📚 课程目录第1章课程导入

1. 课程导入

在流程工业中，PI System（Plant Information System）承担着实时数据采集、历史存储、生产监控与经营分析的中枢角色。一旦PI系统出现停机、数据丢失或查询响应缓慢，轻则影响班组监盘与报表出具，重则导致先进控制、调度优化和经营决策失去数据基础。因此，高可用与性能优化不是运维的附加项，而是PI系统工程能力的两条主线。

本课程的核心目标：让学员能够从架构、数据流、参数、工具和排障五个维度，系统掌握PI系统的高可用设计与性能调优方法，并能在真实生产环境中完成可验证的工程实践。

一、核心概念：高可用与性能优化的边界

高可用（High Availability）关注的是系统在故障发生时能否持续提供服务，其衡量指标通常包括可用性百分比、RTO（恢复时间目标）和RPO（恢复点目标）。性能优化关注的是系统在正常负载下能否以可接受的延迟和吞吐完成数据服务，其衡量指标包括采集延迟、归档写入速率、查询响应时间、并发用户数和资源利用率。

两者并非孤立：高可用架构中的冗余节点、数据复制和故障切换，会直接影响性能表现；而性能瓶颈如果长期未解决，也会演变为可用性事故。因此，本课程强调“可用性设计”与“性能工程”协同推进。

可用性：PI Data Archive、PI AF Server、PI Vision、PI Interface 等组件的冗余与切换能力。
性能：数据采集吞吐、归档压缩与检索效率、AF计算与查询响应、Web前端渲染速度。
可观测性：日志、计数器、审计、健康检查与告警，是发现问题和验证优化效果的基础。
工程实践：从规划、部署、调优、演练到复盘的闭环方法。

二、整体知识框架：从数据源到用户视图

PI系统的典型数据链路可以概括为：现场设备与控制系统 → PI Interface / PI Connector → PI Data Archive → PI AF Server → PI Vision / PI Web API / 第三方分析工具。高可用与性能优化必须覆盖这条链路上的每一个环节，而不是只盯着某一台服务器。

三、方法流程：从评估到持续运营

高可用与性能优化不是一次性项目，而是一个持续迭代的工程闭环。建议按以下七个步骤推进：

现状评估：梳理PI系统拓扑、版本、节点角色、数据量、接口数量、用户规模与现有SLA。
架构规划：确定PI Data Archive Collective、AF Server高可用、PI Vision横向扩展等方案。
部署调优：完成安装、参数配置、归档策略、压缩比、缓存与线程调优。
监控告警：建立PI System Explorer、PI SMT、Windows性能计数器与日志监控体系。
故障演练：模拟节点宕机、网络中断、磁盘满、接口断连等场景，验证切换与恢复能力。
复盘改进：记录MTTR、MTBF、RTO/RPO达成情况，形成改进清单。
持续运营：定期巡检、容量规划、版本升级与性能基线对比。

建议在项目初期就定义可量化的目标，例如：核心PI Data Archive可用性≥99.9%，关键接口数据延迟≤5秒，PI Vision常用画面首屏加载≤3秒。没有基线的优化无法验证效果。

四、关键参数与工具清单

下表列出本课程后续会反复使用的核心对象、关键参数与常用工具，作为学习索引：

层次	核心对象	关键参数/指标	常用工具
采集层	PI Interface / PI Connector	扫描周期、点位数量、失败重试、缓冲队列	PI Interface Status Utility、PI SMT
归档层	PI Data Archive	归档大小、压缩比、事件队列、快照频率	PI SMT、PI System Explorer、性能计数器
模型层	PI AF Server	元素数量、计算频率、分析规则、缓存	PI System Explorer、AF SDK
展示层	PI Vision / PI Web API	并发用户、查询范围、缓存命中率、超时	PI Vision Admin、浏览器开发者工具
基础设施	服务器 / 存储 / 网络	CPU、内存、磁盘IOPS、网络延迟	Windows性能监视器、日志分析

五、典型场景与常见误区

场景一：接口断连导致数据缺口。某炼化企业因PI Interface主机重启，未配置缓冲与自动恢复，导致关键装置2小时数据丢失。优化方向是启用接口缓冲、配置冗余接口节点，并建立断连告警。

场景二：PI Vision画面加载缓慢。某电厂PI Vision画面包含大量长时间趋势查询，单次查询跨越数月，导致Web服务器CPU飙升。优化方向是限制查询时间范围、启用缓存、拆分画面并优化AF计算。

场景三：归档磁盘写满。归档文件未设置自动清理与容量告警，磁盘写满后PI Data Archive停止写入。优化方向是配置归档滚动、容量阈值告警与定期巡检。

常见误区：只关注服务器硬件升级，忽视数据模型与查询设计；只做单点优化，不做全链路压测；只在上线前调优，不做持续监控与复盘。高可用与性能优化必须贯穿系统全生命周期。

六、学习路径与工程实践建议

本课程后续章节将围绕“架构—采集—归档—模型—展示—运维”展开。建议学员在学习过程中同步完成以下实践任务：

绘制所在企业PI系统的现状拓扑图，标注单点故障风险。
采集一周的PI Data Archive性能计数器，建立性能基线。
选择一条关键数据链路，完成一次端到端延迟测量。
设计一次PI Data Archive节点故障切换演练方案。
针对一个慢查询画面，完成优化前后对比记录。

# 示例：查看PI Data Archive归档与事件队列关键状态（PI SMT）
Archive Name        : PIArchive
Archive Size (MB)   : 20480
Archive Path        : D:\PI\Arc
Events Queued       : 0
Snapshot Events     : 125430
Compression Ratio   : 8.7:1
Last Archive Write  : 2025-01-15 10:23:41