2. PI系统基础
要真正理解 PI Historian 的数据采集与归档机制，必须先建立对 PI System 整体架构的认知。PI System 并不是一个单一软件，而是由数据采集层、数据存储层、数据建模层和数据访问层共同组成的工业数据基础设施。它的核心价值在于：把来自不同控制系统、仪表和业务系统的时序数据，以统一的时间序列模型长期保存，并向上层应用提供稳定、高效的数据服务。
一、PI System 的分层架构
从数据流向看，PI System 可以划分为四个逻辑层次：数据源层、接口采集层、核心归档层和建模与应用层。数据源层包括 DCS、PLC、SCADA、RTU、智能仪表以及实验室系统等；接口采集层由各类 PI Interface 组成，负责把不同协议的数据转换为 PI 可识别的数据流；核心归档层以 PI Data Archive 为中心，承担时序数据的压缩、存储和检索；建模与应用层则通过 PI Asset Framework（AF）和 PI Vision、PI DataLink 等工具，把原始测点组织成有业务语义的资产模型。
二、PI Data Archive：时序数据的核心仓库
PI Data Archive 是整个 PI System 的心脏，通常部署在被称为 PI Server 的服务器上。它专门用于存储带时间戳的数值型数据，也就是我们常说的时序数据。与关系型数据库不同，PI Data Archive 针对高频写入和长时间跨度查询做了深度优化，能够在极小的存储空间内保存数年甚至数十年的过程数据。
PI Data Archive 中有几个必须掌握的核心概念：
- PI Point（位号/测点）：PI 中最基本的数据单元，每个测点对应一个可采集的物理量或计算量，例如
BA:ACTIVE.1或SINUSOID。 - Snapshot（快照）：保存每个测点当前最新值的内存区域，查询“当前值”时优先读取快照，响应极快。
- Archive（归档）：历史数据按时间顺序写入归档文件，是长期存储的主体。
- Compression（压缩）：PI 采用旋转门压缩算法，只存储变化显著的数据点，大幅降低存储量。
- Exception / Compression Deviation：异常偏差和压缩偏差共同决定哪些数据点会被真正写入归档。
关键理解：PI Data Archive 存储的是“时间戳 + 数值 + 质量码”的三元组。质量码用于标识数据是否可靠，例如 Good、Bad、Questionable，这对后续分析和报警判断至关重要。
三、PI Interface：数据采集的桥梁
PI Interface 是运行在采集节点上的软件组件，负责从数据源读取数据并写入 PI Data Archive。每个接口通常由接口实例、接口配置文件和PI Buffer Subsystem 三部分组成。接口实例定义采集哪些点、以什么频率采集；配置文件（如 .bat 或 .ini）描述连接参数和扫描周期；PI Buffer 则在网络中断时缓存数据，待恢复后自动补传，保证数据不丢失。
# 典型 PI Interface 启动命令示例
PIInterfaceForOPC.exe ^
/host=PI-SERVER01 ^
/port=5450 ^
/id=1 ^
/config=opcint.bat
# 接口配置文件中常见参数
[INTERFACE]
ScanFrequency=5
MaxPoints=5000
BufferSize=100000
常见的接口类型包括：OPC DA/UA 接口、Modbus 接口、BACnet 接口、关系数据库接口（PI RDBMS Interface）、文件接口（PI UFL）以及自定义接口。选择接口时，核心依据是数据源协议、采集频率和是否需要缓冲补传。
四、PI Asset Framework：让数据拥有业务语义
PI Data Archive 中的测点名称往往是工程代号，例如 FIC101.PV，对业务人员并不友好。PI Asset Framework（AF）的作用就是把这些原始测点组织成资产模型，例如“1号锅炉给水泵”下挂“入口压力”“出口压力”“流量”“振动”等属性，每个属性再绑定到具体的 PI Point。
AF 的核心对象包括：
| 对象 | 说明 | 示例 |
|---|---|---|
| Element | 资产节点，可嵌套形成层级 | 工厂 → 装置 → 设备 |
| Attribute | 资产属性，可绑定 PI Point 或公式 | 出口压力 = FIC101.PV |
| Template | 可复用的资产模板 | 离心泵模板 |
| AF Hierarchy | 资产层级结构 | 企业 → 工厂 → 区域 → 单元 |
| Analysis | 基于属性的计算与回写 | 效率计算、报警判断 |
五、典型场景与常见误区
假设某化工厂需要采集反应釜温度。数据源是 DCS，协议为 OPC DA。实施路径是：在采集服务器上部署 PI Interface for OPC，配置接口实例指向 DCS 的 OPC Server，把反应釜温度对应的 OPC Item 映射为 PI Point，例如 REACTOR1.TEMP。接口按 1 秒扫描，异常偏差设为 0.5，压缩偏差设为 0.1。数据进入 PI Data Archive 后，再在 AF 中建立“反应釜 R-101”元素，把温度属性绑定到该 PI Point，最终在 PI Vision 上展示趋势。
常见误区一：把 PI Data Archive 当成关系数据库使用，频繁执行全量历史查询，导致性能下降。正确做法是利用 AF 和 PI Vision 做聚合与缓存。
常见误区二：忽略 PI Buffer 配置，网络中断后数据直接丢失。生产环境中必须为关键接口启用缓冲并监控缓冲队列长度。
常见误区三：测点命名随意，后期 AF 建模困难。建议在采集阶段就制定统一的命名规范，例如 装置_设备_参数。
总结来看，PI System 的四个核心组件各司其职：PI Interface 负责“采得到”，PI Data Archive 负责“存得久”，PI Asset Framework 负责“看得懂”，而上层应用负责“用得好”。理解它们之间的数据流和依赖关系，是后续学习数据采集配置、归档策略和资产建模的基础。