SOMS/FeederMonitoringAppService_Modifications_Summary.md

FeederMonitoringAppService 遥测存储系统集成修改总结

修改概述

本次修改将 FeederMonitoringAppService 的数据源实现从硬编码 Redis 查询和自定义 MongoDB 集合查询，升级为使用完整的遥测存储系统架构，与 TransformerMonitoringAppService 保持一致的设计模式。

主要变更

1. 依赖注入更新

新增依赖项：

• ITelemeteringBucketQueryService _bucketQueryService - 遥测分桶查询服务
• IMongoDbRepository<TelemeteringResult, Guid> _telemeteringResultRepository - 遥测结果仓储
• IMongoDbRepository<TelemeteringStatisticsResult, Guid> _statisticsRepository - 遥测统计结果仓储

新增命名空间：

• Yunda.ISAS.MongoDB.Entities.DataMonitoring

2. 数据检索逻辑重构

原有实现问题：

• 硬编码 Redis 键：使用 "telemeteringModelList_Zongzi" 直接查询
• 自定义集合命名：使用非标准的 MongoDB 集合命名模式
• 多种集合尝试：在 GetAllFeederCurrentStats() 中尝试多种集合命名模式
• 无统一数据源策略：不同方法使用不同的数据获取策略

新实现特性：

• 统一数据源接口：所有方法使用相同的遥测存储系统接口
• 智能数据源选择：根据查询类型自动选择最适合的数据源
• 分层降级机制：遥测存储系统 → 传统 MongoDB → 模拟数据
• 向后兼容性：保留传统 MongoDB 查询作为降级方案

3. 方法级别修改详情

GetFeederPowerComposition() - 馈线功率组成

原有实现：

var redisKey = "telemeteringModelList_Zongzi";
var telemeterings = await _telemeteringModelListRedis.HashSetGetAllAsync(redisKey);
var activeTelemetry = telemeterings.FirstOrDefault(t => t.Id == activeConfig.TelemeteringId);

新实现：

DateTime currentTime = DateTime.Now;
DateTime startTime = currentTime.AddMinutes(-5);
DateTime endTime = currentTime;
var activePowerData = await GetLatestTelemetryValue(activeConfig.TelemeteringId, startTime, endTime);

GetFeederPowerFactors() - 馈线功率因数

原有实现：

var redisKey = "telemeteringModelList_Zongzi";
var telemeterings = await _telemeteringModelListRedis.HashSetGetAllAsync(redisKey);
var powerFactorTelemetry = telemeterings.FirstOrDefault(t => t.Id == powerFactorConfig.TelemeteringId);

新实现：

DateTime currentTime = DateTime.Now;
DateTime startTime = currentTime.AddMinutes(-5);
DateTime endTime = currentTime;
var powerFactorValue = await GetLatestTelemetryValue(powerFactorConfig.TelemeteringId, startTime, endTime);

GetFeederEnergyConsumption() - 馈线能耗数据

原有实现：

_mongoRepository.CollectionName = $"TelemeteringModel_PowerConsumptionData_{intervalSuffix}_{dateSuffix}";
var powerConsumptionDocs = _mongoRepository.GetAllIncludeToFindFluent(filter).ToList();

新实现：

var telemeteringConfigIds = feederConfigs.Where(c => c.TelemeteringConfiguration != null)
    .Select(c => c.TelemeteringId).ToList();
var telemetryData = await GetTelemetryDataByType(telemeteringConfigIds, startTime, endTime, interval);

GetAllFeederCurrentStats() - 馈线电流统计

原有实现：

var collectionNames = new List<string>
{
    $"TelemeteringModel_Zongzi_{DateTime.Now:yyyyMMdd}",
    $"TelemeteringModel_Zongzi{DateTime.Now:yyyyMMdd}",
    // ... 多种命名模式尝试
};

新实现：

var telemetryIds = telemeteringConfigIds.Keys.ToList();
var telemetryData = await GetTelemetryDataByType(telemetryIds, startTime, endTime, interval);
// 降级机制：await QueryLegacyCurrentData(...);

4. 新增核心方法

GetLatestTelemetryValue() - 获取最新遥测数值

专门用于获取单个遥测点的最新数值，支持：

• Redis 实时数据优先
• 分桶存储数据降级
• 异常处理和日志记录

GetTelemetryDataByType() - 智能数据源选择

根据查询类型自动选择数据源：

• 实时查询 → Redis 缓存
• 小时/日查询 → 分桶存储 (TelemeteringBucket)
• 周/月/年查询 → 统计数据 (TelemeteringStatisticsBucket)

