IoTDB物聯(lián)網(wǎng)數(shù)據(jù)庫(kù)在城市軌道交通車輛智能運(yùn)維系統(tǒng)中的應(yīng)用

姜仕軍 徐曉晨 徐燕芬 杜廣林

(1.中車青島四方車輛研究所有限公司，266031，青島;2.青島地鐵集團(tuán)有限公司運(yùn)營(yíng)分公司，266041，青島 ∥ 第一作者，工程師)

城市軌道交通(以下簡(jiǎn)稱“城軌”)作為大中城市公共交通的主動(dòng)脈，每天客流量高達(dá)幾百萬人次，且客流量還在不斷上升，這對(duì)各城市的軌道交通公司的運(yùn)維能力提出了較高的要求:一方面，要保障的線路安全可靠運(yùn)行，避免發(fā)生安全事故；另一方面，要優(yōu)化維修計(jì)劃，將“計(jì)劃修”轉(zhuǎn)變?yōu)椤盃顟B(tài)修”，從而減少車輛維修時(shí)間，降低維修成本[1]。因此，需要采用一種智能化的城軌車輛運(yùn)維方案，實(shí)現(xiàn)對(duì)城軌列車關(guān)鍵系統(tǒng)和部件運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè), 并依托大數(shù)據(jù)、人工智能等技術(shù)，結(jié)合車輛運(yùn)行和檢修數(shù)據(jù)進(jìn)行分析挖掘，診斷并預(yù)測(cè)設(shè)備的健康狀態(tài)，從而保障的車輛安全性和可靠性。

在城軌車輛智能運(yùn)維系統(tǒng)設(shè)計(jì)中，數(shù)據(jù)的采集、存儲(chǔ)和管理是實(shí)現(xiàn)系統(tǒng)其它功能的基礎(chǔ)。目前，城軌車輛智能運(yùn)維系統(tǒng)大多以關(guān)系型或非關(guān)系型數(shù)據(jù)庫(kù)作為其數(shù)據(jù)存儲(chǔ)的核心架構(gòu)。這種數(shù)據(jù)庫(kù)雖然實(shí)現(xiàn)了時(shí)序數(shù)據(jù)的存儲(chǔ)需求，但寫入和查詢性能較差，且在數(shù)據(jù)壓縮、數(shù)據(jù)展示等方面功能不夠完善。時(shí)序數(shù)據(jù)庫(kù)是近年來在物聯(lián)網(wǎng)領(lǐng)域內(nèi)十分流行的一種數(shù)據(jù)持久化方案，其具備高性能的數(shù)據(jù)處理能力、高效的壓縮算法和符合時(shí)序特征的存儲(chǔ)引擎[2]，廣泛應(yīng)用于對(duì)物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)數(shù)據(jù)的采集、存儲(chǔ)和展示。

本文基于IoTDB(物聯(lián)網(wǎng)數(shù)據(jù)庫(kù))時(shí)序數(shù)據(jù)庫(kù)的特點(diǎn)和優(yōu)勢(shì)，研究了其在城軌車輛智能運(yùn)維系統(tǒng)構(gòu)建中的適用性；并將其作為系統(tǒng)的核心部分，設(shè)計(jì)了一種輕量化的系統(tǒng)架構(gòu)，有效提高了存儲(chǔ)空間利用率和數(shù)據(jù)檢索效率。

1 IoTDB時(shí)序數(shù)據(jù)庫(kù)

時(shí)序數(shù)據(jù)庫(kù)的全稱為時(shí)間序列數(shù)據(jù)庫(kù)(Time-Series Database)，主要用于處理帶時(shí)間標(biāo)簽的數(shù)據(jù)，即時(shí)間序列數(shù)據(jù)。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)、非關(guān)系型數(shù)據(jù)庫(kù)由于天生的劣勢(shì)，導(dǎo)致其無法滿足對(duì)時(shí)序數(shù)據(jù)的高效存儲(chǔ)與處理。相比之下，時(shí)序數(shù)據(jù)庫(kù)在實(shí)時(shí)性、穩(wěn)定性、兼容性和安全性等方面都具有更高的技術(shù)水平，又能和大數(shù)據(jù)生態(tài)進(jìn)行融合，具有良好的應(yīng)用前景[3]。

