性，数据类型，开关值/模拟值等）。将为每个测量点查询该值。单值模型的写入效率将非常高。时间序列数据库开始采用多值模型，类似于面向对象的处理方法。例如，风扇是一个数据模型，可以包括多个测量维度（例如温度和压力），还包括标签信息（例如纬度，经度和数字）。会更适合现场的分析。当然，单值模型和多值模型可以相互转换。许多数据库将外部服务作为多值模型提供，但是基础存储仍然是单值模型。现在，大多数时间序列数据库都选择具有更好可伸缩性的NoSQL数据库。与关系数据库相比，数据模型更加灵活，非常适合时间序列数据的多值模型。它更容易扩展，并且资源有限或需要提高性能。时间，
看一下使用NoSQL数据库作为基础存储的TSDB：但是，使用NoSQL数据库也会丢失一些功能，例如不支持事务，您需要通过其他方式确保数据的一致性。例如，不支持SQL，SQL是标准查询语句。人们已经习惯了这种方法，这种方法的学习成本极低，因此现在时间序列数据库的制造商还试图集成SQL引擎以降低使用门槛。时间序列数据库描述得很好，它将取代传统的实时数据库吗？那并没那么简单。首先，多年以来，客户的需求已经完善了行业中的实时数据库，性能绝对是一流的，甚至可以执行某些反馈控制。该产品也非常完整，通常具有自己的收集工具，各种接口协议的改编，计算能力和定制的可视化功能（实时数据库在此部分的设计中投入了大量精力，因此图表可以显示监视数据的某些特征和细节）是一个完整的解决方案。时间序列数据库的设计非常缺乏这些领域的知识积累，并且大多数仅用于监视和分析场景；一方面，太多的部署依赖性和不完善的支持工具也是问题之一；性能和可靠性与实时反馈控制相距甚远。另外，近年来制作实时数据库的制造商也正在积极采取行动。他们已经在其产品中相继添加了分布式版本，甚至是云服务版本。通常，以实时数据库为核心反向构建一组数据管理和分析。这个生态系统完全失去了互联网参与者的动力。跑道上响起枪声，没有人弃权。无论技术架构如何变化，解决用户需求都是最终目标。面向需求的设计将永远不会过时。接下来，让我们看看出现了什么新的需求：查询的需求逐渐超过编写的需求：在Internet时代，查询的需求不仅满足于一些基本的条件查询或插值查询，例如随着网络场景的发展以及对信息的综合控制的需求，越来越多的基于地图的应用程序，查询将逐渐从时间维度扩展到空间维度，除了确保实时性能外，还将提供更丰富的视觉显示也是大趋势。逐渐转向云服务：出于安全和性能方面的考虑，处理实时数据的传统工业场景将使用私有化。机器，软件和后续服务的成本很高，
当服务逐渐走向云时，一方面，消除了购买机器的成本，并且不需要专门安排工程师来维护机器和软件系统。它只需要知道如何发展和维持业务。此外，您可以购买任意数量的服务。避免因一次性购买服务而造成资源浪费或资源不足，然后进行二次建设可以为企业减少大量开支。随着网络和云计算技术的成熟，相关性能和安全性将继续升级，最终将达到私有化部署的效果。云服务已成为不可阻挡的趋势。计算分布在边缘：工业领域实际上是物联网的重要实验领域。工业互联网的发展将不可避免地带来更多的传感器和更多的数据收集。当数据太大时，集中处理方法难以响应实时数据分析要求，这使数据计算的发展走向了边缘。实时响应监视需要及时通过边缘设备进行处理和反馈，并且用于大规模分析的数据需要集中存储。这种分层处理的方法可以有效地提高对时间敏感的数据的价值，并减轻存储系统的负担。因此，许多时间序列数据库正在开发边缘计算版本，并将与流计算功能一起使用以使功能更加丰富。包含边缘计算的时间序列数据解决方案将更适合工业Internet处理方案。综上所述，实际上，在技术开发过程中，两个数据库都在不断完善其功能，以适应业务需求的发展和变化，每个数据库相互利用，相辅相成，甚至有所妥协。是保持长期活力。停滞不前的唯一方法会导致焦虑，而变化会带来活力。在新的风口，每个人都想带头。而实际上做事的人可能会走到尽头。本文仅代表个人意见，并以开放的态度接受各方的意见〜