1. 课程导入与排障场景认知

在矿山智能化系统中，井下传感器、人员定位卡、设备控制器、皮带秤、安全监测分站等终端，会持续把数据上报到井上平台。所谓“数据掉线”，指的是终端与平台之间的数据通道在一段时间内中断，平台收不到数据；而“断点续传”指的是通道恢复后，终端把中断期间缓存的数据补传到平台，使平台侧的数据时间序列尽量连续、完整。排障工作的核心，不是简单地把“掉线”当成网络故障处理，而是要在“通道中断—数据缓存—恢复补传—平台入库”这条链路上，判断问题究竟发生在哪一段。

典型故障现象往往具有迷惑性。第一种是“平台无数据、终端在线”：终端心跳正常，但业务数据不上报，常见于采集程序卡死、上报队列阻塞或数据时间戳异常被平台丢弃。第二种是“终端离线、恢复后数据缺失”：通道中断期间终端没有缓存，或缓存容量不足、缓存被覆盖，恢复后只能补传最近一部分数据。第三种是“补传重复或乱序”：断点续传时未做去重和排序，平台出现同一时刻多条记录，或历史数据插入后打乱统计窗口。第四种是“补传把通道再次压垮”：恢复瞬间大量缓存数据集中上传，带宽和平台写入被打满，形成二次掉线。这些现象说明，掉线排障必须同时关注通信状态、缓存状态和平台入库状态三个层面。

业务影响需要按矿山场景来理解。安全监测类数据（如瓦斯、一氧化碳、风速）中断，会直接影响告警判断和监管上报；人员定位数据缺失，会影响井下人员分布和应急撤离决策；设备运行数据断点，会导致故障诊断和能耗分析出现盲区。因此排障目标可以归纳为三点：一是尽快恢复实时通道，降低数据中断时长；二是保证中断期间数据可追溯，明确哪些数据丢了、哪些补回来了；三是保证补传过程可控，不因补传引发新的拥塞或数据质量问题。

上图把排障对象串成一条可观察的链路：终端—网关—平台接入—数据库，以及旁路的缓存、补传调度、平台校验和完整性核对。实际排障时，建议先固定“中断起止时间”这个基准，再沿链路逐段取证。例如某分站上报周期为10秒，平台显示该分站从10:02:10到10:18:40无数据，中断约16分30秒，理论上应有约99条记录。若恢复后平台只收到最近30条，说明缓存容量或覆盖策略有问题；若收到120条且存在重复时间戳，说明补传去重未生效；若补传期间网关CPU和上行带宽同时冲高，则要检查补传限速配置。

再看一个更具体的判断示例。假设某终端缓存采用环形队列，容量为2000条，单条记录约120字节，则缓存上限约240KB；按10秒一条计算，2000条可覆盖约5.5小时。如果中断持续8小时，最早约2.5小时的数据必然被覆盖，此时“补传完整”本身不可达，排障目标应调整为“确认缺口范围并记录”。这类估算不需要精确到字节，但能帮助排障人员快速判断“是补传没做”还是“根本存不下”。