IoTDB是清華大學(xué)自主研發(fā)的一款時(shí)間序列數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了對(duì)時(shí)間序列數(shù)據(jù)收集、存儲(chǔ)和分析的一體化管理，具有體量輕、性能高、易使用的特點(diǎn)，適用于工業(yè)物聯(lián)網(wǎng)應(yīng)用中海量時(shí)間序列數(shù)據(jù)高速寫入和復(fù)雜分析查詢的需求。目前，IoTDB支持布爾型(Boolean)、32位整型(Int32)、64位整型(Int64)、單精度浮點(diǎn)型(Float)、雙精度浮點(diǎn)型(Double)、字符串型(Text)等6種數(shù)據(jù)類型，具有良好的軟硬件兼容性，支持多種硬件架構(gòu)的部署，包括嵌入式終端、邊緣計(jì)算設(shè)備以及數(shù)據(jù)中心服務(wù)器，并能與Hadoop、Spark生態(tài)完美對(duì)接，時(shí)序數(shù)據(jù)采集頻率可達(dá)毫秒級(jí)。此外，IoTDB的數(shù)據(jù)壓縮能力是其相比于關(guān)系型數(shù)據(jù)庫(kù)的一大優(yōu)勢(shì)，通過基于Snappy算法的無損壓縮方式，能夠有效節(jié)省存儲(chǔ)介質(zhì)空間，提升數(shù)據(jù)檢索效率。

2 城軌車輛智能運(yùn)維系統(tǒng)需求

目前，北京、上海、深圳等地的城軌公司已開展了針對(duì)軌道交通運(yùn)維智能化與健康管理方面的相關(guān)工作[4]。城軌車輛智能運(yùn)維系統(tǒng)需要實(shí)現(xiàn)從數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)分析、數(shù)據(jù)展示的全流程、全功能的覆蓋[5-6]。流轉(zhuǎn)于系統(tǒng)內(nèi)的數(shù)據(jù)具有變量多、周期短、變化小、時(shí)效性強(qiáng)等特點(diǎn)，因此對(duì)系統(tǒng)中各功能模塊的性能提出了較高要求。

2.1 實(shí)時(shí)數(shù)據(jù)接收

城軌車輛上安裝了數(shù)據(jù)采集和發(fā)送裝置，實(shí)時(shí)采集和發(fā)送車輛的運(yùn)行狀態(tài)數(shù)據(jù)和故障數(shù)據(jù)。城軌車輛智能運(yùn)維系統(tǒng)可實(shí)時(shí)獲取列車信息。為支撐實(shí)時(shí)監(jiān)控需求和數(shù)據(jù)分析需求，數(shù)據(jù)發(fā)送周期一般為毫秒級(jí)，系統(tǒng)需在一個(gè)周期內(nèi)完成對(duì)所有車輛發(fā)送的當(dāng)前周期內(nèi)數(shù)據(jù)的校驗(yàn)和存儲(chǔ)操作。

2.2 數(shù)據(jù)存儲(chǔ)

一條城軌線路的列車數(shù)量一般在20列以上，每列列車上各子系統(tǒng)的傳感器數(shù)量可達(dá)上萬個(gè)，需回傳至地面系統(tǒng)的變量一般為3 000～5 000個(gè)左右，每個(gè)變量至少需存儲(chǔ)的內(nèi)容包括標(biāo)識(shí)符、時(shí)間戳和值。按照500 ms的發(fā)送周期、每個(gè)變量占14字節(jié)(標(biāo)識(shí)符占4字節(jié)，時(shí)間戳占6字節(jié)，值占4字節(jié))的存儲(chǔ)空間來計(jì)算，城軌車輛智能運(yùn)維系統(tǒng)覆蓋一條線路時(shí)，每條線路按20列列車、3 000個(gè)變量/列車，一年所需的存儲(chǔ)空間為52 980 480 000 000字節(jié)，約為48.19 TB。當(dāng)覆蓋的線路增多時(shí)，數(shù)據(jù)量將會(huì)呈線性增長(zhǎng)。

