OPCUA网关数据存储系统

王灿达，李 悦，李 锋

(东华大学 计算机科学与技术学院，上海201620)

0 引 言

伴随着《中国制造2025》战略计划的不断推进，学术界与工业界将越来越多的目光投向了智能制造的研究与实践。为了生产数据实时处理的需要，数据在边缘侧处理后，再与云计算中心进行交互，这种云边协同的模式是智能制造发展的一个新趋势［1］。保证生产信息的收集、存储与传输，使得云中心能快速方便地获取到来自于生产设备的信息，是实现云边协同的关键因素。但目前生产设备种类繁多，通讯接口协议各异，上层应用系统需针对各类设备单独开发子模块用于数据交互，这无疑增大了开发的难度，阻碍了智能制造的发展［2］。OPC统一架构即OPCUA，定义了一组高可用、高性能和跨平台的数据交互规范［3］。基于OPCUA技术所开发的网关可屏蔽不同设备的通讯细节，对外部系统访问生产设备数据提供统一标准的接口［4］。在实际生产中，网关处于生产设备边缘，由于现场网络的不确定性较高，通讯不稳定，存在数据丢失的风险。而在工业生产中，网关所传输的数据涉及到设备主要生产指标以及控制数据，对数据的完整性要求较高。因此，OPCUA网关中应具备数据存储能力，遇到网络中断时，网关可继续准确采集，并将数据存储到非易失设备中，当网络恢复正常时，其它第三方平台可从网关中获取完整数据。这就保证了可靠的数据服务，提高了系统的鲁棒性与容错性［5］。

目前，在智能制造网关的研究中，学者大多关注于不同协议之间的转换［6］、信息通讯的安全性［7］以及网关的边缘计算能力［8］等方面，部分学者注意到了网关对于数据的存储能力，但现有的数据库系统仍是其不二选择。文献［9］在对基于OPCUA的工控信息化数据网关的研究中采用了SQLite；文献［10］在设计家庭看护系统的智能网关时选择了MongoDB。此外MySQL、HBase也广受学者们的青睐［11］。由于数据库的运行需要较多的系统资源，这就对硬件配置提出了较高的要求，而网关设备硬件资源紧张，运行数据库软件较为困难。此外，操作数据库需要建立网络连接、传输数据、关闭连接等一系列耗时步骤，这会导致网络I／O速度成为系统运行效率的瓶颈。现有的数据库软件为追求更广泛的应用场景，其存储与查询设计具有一定的通用性，并不会针对OPCUA网关程序做专门的优化。基于上述现状，本文设计了一套内存与外存协同的数据存储系统（Storage System Based On Ram And External Storage Data，简称RES），专用于对OPCUA网关数据的存储。RES只保留了核心的数据存储与查询功能，抹除了事务、存储过程等额外的数据库功能，故其资源占用率小，硬件要求低；另外RES可直接嵌入到OPCUA应用程序中，二者之间的互操作不再需要占用网络I／O资源，大幅度提升了程序运行效率。

1 OPCUA网关总体架构

OPCUA网关采集设备信息并存储，对外部呈现OPCUA数据接口。在逻辑上，网关系统分为3层，分别为采集层、存储层与服务层，如图1所示。采集层读取生产设备数据，整合目前采集生产数据常用的接口（如RS485、RS232、USB等），并针对不同的通讯方式开发不同的驱动程序完成数据的采集，之后将数据写入到存储层。存储层为服务层提供数据支撑，分为内存存储与外存存储两部分。外部系统通过OPCUA客户端与网关服务层建立安全连接。连接成功的客户端可浏览服务层地址空间，访问结点的当前数据与历史数据，还可以对节点进行订阅，当数据更新时自动获取。

图1 网关整体架构Fig.1 Gateway architecture

2 内外存协同的数据存储

数据库可划分为二种，一种是传统的关系数据库，主要以外存作为存储介质，如Oracle、MySQL等，数据的访问会同时涉及磁盘I／O与网络I／O，速度较慢；另一种是实时数据库，主要以内存作为存储介质，如Redis、Memcached等，此类数据库直接基于内存操作，速度较快，但受限于内存资源，其存储容量有限。若将二者结合，外存型数据库用于持久化存储“冷数据”，即访问频次较低的数据；内存型数据库缓存“热数据”，即访问频次较高的数据，可扬长避短提升系统性能。本文的RES就是基于上述思想所设计，用以适应OPCUA网关中采样数据管理，在有限的硬件资源下可保证数据的读写速率与存储容量。