GetRealTimeDataFromRedis() - Redis 实时数据获取

优化的 Redis 数据查询，支持单点遥测数据获取

GetStatisticsData() - 统计数据查询

利用遥测存储系统的统计功能，支持多种统计类型

MapPowerTypeToInterval() - 查询类型映射

将业务查询类型映射到存储系统的时间间隔

QueryLegacyCurrentData() - 传统数据查询（向后兼容）

保留原有的多集合命名模式查询，作为降级方案

5. 数据源架构对比

原有架构：

方法1: Redis (实时) → 模拟数据
方法2: 自定义MongoDB集合 → 模拟数据
方法3: 多种MongoDB集合尝试 → 模拟数据
方法4: 复杂的集合命名模式 → 模拟数据

新架构：

统一查询接口 → 
├── 实时查询 → Redis 缓存
├── 短期查询 → 分桶存储 (按月分表)
├── 长期查询 → 统计数据 (按年分表)
├── 降级处理 → 传统MongoDB集合
└── 最终降级 → 智能模拟数据

6. 存储策略集成

分桶存储集成：

• 集合命名：TelemeteringBucket_{DataSourceCategory}_{yyyyMM}
• 数据源支持：Zongzi(综自)、Peidian(配电)、Fukong(辅控)、ZXJC(在线监测)、Robot(机器人)
• 时间分片：按小时分桶，每桶最多3600个测量点

统计数据集成：

• 集合命名：TelemeteringStatisticsBucket_{Interval}_{yyyy}
• 统计类型：实时值、最大值、最小值、平均值、差值、累计值、标准差、中位数
• 时间间隔：1分钟到30天的多种间隔

向后兼容性：

• 传统集合：保留对原有集合命名模式的支持
• 降级查询：QueryLegacyCurrentData() 方法处理传统数据源
• 多模式尝试：支持多种集合命名模式的自动尝试

7. 性能优化

查询优化：

• 单点查询优化：GetLatestTelemetryValue() 专门优化单值查询
• 批量查询支持：GetTelemetryDataByType() 支持多遥测点并行查询
• 时间范围优化：精确计算查询时间窗口
• 缓存策略：优先使用 Redis 实时数据

错误处理：

• 分层降级：遥测存储系统 → 传统MongoDB → 模拟数据
• 异常隔离：单个遥测点错误不影响整体查询
• 详细日志：每个数据源的查询结果都有详细日志

8. 兼容性保证

接口兼容性：

• 所有公共方法签名保持不变
• 返回数据格式完全兼容
• 现有调用代码无需修改

功能兼容性：

• 保留原有的模拟数据生成作为最终降级方案
• 保持原有的时间格式化和数据处理逻辑
• 维持原有的业务逻辑和计算规则
• 支持原有的集合命名模式（向后兼容）

9. 配置要求

依赖注入配置：

需要在 DI 容器中注册新的服务：

services.AddScoped<ITelemeteringBucketQueryService, TelemeteringBucketQueryService>();
services.AddScoped<IMongoDbRepository<TelemeteringResult, Guid>, MongoDbRepository<TelemeteringResult, Guid>>();
services.AddScoped<IMongoDbRepository<TelemeteringStatisticsResult, Guid>, MongoDbRepository<TelemeteringStatisticsResult, Guid>>();

数据库配置：

确保 MongoDB 中存在相应的集合和索引：

• TelemeteringBucket 系列集合
• TelemeteringStatisticsBucket 系列集合
• 传统集合（向后兼容）
• 相应的复合索引

10. 测试建议

单元测试：

• 测试各种查询类型的数据源选择逻辑
• 验证降级机制的正确性
• 测试传统集合查询的兼容性

集成测试：

• 验证与遥测存储系统的集成
• 测试不同数据源的查询性能
• 验证数据一致性和准确性

兼容性测试：

• 测试传统数据源的降级查询
• 验证多种集合命名模式的支持
• 测试异常情况下的降级机制

11. 监控指标

建议添加以下监控指标：

• 各数据源的查询次数和响应时间
• 降级查询的触发频率
• 传统集合查询的使用情况
• 模拟数据生成的频率（作为数据质量指标）
• 查询错误率和降级率

总结

本次修改成功将 FeederMonitoringAppService 从多种不一致的数据源实现统一为完整的遥测存储系统架构，实现了：

1. 架构统一化：与 TransformerMonitoringAppService 保持一致的设计模式
2. 数据源智能化：根据查询类型自动选择最优数据源
3. 降级机制完善：多层降级确保服务可用性和向后兼容性
4. 性能优化：利用分桶存储和统计预计算提升查询效率
5. 兼容性保证：完全向后兼容，支持渐进式迁移

修改后的服务能够提供更准确、更高效、更可靠的馈线监控数据查询功能，同时保持与现有系统的完全兼容性。