2.3 數(shù)據(jù)查詢

實(shí)現(xiàn)城軌列車運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控是城軌車輛智能運(yùn)維系統(tǒng)的核心功能之一，這就要求系統(tǒng)必須在一個(gè)數(shù)據(jù)接收周期內(nèi)將所有變量當(dāng)前的最新值更新至顯示前端，滿足用戶對(duì)實(shí)時(shí)數(shù)據(jù)的監(jiān)控需求。另一方面，系統(tǒng)還應(yīng)提供對(duì)歷史數(shù)據(jù)的查詢和展示功能，即將一段時(shí)間范圍內(nèi)的數(shù)據(jù)以美觀、易理解的圖表形式向用戶展示出來。除了要保證查詢結(jié)果的完整性和準(zhǔn)確性外，還要在用戶可接受的時(shí)間內(nèi)返回結(jié)果。

2.4 計(jì)算統(tǒng)計(jì)

城軌車輛智能運(yùn)維系統(tǒng)所接收的數(shù)據(jù)中，有些需要先進(jìn)行計(jì)算、換算或者統(tǒng)計(jì)，然后再進(jìn)行展示。例如：通過電流值和電壓值計(jì)算功率值、換算載荷值的單位，統(tǒng)計(jì)牽引能耗在某小時(shí)、某天、某月內(nèi)的最大值、最小值、平均值、累計(jì)值，等等。若采用傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，則需要編寫復(fù)雜的SQL語句才能實(shí)現(xiàn)上述計(jì)算功能。

3 IoTDB適用性分析

3.1 應(yīng)用架構(gòu)體系

IoTDB由多個(gè)組件構(gòu)成，涵蓋數(shù)據(jù)收集、數(shù)據(jù)寫入、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)查詢、數(shù)據(jù)分析、數(shù)據(jù)可視化等多個(gè)功能。

IoTDB應(yīng)用架構(gòu)如圖1所示。IoTDB通過JDBC(Java數(shù)據(jù)庫(kù)連接)驅(qū)動(dòng)，廣泛地支持多種異構(gòu)數(shù)據(jù)源的接入，包括設(shè)備數(shù)據(jù)、系統(tǒng)狀態(tài)數(shù)據(jù)、消息隊(duì)列數(shù)據(jù)、應(yīng)用數(shù)據(jù)以及其它數(shù)據(jù)庫(kù)中的數(shù)據(jù)等。用戶通過命令行客戶端交互工具能夠?qū)?shù)據(jù)庫(kù)進(jìn)行寫入和查詢操作，也可以通過Grafana監(jiān)控工具以圖形化方式查看數(shù)據(jù)變化趨勢(shì)。TsFile是一種專門為時(shí)間序列數(shù)據(jù)而設(shè)計(jì)的存儲(chǔ)格式，支持高效的壓縮和查詢能力，是IoTDB的核心組成部分。對(duì)于寫入TsFile文件中的數(shù)據(jù)，可以通過TsFileSync同步工具將文件同步至HDFS(Hadoop分布式文件系統(tǒng))中，進(jìn)而實(shí)現(xiàn)在Hadoop或Spark等開源平臺(tái)上進(jìn)行時(shí)序數(shù)據(jù)的處理和分析。

圖1 IoTDB應(yīng)用架構(gòu)

3.2 性能及功能優(yōu)勢(shì)

在高速、海量時(shí)序數(shù)據(jù)存儲(chǔ)方面，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)難以達(dá)到低延遲、高吞吐量的實(shí)時(shí)存儲(chǔ)，而且在查詢大量歷史數(shù)據(jù)時(shí)，會(huì)出現(xiàn)長(zhǎng)時(shí)間無響應(yīng)甚至引起系統(tǒng)崩潰等情況，嚴(yán)重影響系統(tǒng)穩(wěn)定性和可靠性，降低了用戶體驗(yàn)標(biāo)準(zhǔn)。IoTDB作為新興的時(shí)序數(shù)據(jù)庫(kù)，對(duì)時(shí)序數(shù)據(jù)的處理具有天然的優(yōu)勢(shì)，能夠?qū)崿F(xiàn)每秒數(shù)百萬數(shù)據(jù)點(diǎn)寫入和查詢的能力。

