3. PI接口与数据采集优化

在 PI System 中，数据能否高效、完整地进入 PI Data Archive，很大程度上取决于采集层的选择与参数调优。PI Interface、PI Connector 和 PI Adapter 是三代不同定位的采集组件：Interface 是传统基于 PI API 的采集器，Connector 是面向现代数据源、以配置化为主的采集器，Adapter 则是面向边缘与云原生场景、支持原生协议与消息总线的轻量采集器。三者并非简单替代关系，而是根据数据源类型、部署位置和运维方式各司其职。

三类采集组件的定位差异

PI Interface 通常以 Windows 服务形式运行在采集节点上，通过 PI API 与 PI Data Archive 通信，支持 UniInt 接口框架，具备较强的缓冲与故障恢复能力，适合 OPC DA、Modbus、关系型数据库等传统工业数据源。PI Connector 以“连接器 + 配置”的方式工作，内置对 OPC UA、MQTT、Kafka、REST、CSV 等数据源的支持，配置通过 PI System Explorer 或 Web 界面完成，减少了逐点手工建点的负担。PI Adapter 则更轻量，可部署在边缘设备或容器中，支持 OPC UA、Modbus、MQTT 等协议，并可通过 PI Web API 或消息方式将数据送入 PI Data Archive 或 PI Asset Framework。

选择采集组件时，核心判断依据是数据源协议、部署环境、是否需要边缘计算、以及运维团队对配置化与代码化的偏好。例如，现场已有大量 OPC DA 服务器且需要复杂缓冲策略，Interface 更合适；若数据源是 MQTT 或 Kafka，Connector 或 Adapter 更自然；若需要在边缘侧做数据过滤、聚合后再上传，Adapter 的轻量特性更有优势。

采集频率与缓冲策略

采集频率决定了数据的时间分辨率，也直接影响 PI Data Archive 的写入负载。对于变化缓慢的过程量（如温度、液位），1 秒到 10 秒的采集周期通常足够；对于振动、电流波形等高频信号，可能需要 100 毫秒甚至更快的采集周期。但采集频率并非越高越好：过高的频率会带来大量冗余数据，增加存储与查询压力，也可能超出 PI Data Archive 的单点写入能力。

缓冲是采集层应对网络中断或 PI Data Archive 不可用的关键机制。PI Interface 通过 UniInt 的缓冲文件将未发送数据暂存本地，恢复后按顺序补发；PI Connector 和 PI Adapter 通常也提供内存或磁盘缓冲，并支持背压控制。缓冲深度需要根据“最大可接受数据丢失时长 × 数据速率”估算。例如，某测点每秒产生 1 个事件，要求网络中断 2 小时内不丢数据，则缓冲至少需容纳 7200 个事件；若同时采集 500 个此类测点，缓冲容量需按总量评估。

批量提交与背压控制

批量提交是将多个事件合并为一次写入请求，以减少网络往返和 PI Data Archive 的事务开销。批量大小需要权衡：批量过小，写入次数多、效率低；批量过大，单次请求延迟高，故障时重传代价大。一般建议从 100～1000 个事件/批开始测试，观察 PI Data Archive 的写入队列和采集器的发送延迟，再逐步调整。

背压控制用于在目标系统写入能力不足时，主动降低采集或发送速率，避免缓冲无限增长。常见策略包括：当缓冲使用率超过阈值时，降低采集频率或丢弃低优先级测点；当 PI Data Archive 写入延迟升高时，增大批量间隔。实际配置中，应结合 PI Data Archive 的归档频率、PI Buffer Subsystem 的状态和采集器日志中的发送队列长度来判断。

高频数据源接入策略

高频数据源（如振动监测、电力波形、高速计数）的接入需要特别设计。首先，应评估是否需要在边缘侧做降采样或特征提取，只将有效特征上传，而不是原始高频波形。其次，若必须上传原始数据，应使用支持高吞吐的采集组件（如 PI Adapter 或专用 Interface），并配置足够大的缓冲和合理的批量大小。再次，应避免将高频数据与低频数据混在同一采集器实例中，以免低频数据被高频数据的发送队列阻塞。

以下是一个高频数据源接入的参数配置示例，用于说明关键参数的设置思路：

# 示例：高频振动测点采集参数（合理假设，非实测）
采集周期：100 ms
单测点事件速率：10 events/s
测点数量：200
总事件速率：2000 events/s
缓冲目标：网络中断 30 分钟不丢数据
所需缓冲容量：2000 × 1800 = 3,600,000 events
批量提交大小：500 events/批
预期批量频率：4 批/s
背压阈值：缓冲使用率 > 70% 时降低采集频率至 200 ms

配置完成后，应通过 PI System Explorer 或 PI Web API 查询测点的实际事件密度，并与预期速率对比。若实际事件密度明显低于预期，可能是采集器未跟上数据源，或批量提交被背压限制；若明显高于预期，可能是数据源重复发送或采集周期设置过小。同时，观察 PI Buffer Subsystem 的缓冲文件大小和 PI Data Archive 的写入队列，确认没有持续积压。

采集优化的判断依据

判断采集优化是否有效，可以从三个层面观察：一是数据完整性，检查缓冲文件是否在故障后能全部补发，PI Data Archive 中是否有时间戳缺口；二是数据时效性，检查最新事件的时间戳与当前时间的偏差是否在可接受范围内；三是系统负载，检查采集器进程的 CPU 与内存、PI Data Archive 的写入队列长度、以及网络带宽占用是否稳定。若三者均在合理范围，说明采集频率、缓冲和批量提交参数匹配了当前数据源与目标系统的能力。

实际项目中，采集优化往往需要多次迭代：先按经验值配置，再根据运行数据调整。关键是建立可观测的指标，并保留调整记录，以便在数据源或系统负载变化时快速定位问题。