2.1 内存储结构设计

生产过程中设备数据具有数值和时间属性，本文采用OPCUA标准中的DataValue数据对象来表示。DataValue的各属性见表1。

表1 DataValue属性Tab.1 Datavalue property

DataValue对象可描述某个节点在某一时刻的具体值，对其按照时间顺序存储，则可记录某一节点数据随时间的变化情况。由于数组可满足对元素的有序存储，故本文为每个节点建立一个固定长度的DataValue数组，在内存中存储该节点的时序数据。为建立起节点与数组的对应关系，方便根据节点的唯一标识符（nodeId）对数组进行查找，本文引入哈希集合作为最外层容器。哈希集合以键值对的方式进行数据映射与存储，每个节点的nodeId作为键，与节点对应的数组作为值共同存储在哈希集合之中。内存存储结构如图2所示。

图2 内存存储结构Fig.2 RAM storage structure

2.2 外存存储结构设计

外存存储结构三要素为:记录、数据页、索引，如图3所示。记录是节点数据在外存中最基本的存储形式，每行记录包含3个字段见表2，分别是nodeNumber、value、timeStamp。为方便对记录排序，本文对OPCUA模型中所有节点重新编号并与其nodeId一一对应。

图3 外存存储结构Fig.3 External storage structure

表2 记录字段Tab.2 Record field

数据页保存着记录，可分为3部分:头信息、页目录与记录。头信息是为生成索引服务的，包含数据页所有记录中最早时间的时间戳与最晚时间的时间戳；每个节点所对应的记录在此数据页的位置区间存放于页目录之中，通过查阅页目录可高效地根据节点编号锁定想要的数据。为方便对数据页的组织管理，数据页大小固定且以阿拉伯数字顺序从1开始逐个编号，越晚生成的数据页其页号越大。索引页只记录数据页页号及此数据页的头信息，在查询所需数据时遍历索引，可快速定位目标数据页。

2.3 数据的写入与访问机制

2.3.1 数据写入机制

设备数据从网关采集层写入网关存储层的流程如图4所示。首先会在OPCUA地址空间中更新此节点的当前值，之后根据此值封装一个DataValue对象放入与该节点对应的数组，用于在内存中缓存节点的“热数据”。若数据量超出了数组的容量，则会按照时间顺序对早期放入数组的数据进行清除，确保内存中总是缓存设备新产生的数据，在实际生产中新数据被访问的频次大于旧数据。

图4 数据写入流程Fig.4 Data writing process

为确保节点数据的完整性以及整个系统的鲁棒性，当数据更新时还会生成一条记录，用于在外存中持久化存储。考虑到外存I／O耗时较长，此记录并不会立即同步至外存，而是先放入位于内存的记录暂存区，等待时机批量写入，以减少I／O次数，从而提升系统性能。记录由暂存区写入外存的条件:一是每隔固定的时间间隔进行一次数据同步，二是暂存区数据量达到规定数目，满足任意一个即可。

记录从暂存区写入外存过程如下:

（1）获取待写入数据的数据页。计算最晚生成的即页号最大的数据页的长度，若超过规定的长度则创建新的数据页，否则直接写入到此数据页中。

（2）更新数据页的头信息。取暂存区中最晚记录的时间戳来更新头信息的最晚时间。若头信息中已有最早时间则无需更新，否则取暂存区最早记录的时间戳来设定头信息的最早时间。

（3）记录排序。将暂存区的记录与数据页中原有的记录混合，并按照编号与时间戳这2个字段进行升序排列。

（4）更新数据页的页目录。遍历排序后的记录值，得出每个节点所对应的记录的位置区间，最后生成新的页目录。

（5）将头信息、页目录、有序记录写入数据页，并在索引中更新此数据页的头信息。

（6）清空记录暂存区。

2.3.2 数据访问机制

各类外部系统通过网关服务层对数据进行访问分为两种情况:一是对于节点当前值的读取，这种方式比较简单直接依据OPCUA规范返回对应数据即可；另一种是对于节点在某段时间范围内历史数据的读取，此时需要查询RES以获取数据。3个关键查询信息分别为nodeId、开始时间、结束时间。详细步骤如下，流程如图5所示。