文獻(xiàn)[7]將IoTDB與HBase、MongoDB、RiakTS、Redis等數(shù)據(jù)庫(kù)進(jìn)行了對(duì)比測(cè)試，在4種實(shí)際應(yīng)用場(chǎng)景下，分別對(duì)上述5種數(shù)據(jù)庫(kù)進(jìn)行同樣的寫入或查詢操作，并統(tǒng)計(jì)了各自的執(zhí)行時(shí)間以及工作負(fù)載。對(duì)比測(cè)試結(jié)果表明：針對(duì)大數(shù)據(jù)量的時(shí)序數(shù)據(jù)，IoTDB具有明顯的性能優(yōu)勢(shì)和穩(wěn)定性。

本文通過模擬城軌車輛運(yùn)行狀態(tài)數(shù)據(jù)，對(duì)IoTDB-v0.11.2進(jìn)行了寫入和查詢性能測(cè)試，測(cè)試結(jié)果匯總于表1和表2中。根據(jù)測(cè)試結(jié)果可以看出，IoTDB能夠有效支撐線網(wǎng)級(jí)城軌車輛智能運(yùn)維系統(tǒng)的寫入和查詢性能需求。

表1 IoTDB寫入性能測(cè)試結(jié)果

表2 IoTDB查詢性能測(cè)試結(jié)果

此外，IoTDB時(shí)序數(shù)據(jù)庫(kù)還具有以下幾個(gè)優(yōu)點(diǎn)：

1) 異常數(shù)據(jù)處理：由于網(wǎng)絡(luò)延遲、軟件性能、設(shè)備故障等原因不可避免地會(huì)出現(xiàn)數(shù)據(jù)無序到達(dá)、產(chǎn)生錯(cuò)誤數(shù)據(jù)和重復(fù)數(shù)據(jù)等異常情況，IoTDB能夠支撐這些復(fù)雜的工業(yè)應(yīng)用場(chǎng)景，包括時(shí)間序列數(shù)據(jù)的亂序?qū)懭?、時(shí)間序列數(shù)據(jù)的批量更新，以及對(duì)無效、無用時(shí)間序列數(shù)據(jù)的清理刪除。

2) 數(shù)據(jù)降采樣：是指數(shù)據(jù)庫(kù)對(duì)查詢到的結(jié)果集按照一定規(guī)則進(jìn)行重新篩選，使篩選后的數(shù)據(jù)量小于原始數(shù)據(jù)量，且又不影響數(shù)據(jù)查詢者的應(yīng)用需求。例如，對(duì)于城軌車輛智能運(yùn)維系統(tǒng)中根據(jù)設(shè)備運(yùn)行數(shù)據(jù)繪制折線圖的需求而言，如果返回的數(shù)據(jù)點(diǎn)數(shù)大于顯示器分辨率的寬度，則不僅對(duì)于繪制圖像的準(zhǔn)確性沒有任何幫助，反而還會(huì)造成數(shù)據(jù)點(diǎn)密級(jí)地堆疊在一起，影響整體顯示效果。IoTDB通過聚合操作實(shí)現(xiàn)數(shù)據(jù)的降采樣功能，既能保證圖表的準(zhǔn)確性，也能有效減少數(shù)據(jù)傳輸量，提高響應(yīng)速度。

3) 靈活擴(kuò)展：IoTDB支持“一寫多讀”的部署模式，即一個(gè)系統(tǒng)內(nèi)可以部署多套IoTDB，其中，寫入節(jié)點(diǎn)IoTDB負(fù)責(zé)新數(shù)據(jù)的寫入和查詢負(fù)載，其它多個(gè)查詢節(jié)點(diǎn)的IoTDB只負(fù)責(zé)歷史數(shù)據(jù)的查詢負(fù)載。通過這種機(jī)制有效均衡了寫入和查詢工作量，避免兩種操作對(duì)磁盤、網(wǎng)絡(luò)的相互影響。隨著數(shù)據(jù)量的不斷增加，只需擴(kuò)展查詢節(jié)點(diǎn)的硬件設(shè)備，無需中斷系統(tǒng)的正常運(yùn)行。此外，最新版本的IoTDB基于Raft協(xié)議實(shí)現(xiàn)了一種分布式框架，將數(shù)據(jù)按時(shí)間序列組進(jìn)行分區(qū)，以多副本的方式實(shí)現(xiàn)數(shù)據(jù)的可靠存儲(chǔ)，并通過共識(shí)協(xié)議保證數(shù)據(jù)的強(qiáng)一致性[8]。

