引言

随着工业大数据 、物联网 、智能制造等技术的迅 猛发展 , 越来越多的源端设备正在无时不刻地产生数 据 。嵌入式工业计算领域被赋予先天的数据基因[1] , 各个计算设备在全生命周期内会形成一系列的设备数 据集 , 其中 , 80% 以上的数据集都是实时性数据[2] , 均按照时间序列顺序产生 , 包括浮点数据 、音视频数 据 、文本数据等多样化数据集 。通过对这些数据集进 行高效采集 、存储及组织管理 , 深度挖掘数据发展的潜在性特征 , 能够提升嵌入式工业计算设备的安全可 靠及高度智能。

当前 , 由于嵌入式工业计算设备的硬件成本要求、 存储资源限制及系统环境特殊等制约因素 , 致使大量  实时性数据流失且难以发挥应用效能 。源端设备数据  呈现分散 、孤立现象[3] , 存在数据获取受限 、单一化  服务及存储管理效能滞后等问题 。而传统数据库技术  主要从数据本身实体关系之间设计模型结构 , 难以从  业务角度直观性反映某个类型设备的数据变化情况。数据建模方面更加注重表之间的关联关系和结构特性 , 数据的存储成本较高 , 读写性能相对较低 , 可维护成 本略高 , 难以满足嵌入式工业时序数据的存储 、管理 及分析等应用场景[4] 。同时 , 现有的存储策略并未充 分利用开源时序数据库技术的优势 , 导致存储系统的 扩展性 、灵活性较差 , 难以应对工业生产中不断变化 的数据需求 。面对有限的嵌入式工业计算设备资源 , 提升海量实时性数据的高速读写 、高效存储管理 、低 延迟查询及高效聚合分析等能力 , 成为解决嵌入式工 业时序数据泛滥的本质策略和首要任务。

本文针对存在问题 , 深度研究嵌入式工业计算设 备的时序数据结构发展特性 , 融合现有开源时序数据 库技术[5] , 构建了一种基于嵌入式工业时序数据结构 模型和存储策略 , 提出了时序数据库存储体系结构及 设计方法 。新模型和策略能够更高效地处理海量时序 数据 , 提升数据存储和访问效率 。本文通过嵌入式工 业计算设备环境及时序数据库系统的有效性应用验证 , 表明研究策略的可行性效果。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006988

作者信息：

周俊鹏1 ,2 , 王   卓1 ,2 , 康永乐1 ,2 , 任德旺1 ,2

(1. 航空工业西安航空计算技术研究所 , 陕西 西安 710068 ;

2. 机载弹载计算机航空科技重点实验室 , 陕西 西安 710065)