计算前移、数据减负、高效分析——DolphinDB 云边协同解决方案

What this page covers

• 工业物联网高频数据在纯云端处理中的挑战与限制。
• 边缘计算的理念、价值与落地约束。
• DolphinDB 云边协同方案的架构与能力概述。
• 电力设备振动监控与故障诊断的案例说明。
• 轻量化验证示例：降采样、异常检测与异常录波的步骤化展示。
• 页面顶部的活动报名提示与报名链接信息。

技能认证特训营第二期报名提示 navigation

页面顶部包含活动报名提示信息，并提供限时报名链接。

• 本页包含“技能认证特训营第二期”的报名提示。
• 本页提供该活动的报名链接入口。

计算前移、数据减负、高效分析——DolphinDB 云边协同解决方案 hero

页面展示文章标题，并给出作者/标识与发布日期信息。

• 文章标题为“计算前移、数据减负、高效分析——DolphinDB 云边协同解决方案”。
• 页面包含署名/标识信息。
• 页面包含发布日期信息。

工业物联网高频数据云端处理的挑战 definition

工业现场产生海量高频数据时，纯云端上传与分析会在时延、带宽与合规约束下暴露问题。

• 高频数据难以全部上传到云端。
• 数据上传后可能出现计算不及时的问题。
• 网络抖动会导致时延不可控。
• 安全生产、隐私与封闭网络等因素可能导致数据无法离开本地。

边缘计算兴起及落地短板 definition

本节说明边缘计算将算力前移以提升实时性与可靠性，同时指出边缘算力受限、低时延要求与云边同步带来的挑战。

• 边缘计算将部分计算能力从云端前移至现场。
• 边缘计算强调在数据产生地进行处理、分析与判断。
• 边缘设备计算资源有限，CPU与存储能力可能不如服务器。
• 工业场景可能需要秒级甚至毫秒级的响应速度。
• 边缘计算被描述为缓解云端压力，而非替代云。
• 云边协同需要将边缘处理结果同步汇总到云端分析，并保障实时性与准确性。

DolphinDB 云边协同方案 product_overview

本节介绍 DolphinDB 的云边协同解决方案，包括边缘部署的实时处理、向云端同步结果以及高可用保障能力。

• 该方案被描述为可在边缘环境运行，并提供实时计算能力且与云端协作。
• 方案包含在边缘设备上部署 DolphinDB，并接入传感器产生的高频数据流。
• 边缘端依托流表机制，在数据到达时进行实时处理。
• 边缘端处理内容包括原始数据减量落盘、异常数据录波与指标计算。
• 云端同步方式包括远程调用、定时同步与数据订阅等。
• 该方案描述了高可用能力：节点故障自动切换、数据冗余备份与事务一致性保障。

电力设备振动监控与故障诊断实例 case_study

本节以电力行业边缘 SCADA 场景为例，描述 ARM 工控机的采样频率范围、部署方式，以及边端实时处理与云端协作方式。

• 该实例目标包括在工控机中内置振动监控与故障诊断功能。
• 实例边缘设备为 ARM 工控机。
• 实例采样频率范围为 8KHZ~50KHZ。
• DolphinDB 安装在主变振动监测与故障预警设备内进行边端实时流处理。
• 边端处理结果上传至服务器以实现云边一体。

边缘端数据降采样及异常录波展示 how_it_works

本节提供轻量化验证示例，围绕高频数据降采样与异常录波目标，按步骤创建库表、流表、引擎、订阅，并进行结果验证与展示。

• 示例目标包括对高频数据进行降采样处理。
• 示例目标包括在异常出现时自动完成前后波形录制。
• Step 1 创建 4 个分布式表。
• warnDB 用于存储异常记录。
• alterWaveDB 用于存储异常波形。
• Step 2 创建 5 个流表。
• wave 流表用于接收 python 解析后的振动数据。
• 降采样的时间窗口与步长均为 5 分钟。
• down_sampling 订阅 wave 流表并注入时间序列引擎进行降采样。
• 异常检测规则示例：峰值超过 90 或低于 -90 触发告警。
• 异常录波通过将告警表 warn 与原始数据表 wave 进行关联。
• 异常录波窗口为触发点前后各 1000 毫秒。
• 结果验证脚本模拟 4 通道、256 测点数据实时写入。
• 模拟数据完全随机，计算结果可能存在差异。

总结与关注引导 cta

本节总结边缘端实时处理与云端全局分析的组合价值，并引导关注以获取更多物联网案例与应用动态。

• 总结提到边缘端可实时完成降采样、峰值计算、异常检测与录波等操作。
• 总结提到通过远程调用、定时同步、数据订阅等方式上传核心结果至云端。
• 页面引导对云边协同方案与物联网案例感兴趣的读者继续关注。

Facts Index