4) 時(shí)序數(shù)據(jù)操作：城軌車輛上的子系統(tǒng)、設(shè)備、傳感器種類繁多，各自具有不同的采樣頻率，在進(jìn)行數(shù)據(jù)分析之前，需要對(duì)時(shí)序數(shù)據(jù)進(jìn)行預(yù)處理。IoTDB支持多種基于時(shí)間序列維度的數(shù)據(jù)操作，如按照時(shí)間戳進(jìn)行數(shù)據(jù)對(duì)齊、按時(shí)間戳進(jìn)行時(shí)序數(shù)據(jù)分割等，有效減少了數(shù)據(jù)預(yù)處理的難度和復(fù)雜度。

4 IoTDB功能設(shè)計(jì)

4.1 存儲(chǔ)結(jié)構(gòu)

對(duì)實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)存儲(chǔ)是時(shí)序數(shù)據(jù)庫(kù)最基礎(chǔ)、最核心的功能。在IoTDB時(shí)序數(shù)據(jù)庫(kù)中，數(shù)據(jù)點(diǎn)是最小的數(shù)據(jù)單位，一個(gè)數(shù)據(jù)點(diǎn)由“時(shí)間戳-值(timestamp-value)”對(duì)組成。其中，“值”就是物理世界中傳感器發(fā)送的數(shù)值。一個(gè)傳感器所有數(shù)據(jù)點(diǎn)的集合，即為該傳感器的時(shí)間序列數(shù)據(jù)。

對(duì)于待寫入或待查詢的數(shù)據(jù)點(diǎn)，需通過多層級(jí)的路徑進(jìn)行查找，例如，“root.a.b.c.d”即為IoTDB中的一條路徑。其中，“root”為根節(jié)點(diǎn)，所有的路徑都以“root”起始；“a”“b”“c”“d”為不同的層級(jí)的名稱，層級(jí)a表示某個(gè)城市的一條城軌線路，層級(jí)b表示該線路上的一列城軌列車，層級(jí)c表示該列車上的一個(gè)設(shè)備，層級(jí)d表示該設(shè)備上的一個(gè)傳感器。圖2展示了IoTDB的路徑層級(jí)示例。通過“路徑+時(shí)間范圍”的組合，可以唯一確定IoTDB中的時(shí)序數(shù)據(jù)。此外，采用路徑的層級(jí)設(shè)計(jì)，可以實(shí)現(xiàn)通過路徑劃分不同的存儲(chǔ)空間，屬于同一路徑層級(jí)的數(shù)據(jù)能夠存儲(chǔ)在連續(xù)的磁盤空間上，避免了頻繁的I/O(輸入/輸出)切換，并且隔離了不同的時(shí)序數(shù)據(jù)。

圖2 IoTDB路徑層級(jí)示例

4.2 數(shù)據(jù)壓縮

城軌車輛智能運(yùn)維系統(tǒng)需要占用龐大規(guī)模的數(shù)據(jù)存儲(chǔ)空間，利用IoTDB的歷史數(shù)據(jù)壓縮能力可以有效減少歷史數(shù)據(jù)的數(shù)據(jù)量，節(jié)省存儲(chǔ)介質(zhì)成本。所謂歷史數(shù)據(jù)壓縮，即利用各種算法縮小歷史數(shù)據(jù)的冗余部分，同時(shí)盡量減少或避免數(shù)據(jù)失真。歷史數(shù)據(jù)的壓縮方式一般分為有損壓縮、無損壓縮和二級(jí)壓縮三種[9-10]。其中，有損壓縮能夠?qū)崿F(xiàn)較高的壓縮比，但會(huì)導(dǎo)致數(shù)據(jù)精度下降；無損壓縮不會(huì)降低原數(shù)據(jù)的精度，但要在壓縮率、壓縮速度和解壓速度三者之間進(jìn)行權(quán)衡；二級(jí)壓縮則是結(jié)合了上述兩種壓縮方式的優(yōu)點(diǎn)，即先對(duì)數(shù)據(jù)進(jìn)行第一級(jí)有損壓縮，再使用無損壓縮算法進(jìn)行第二級(jí)壓縮。此外，壓縮算法的效果還依賴于數(shù)據(jù)本身，數(shù)據(jù)變化越小、精度要求越低，則壓縮效果越好。

