iHistorian和关系性数据库的差别.pptVIP

企业在处理实时生产信息时使用关系性数据库的缺点 关系性数据库与控制系统的接口的瓶颈 MS SQL; ORACLE; SYSBASE等无法直接与控制系统链接 ODBC的效率在处理实时数据时效率很低 关系性数据库在处理实时历史数据的存储的瓶颈 海量的连续数据 死区和数据压缩能力 关系性数据库在处理生产管理的客户端要求的能力的瓶颈 过程数据连续可视化应用 与工业实实画面的整合 总而言之是在处理企业实时历史数据的完整性，实时性，和分布式应用上，普通关系性数据库都有非常大的瓶颈。 为什么不用关系型数据库作为工厂级历史数据库？ 1、关系型数据库不适合客户需求 RDB为事物处理及商务导向型数据而设计的 而非用于采集、存储、回取工业现场生成的海量的过程数据 2、关系数据库十分适合解决: 按照产品和区域统计月销售情况? 每个季度末最大订单的客户是哪个地区的? 谁是我最盈利的客户? 3、但是, 在对付最基本的工厂生产信息上关系型数据库能力有限，如: 某个数据的每小时均值/最小值/最大值是多少？– 不管它的存储频率多少 当前生产批次和以前生产批次的性能比较? 在不影响性能的前提下保留几年的在线数据并随时回取 在线修改配置，而无需停机重启 iHistorian和关系性数据库的差别 * 针对客户端应用的开放性,Java,SQL 针对多种控制系统的连接的开放, OPC, SCADA 开放性 高速数据压缩、解压方式 数据存储 不太关心数据采集的速度，但是针对并发访问又非常高效的的实时处理 针对过程控制系统的数据非常高效的搜集，事件触发采集 实时性 100~百万个记录，千以上用户级 100~10万个Tag点的生命过程值；百用户级 规模 结构化的字段（域） 每个采集点都有不同的采集周期和时间标签 表的特性 商业处理结果和录入 控制过程实时数据 数据来源 用最小的采集成本记录成本和查询成本跟踪生产实时数据的完整生命 记录数值的特性 分布的数据纪录，结构化的查询语言 数据采集；数据存储；数据应用 关键任务 任务，配置，监视，调整，查询，编程，和分析 AI；AO；DI；DO；文件等 处理的数据类型 处理并发的商业过程：订单；客户；财务 监视实时生产过程：产量；数量；质量；效率；启停；报警 处理的过程 关系性数据库 iHistorian 数据存储 – 关于数据压缩 OPC Collector 死区压缩（自定义死区） 数据缓存 （自定义大小） 归档压缩（自定义压缩比） 磁盘数据文档 Δ 死区则存储 Δ 死区则过滤 73G；平均每周1.4G 无 1年 500值/秒 Ms SQL Server 最小100M；最大3.7G 死区、归档压缩 1年 500值/秒 iHistorian 硬盘占用 压缩手段 采集时间 采集速度 产品 * * *