2. 数据库在FMS中的角色：实时数据库与历史数据库的区别、数据采集频率与存储挑战
2.1 实时数据库与历史数据库的核心定位
在厂务监控系统（FMS）中，数据库并非单一实体，而是由实时数据库与历史数据库协同构成的双层存储体系。前者负责毫秒级的数据刷新与报警触发，后者负责长期趋势分析与合规归档。两者在数据模型、写入频率、保留周期上存在本质差异。
关键认知：实时数据库是FMS的“瞬时记忆”，历史数据库是FMS的“长期记忆”。两者缺一不可，且必须通过高效的压缩与归档策略衔接。
2.1.1 实时数据库（RTDB）
- 数据模型：基于内存的键值对或点（Tag）结构，每个点对应一个传感器或计算变量。
- 写入频率：通常为 100ms ~ 1s 一次，支持批量写入与订阅推送。
- 存储周期：仅保留最近数小时至数天的数据，用于操作员画面刷新与即时报警。
- 典型产品：OSIsoft PI（现AVEVA PI System）、GE iFIX、Wonderware InTouch。
2.1.2 历史数据库（Historian）
- 数据模型：基于磁盘的关系表或列式存储，支持时间戳索引与聚合查询。
- 写入频率：通过压缩引擎批量写入，通常为 1s ~ 60s 一次快照或变化记录。
- 存储周期：数月到数年，用于能效分析、设备寿命预测、合规审计。
- 典型产品：AVEVA PI Historian、Canary Labs、InfluxDB（时序数据库）。
2.2 核心差异对比表
| 对比维度 | 实时数据库（RTDB） | 历史数据库（Historian） |
|---|---|---|
| 存储介质 | 内存 + 高速缓存 | 磁盘（SSD/HDD） |
| 写入模式 | 持续流式写入 | 批量压缩写入 |
| 数据精度 | 原始值（无压缩） | 压缩值（旋转门/死区） |
| 查询响应 | 毫秒级（当前值） | 秒级（聚合趋势） |
| 保留周期 | 数小时 ~ 数天 | 数月 ~ 数年 |
| 典型容量 | GB 级 | TB ~ PB 级 |
2.3 数据采集频率与存储挑战
FMS 中一个中等规模的半导体工厂通常包含 10,000 ~ 50,000 个数据点（Tags），涵盖温度、压力、流量、电压、颗粒度等参数。若以 1 秒频率全量采集，单日数据量可达：
单点日数据量 = 86400 条/天
50,000 点日数据量 = 4.32 × 10⁹ 条/天
单条记录约 50 字节 → 日存储量 ≈ 216 GB
年存储量 ≈ 78 TB（未压缩）上述计算尚未包含报警事件、批次记录、设备状态变更等非周期数据。若不采用压缩与归档策略，存储成本与查询性能将迅速失控。
3.2.1 三大核心挑战
- 写入吞吐瓶颈：高频率写入会导致磁盘 I/O 饱和，影响实时报警响应。
- 查询性能衰减：未压缩的历史表在跨月查询时，全表扫描耗时可达分钟级。
- 存储成本膨胀：企业级 SSD 存储单价约 0.3~0.5 元/GB/月，78TB/年对应约 2.3~3.9 万元/月。
常见误区：部分团队试图通过降低采集频率（如从1s改为10s）来缓解存储压力，但这会丢失设备启停、瞬态波动等关键特征，导致后续能效分析失真。正确的做法是保留高频采集，但通过压缩算法与分层归档来优化存储。
2.4 实时与历史数据库的协同架构
下图展示了 FMS 中实时数据库与历史数据库的典型协同关系：采集层数据先进入实时库供操作员使用，再通过压缩引擎异步写入历史库，最后按策略归档至冷存储。
2.5 数据压缩策略概览
为应对存储挑战，FMS 历史数据库普遍采用以下压缩技术：
| 压缩方法 | 原理 | 压缩比 | 适用场景 |
|---|---|---|---|
| 旋转门算法 | 基于偏差阈值，仅记录超出死区的变化点 | 10:1 ~ 50:1 | 平稳过程参数（温度、压力） |
| 死区压缩 | 设定值或百分比死区，死区内不记录 | 5:1 ~ 20:1 | 缓慢变化参数（液位、浓度） |
| 时间戳聚合 | 将高频数据聚合成分钟/小时平均值 | 60:1 ~ 3600:1 | 长期趋势分析、报表 |
| 列式存储编码 | 使用差分编码、游程编码压缩时间序列 | 3:1 ~ 10:1 | 所有历史数据（通用） |
实践建议：在配置压缩参数时，应针对不同工艺参数设置差异化的死区阈值。例如，洁净室温度（±0.5°C）与纯水流量（±2%）的压缩策略不应相同。建议先进行一周的基线采集，分析信号波动特性后再设定压缩参数。
2.6 本章小结
- 实时数据库与历史数据库在存储介质、写入模式、保留周期上存在本质差异，不可相互替代。
- FMS 数据采集频率通常为 100ms ~ 1s，50,000 点规模下年存储量可达 78TB（未压缩）。
- 核心挑战包括写入吞吐瓶颈、查询性能衰减、存储成本膨胀。
- 旋转门算法与死区压缩是 FMS 历史库最常用的压缩手段，压缩比可达 10:1 ~ 50:1。
- 合理的分层归档策略（实时库 → 历史库 → 冷存储）是保障系统长期稳定运行的关键。