4.3 數(shù)據(jù)計(jì)算

相比于關(guān)系型數(shù)據(jù)庫(kù)，IoTDB時(shí)序數(shù)據(jù)庫(kù)能夠提供更為強(qiáng)大的計(jì)算能力。通過IoTDB內(nèi)置的統(tǒng)計(jì)分析計(jì)算函數(shù)，如求和、取平均值、計(jì)數(shù)等，可以根據(jù)時(shí)序數(shù)據(jù)的時(shí)間戳進(jìn)行基于時(shí)間斷面的計(jì)算、基于年月日的統(tǒng)計(jì)計(jì)算等。結(jié)合各類函數(shù)和自定義的計(jì)算公式，能夠?qū)崿F(xiàn)對(duì)原始數(shù)據(jù)進(jìn)行復(fù)雜計(jì)算，計(jì)算結(jié)果可保存在IoTDB中，也可用于再次計(jì)算。

4.4 大數(shù)據(jù)分析

基于大數(shù)據(jù)技術(shù)和Hadoop生態(tài)軟件進(jìn)行城軌列車運(yùn)維數(shù)據(jù)分析是當(dāng)前的一個(gè)熱門課題。IoTDB能夠完美對(duì)接Hadoop生態(tài)中的各種軟件，配合Hadoop提供的分布式計(jì)算、存儲(chǔ)機(jī)制，可提高城軌車輛智能運(yùn)維系統(tǒng)在大數(shù)據(jù)管理和分析方面的運(yùn)行效率和處理能力。此外，IoTDB還可以對(duì)接Spark實(shí)時(shí)計(jì)算引擎，提供一種輕量級(jí)的數(shù)據(jù)分析解決方案，降低硬件資源部署量。

4.5 數(shù)據(jù)展示

存入IoTDB的時(shí)序數(shù)據(jù)需通過可視化工具進(jìn)行展示，便于城軌車輛智能運(yùn)維系統(tǒng)的用戶對(duì)進(jìn)入系統(tǒng)的原始數(shù)據(jù)進(jìn)行觀察和分析。Grafana是一款開源的度量分析和可視化工具，具有數(shù)據(jù)監(jiān)控、數(shù)據(jù)統(tǒng)計(jì)和告警等功能，常被用于展示設(shè)備運(yùn)行的時(shí)序數(shù)據(jù)。通過開發(fā)IoTDB-Grafana適配器，用戶可利用Grafana的Web頁(yè)面以可視化圖表的方式直接查看IoTDB中的數(shù)據(jù)，也可以在Grafana上進(jìn)行一些數(shù)據(jù)探索工作。

5 城軌車輛智能運(yùn)維系統(tǒng)架構(gòu)設(shè)計(jì)

目前，各城市的軌道交通車輛在故障診斷和維修方面存在實(shí)時(shí)監(jiān)測(cè)種類不全、過修欠修、故障誤報(bào)等問題[11]，信息化、智能化水平不高。因此，在保障城軌列車安全、可靠運(yùn)行的基礎(chǔ)上，盡量降低維修成本、提升城軌設(shè)備智能化管理水平，越來越成為軌道交通行業(yè)廣泛關(guān)注和研究的熱點(diǎn)[12]。

城軌車輛智能運(yùn)維系統(tǒng)以保障城軌車輛運(yùn)行安全、提高車輛檢修質(zhì)量、提升運(yùn)營(yíng)管理整體效能為目標(biāo)，結(jié)合物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)，實(shí)現(xiàn)對(duì)列車運(yùn)行過程的全息感知和實(shí)時(shí)監(jiān)控，有效輔助管理人員進(jìn)行科學(xué)決策?；贗oTDB時(shí)序數(shù)據(jù)庫(kù)構(gòu)建城軌車輛智能運(yùn)維系統(tǒng)，其總體架構(gòu)如圖3所示，共分為3層，包括數(shù)據(jù)源層、數(shù)據(jù)存儲(chǔ)層和數(shù)據(jù)應(yīng)用層。該設(shè)計(jì)以IoTDB時(shí)序數(shù)據(jù)庫(kù)代替了傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)和NoSQL數(shù)據(jù)庫(kù)，顯著提高了對(duì)城軌列車時(shí)序數(shù)據(jù)的寫入和查詢效率，且能夠滿足數(shù)據(jù)量持續(xù)增長(zhǎng)的需求。