图5 数据读取流程Fig.5 Data reading process

（1）根据nodeId在哈希集合中查找到存放DataValue对象的数组。

（2）遍历数组，若满足查询条件则返回对应数据，若不满足则查找位于外存的记录。

（3）根据开始时间与结束时间遍历索引，得到满足条件的若干个数据页。

（4）逐一处理数据页，由nodeId所对应的编号去查询页目录定位并获取数据。

（5）把此次在外存中查找到的数据放入内存对应的数组中。即“冷数据”升级为“热数据”，提升下次查询的速率。

（6）将在内存与外存中查找到的数据一并返回给客户端。

3 方案测试

本文以染整车间中定型机为基础搭建OPCUA网关，以对RES进行测试。定型机包含多个监控单元，每个监控单元监控某项指标。如，烘房温度、布面含潮率，同时也对应着OPCUA地址空间中的一个节点。网关采集层通过RS485接口从定型机的监控单元获取数据存入RES，网关服务层接收OPCUA客户端的请求并返回相应数据。

网关的硬件平台基于Raspberry Pi 3B，其CPU配置为64位1.2 GHz四核心，内存1 G、外存32 G。本文选取了以外存为存储介质的关系型数据库MySQL和以内存为存储介质的键值对数据库Redis作为RES的比较对象，来评测RES的各项性能指标。在MySQL中建立数据表存储节点数据，具体字段信息见表3。为提升数据查询的速率，在该表中以update＿time与node＿id字段建立了索引。

表3 MySQL数据表信息Tab.3 MySQL data table information

节点数据在Redis中以hash表的方式进行存储，每一个OPCUA节点对应于Redis中的一个hash表，即Redis中的每一个hash表都以OPCUA节点的nodeId当做键值。在hash表中该节点数据以更新时刻的时间戳作为字段名称，这一时刻节点的值当做与该字段对应的值，具体存储结构如图6所示。

图6 Redis存储结构Fig.6 Redis storage structure

为测试不同存储方案下数据的写入速率，本文随机模拟定型机在运行时所产生的数据，以连续写入1 000条数据为起始，步长为1 000，递增到10 000条。每个量级写入5次，并计算出平均写入时间，具体结果如图7所示。MySQL写入数据所用时间最多，且随着数据量的增大，所用时间的增幅也非常明显；Redis与RES写入速度较MySQL有明显的提升，数据量增大时，所用时间的增幅趋于平缓；Redis的写入速率略高于RES。在写入时MySQL、Redis、RES这3种方案CPU的平均使用率为38%，32%，29%；内存平均使用率为35%，28%，27%。

图7 不同方案写入数据所用时间Fig.7 Data writing time of different schemes

对于数据读取速度的测试，本文首先在MySQL、Redis、RES中分别存入10 000条记录，并随机读取某个节点在某个时间段内的历史数据。统计读取100次，以100为步长递增到1 000次不同方案所用的时间，具体结果如图8所示。MySQL对于SQL语句有着很好的支持，一条简单的SQL语句即可完成查询，虽操作方便但速度并不理想；Redis对于数据的操作方式较少，且其内部并不会对数据按照时间排序，故只能采用遍历的方式筛选出合格的记录；RES在写入时对数据建立了索引与页目录，并且数据全部按照时间顺序排列，使其在查询时无需遍历，可以直接查找到所需记录，大幅度提升了查询效率。在查询时MySQL、Redis、RES这3种方案CPU的平均使用率为30%，29%，28%；内存平均使用率为38%，45%，29%。

图8 不同方案查询数据所用时间Fig.8 Data query time of different schemes

在实际工业生产中数据量巨大，在千万级别的数据量下RES仍有较好的表现。写入性能方面，MySQL与RES写入10 000 000条数据分别用时约30.91 h、2.24 h。由于网关硬件资源有限，内存只有1 GB，当Redis的数据写入量达到60 000 000左右时，则已达到其容量瓶颈不能继续操作。数据查询方面，基于千万级数据量随机查询100次MySQL、RES所用时间分别为9 282.89 s、1 722.16 s。

4 结束语

本文对网关中的数据存储进行了研究，设计并实现了内存与外存协同的数据存储系统，内存做数据缓存，外存做持久化存储，兼顾了数据存储容量与操作效率，在计算资源限的开发板上，相比传统的数据库MySQL与Redis有更好的性能表现。OPCUA网关解决了不同生产设备之间、生产设备与外部系统之间难以互联互通的问题，对于OPCUA网关的进一步发展具有一定的参考意义。