高速，低延，任意频丨庚顿新一代实时数据库鼎力支撑电力装备服务数字化

产品同质化日趋严重以及市场需求不断迭代等内外形势下，电力装备制造业自身赢利需求不断增涨，电力等下游产业数字化发展形成倒逼之态，作为国家未来发展的高端装备创新工程主战场，电力装备智能化以及服务型转型升级已经成为装备制造业强国的必由之路。电力装备制造企业在原来生产制造环节的基础上，逐渐向上下游服务环节延伸，并将服务环节的增值活动，全部或部分纳入自身的价值链中。在此过程中，电力装备行业服务数字化必须完成工厂数字化和设备数字化改造，实现多维度、全数字化管理。其次是实现外部互生，通过网络化手段连接每一个生态触点，建立产业互联网，实现端到端全自动数据流。在此基础上，电力装备制造业才能迎来生态再生和演进，即通过完善平台服务支撑体系，利用大数据发展潜在价值实现商业模式创新。目前这三个阶段的核心痛点主要集中于实时数据的采集、存储、计算及应用。

具体来讲，一是电力设备数据上不来，无法实时了解设备在用户使用过程中的运行情况，二是救火式的服务管理效率低下。电力设备上云，通过设备健康数据和生产数据，通过多维度、全数字化管理，实现服务流程化、数字化、智能化，已然成为装备制造业实现服务数字化的必由之路。而在此过程中，如何高效、准确地采集、存储、计算和应用基于设备传感器的海量实时数据，则成为实现服务数字化的关键要素。而传统的工业实时数据库无法满足智能装备服务数字化的需求，新一代实时数据库应运而生。

相较于传统实时数据库，新一代实时数据库必须具有更高的数据处理速度和更低的延迟，可以更快地收集、处理和分析任意低频到高频的数据，从而更好地支持电力装备服务数字化过程。庚顿推出的新一代实时数据库用于实时采集、分析、监测电力设备的运行状态，通过实时监测，可以及时发现故障并进行维护，从而提高电力设备的可靠性和运行效率。此外，庚顿新一代实时数据库还可以用于数据分析和决策支持。通过对大量数据的分析，可以提供更准确的决策支持，从而提高电力企业的运营效率和管理水平。

近日，庚顿与某大型发电装备集团对庚顿新一代实时数据库进行了基于云服务器的实时数据库高频数据性能联合测试，测试结果赢得了用户的高度认可。

首先，在这里做个科普。机械振动频率是设备振动诊断中一个十分重要的概念。在各种振动诊断中常常要分析频率与故障的关系，要分析不同频段振动的特点，因此了解振动频段的划分与振动诊断的关系很有实用意义。按照振动频率的高低，通常把振动分为3种类型：

低频振动：f< 10Hz，这些低频振动主要与电机转子的静态和动态不平衡有关，可能是由于转子不均匀的材料分布或安装位置不准确引起的。

中频振动：f=10~1000Hz，这些中频振动通常与电机的运行状态和机械结构有关，可能是由于轴承故障、齿轮传动不平衡、松动的连接件或机械共振等引起的。

高频振动：f>1000Hz，这些高频振动通常与电机的细微故障或噪声有关，可能是由于电机内部元件（如绕组、磁铁）的故障、接触问题、电涌、放电等引起的。

此外我们还针对性的测试了更高频率范围100kHz、2MHz，从而满足特殊设备在特殊领域的数据处理需求。

本次测试是基于用户提供的云服务器完成了高频数据的读写性能测试。测试使用的单台服务器，16C64G+HDD的配置，使用主流的CentOS系统，两台客户端通过网络分别读取和写入数据库。主要性能指标总结如下：

1) 写入性能：

我们首先看一下常见频率范围数据的写入性能：

• 跨度1小时，纵坐标为吞吐量，1~2kHz不同频率的数据急速写入，在远程网络和本地网络环境分别测试，随着线程数增加，实时数据入库吞吐量越高。远程网络环境最高吞吐量可达2234万条/秒，写入3.6亿条数据耗时约16秒；本地网络环境可达到4273 万条/秒，写入5.4亿条数据耗时约12.6秒。

接下来，看一下超高频率数据的写入性能：

• 写入 100kHz 频率数据，远程网络环境5线程写入吞吐量达 776.69 万条/秒，20 线程写入吞吐量达 1505.64 万条/秒。本地网络环境20线程写入吞吐量高达 2580.64 万条/秒，比远程网络环境的吞吐量提高71%。

• 写入 2MHz 频率数据，远程网络环境5线程写入吞吐量达 703.52 万条/秒，20 线程写入吞吐量达 964.47万条/秒。本地网络环境20线程写入吞吐量高达 1140.57万条/秒，比远程网络环境的吞吐量提高59%。

2) 实时数据查询测试：

我们选取任意10万个标签点，看看查询当前实时值的性能：

• 不同线程数查询10 万实时数据，纵坐标为查询耗时，本地网络环境平均耗时约10毫秒，比远程网络环境的查询耗时快21%~43%。

如果特别关注几个高频点，我们选取任意10、100个标签点，看看查询当前实时值的性能：

• 单个实时监控画面周期刷新10个点的实时数据仅需0.2毫秒的查询耗时，刷新100个点的实时数据仅需0.6毫秒的查询耗时。

3) 历史数据查询测试：

我们看一下常见频率数据的历史数据查询性能：

• 查询总数据量的增加会提高历史数据查询的吞吐量，远程网络环境的查询吞吐量最高点约在 4834 万条/秒左右。

• 查询相同量级历史数据，本地网络环境不受网络带宽影响，本地网络环境的查询吞吐量为5444万条/秒，比远程网络环境的查询吞吐量提高110%~185%。

选取100kHz的20个标签点，20线程查询历史存储值，性能如下：

• 每分钟采集存储6秒数据，20个点每分钟有1200万条记录，20个线程并发查询，本地网络查询吞吐量可达 3785.48 万条/秒，5分钟则有6000万条记录，本地网络查询吞吐量高达5203.81万条/秒。本地网络环境查询吞吐量相比远程网络提高20%~30%。

选取2MHz的10个标签点，10线程查询历史存储值，性能如下：

• 每半小时采集存储6秒数据，10个点每半小时有1.2亿条数据，10个线程并发查询，远程网络查询吞吐量可达 2830.18 万条/秒，本地网络查询可达 3234.32 万条/秒，本地网络环境的比远程网络环境的查询吞吐量提高了14%左右。

4) 高频数据读写并发测试：

• 在读写并发情况下，数据库每秒可以处理 1470.58 万条数据的写入，相较于单写场景下的1505.64万条/秒吞吐量没有明显下降。

庚顿新一代实时数据库在用户高频数据处理场景下的各项读写性能测试指标均满足或高于预期，进一步证明了庚顿新一代实时数据库在高频实时数据处理方面的优越性和可靠性。

庚顿新一代实时数据库的高可用性、高性能、低延迟等特点，可以满足各种实时数据处理需求，可以解决电力装备服务数字化过程中面临的实时数据采集、存储、计算及应用领域的诸多痛点。如果您正在寻找一款高性能、高可用性的实时数据库管理系统，欢迎联系我们了解更多信息。庚顿将为您提供专业的技术支持和服务，帮助您更好地利用实时数据驱动业务发展。