圖3 基于IoTDB的城軌車輛智能運(yùn)維系統(tǒng)總體架構(gòu)

數(shù)據(jù)源層覆蓋所有城軌列車，列車上不同子系統(tǒng)、不同設(shè)備上的傳感器是數(shù)據(jù)產(chǎn)生的源頭，這些數(shù)據(jù)按照特定發(fā)送周期，通過無線傳輸模塊以TCP、MQTT等協(xié)議發(fā)送至城軌運(yùn)營(yíng)公司的數(shù)據(jù)中心。

數(shù)據(jù)存儲(chǔ)層實(shí)現(xiàn)了整個(gè)城軌車輛智能運(yùn)維系統(tǒng)的數(shù)據(jù)匯集和持久化，主要由IoTDB時(shí)序數(shù)據(jù)庫(kù)和Kafka消息隊(duì)列組成。城軌列車發(fā)送來的時(shí)序數(shù)據(jù)首先進(jìn)入Kafka消息隊(duì)列進(jìn)行緩存，按照一定的規(guī)則或算法進(jìn)入不同的Topic和Partition，這樣既能分擔(dān)寫入任務(wù)的負(fù)載，也能通過Kafka的副本機(jī)制，確保接收到的數(shù)據(jù)不會(huì)丟失。IoTDB-JDBC接口從Kafka的消費(fèi)者端接收列車的實(shí)時(shí)數(shù)據(jù)，并存入寫入節(jié)點(diǎn)的實(shí)時(shí)數(shù)據(jù)TsFile文件中。隨著數(shù)據(jù)量的不斷擴(kuò)大，當(dāng)單個(gè)IoTDB節(jié)點(diǎn)的存儲(chǔ)能力無法支撐數(shù)據(jù)存儲(chǔ)時(shí)，可采用橫向擴(kuò)展的方式再部署一個(gè)或多個(gè)IoTDB查詢節(jié)點(diǎn)，并設(shè)置為只讀模式。在“一寫多讀”方式下，為避免單點(diǎn)故障，實(shí)現(xiàn)高可用，將寫入節(jié)點(diǎn)配置為主備模式，通過IoTDB自身的同步機(jī)制實(shí)現(xiàn)數(shù)據(jù)同步。實(shí)時(shí)數(shù)據(jù)為監(jiān)視控制類應(yīng)用提供支撐，歷史數(shù)據(jù)為數(shù)據(jù)分析和挖掘類應(yīng)用提供訓(xùn)練和測(cè)試樣本。由于采用了數(shù)據(jù)壓縮技術(shù)，歷史數(shù)據(jù)所占用的存儲(chǔ)空間能夠得到有效控制。

應(yīng)用層是系統(tǒng)對(duì)外輸出能力的展現(xiàn)，能夠提供如車輛運(yùn)行狀態(tài)監(jiān)控、故障報(bào)警、設(shè)備健康管理、維修信息管理、報(bào)表生成等多種應(yīng)用。城軌運(yùn)營(yíng)公司基于這些應(yīng)用可以實(shí)現(xiàn)智能化的管理，減少人力成本，提高城市軌道交通服務(wù)水平。

6 結(jié)語

以IoTDB時(shí)序數(shù)據(jù)庫(kù)為核心構(gòu)建城軌車輛智能運(yùn)維系統(tǒng)，可以充分發(fā)揮其處理城軌列車時(shí)序數(shù)據(jù)的天然優(yōu)勢(shì)，同時(shí)又可以無縫對(duì)接大數(shù)據(jù)管理分析平臺(tái)，具有高性能、可靠性和易用性等特點(diǎn)。本文給出的輕量化系統(tǒng)架構(gòu)設(shè)計(jì)，可為城軌車輛智能運(yùn)維系統(tǒng)的開發(fā)提供參考和借鑒。