6.9 KiB
6.9 KiB
TransformerMonitoringAppService 遥测存储系统集成修改总结
修改概述
本次修改将 TransformerMonitoringAppService 的数据源实现从简单的 Redis 查询和模拟数据生成，升级为使用完整的遥测存储系统架构，包括分桶存储、统计数据和多数据源支持。
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.SOMS.MongoDB.Entities.DataMonitoringYunda.ISAS.MongoDB.Entities.DataMonitoring
2. 数据检索逻辑重构
原有实现问题：
- 硬编码 Redis 键
"telemeteringModelList_Zongzi" - 仅支持实时数据，无历史数据查询
- 大量依赖模拟数据生成
- 未利用遥测存储系统的分桶和统计功能
新实现特性：
- 智能数据源选择：根据查询类型自动选择最适合的数据源
- 多层数据架构：支持实时数据、分桶存储、统计数据
- 时间范围优化：根据查询时间跨度选择最优存储策略
- 错误处理增强：完善的异常处理和降级机制
3. 方法级别修改
所有主要方法的统一更新：
GetHighSidePhaseVoltage()- 高压侧相电压GetHighSidePhaseCurrent()- 高压侧相电流GetLowSideLineVoltage()- 低压侧线电压GetLowSideLineCurrent()- 低压侧线电流
修改模式：
// 原有代码
var redisKey = "telemeteringModelList_Zongzi";
var telemeterings = await _telemeteringModelListRedis.HashSetGetAllAsync(redisKey);
phaseAVoltageData = await GenerateVoltageData(configs, telemeterings, ...);
// 新代码
DateTime startTime = currentTime.AddSeconds(-1 * (pointCount - 1) * interval.TotalSeconds);
DateTime endTime = currentTime;
phaseAVoltageData = await GetTelemetryVoltageData(configs, startTime, endTime, ...);
4. 新增核心方法
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：
- 平均值 (Average)
- 最大值 (Maximum)
- 最小值 (Minimum)
- 实时值 (RealTime)
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：
RealTimePowerTypeEnum.Hourly → FixedIntervalEnum.Minute5
RealTimePowerTypeEnum.Daily → FixedIntervalEnum.Hour1
RealTimePowerTypeEnum.Weekly → FixedIntervalEnum.Day1
RealTimePowerTypeEnum.Monthly → FixedIntervalEnum.Day1
RealTimePowerTypeEnum.Yearly → FixedIntervalEnum.Day30
ProcessRealTelemetryData() - 实际数据处理
处理从遥测存储系统获取的真实数据：
- 时间序列对齐
- 数据插值和近似
- 格式化输出
5. 数据源架构对比
原有架构：
Redis (实时) → 模拟数据生成 → 输出
新架构：
查询类型判断 →
├── 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 → 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
7. 性能优化
查询优化：
- 时间范围计算：精确计算查询时间窗口
- 数据源选择：根据数据密度选择最优存储层
- 批量查询：支持多遥测点并行查询
- 缓存策略：保持Redis实时数据的快速访问
错误处理：
- 分层降级：实际数据 → 历史数据 → 模拟数据
- 异常隔离：单个遥测点错误不影响整体查询
- 日志记录：详细的错误日志和性能指标
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
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
- 相应的复合索引
测试建议
单元测试：
- 测试各种查询类型的数据源选择逻辑
- 验证时间范围计算的准确性
- 测试错误处理和降级机制
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
性能测试：
- 对比新旧实现的查询性能
- 测试大时间范围查询的响应时间
- 验证并发查询的稳定性
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
- 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
- 缓存命中率和数据新鲜度
总结
本次修改成功将 TransformerMonitoringAppService 从简单的 Redis + 模拟数据架构升级为完整的遥测存储系统架构，实现了：
- 数据源多样化：支持实时、历史、统计多种数据源
- 查询智能化：根据查询类型自动选择最优数据源
- 性能优化：利用分桶存储和统计预计算提升查询效率
- 可靠性增强：完善的错误处理和降级机制
- 架构现代化：符合遥测存储系统的设计规范和最佳实践
修改后的服务能够提供更准确、更高效、更可靠的变压器监控数据查询功能，为上层业务应用提供强有力的数据支撑。