风电行业作为新能源的代表，有海量的风电设备数据可以被采集使用。大数据技术的发展和成熟，已不局限于集控这样的数据应用场景。除了集控，风机的设备数据，以及SCADA系统产生的数据可以有更多直接产生价值的场景：
发电量统计、能效分析等BI场景
设备健康状况监控和监测
故障关联分析
设备故障预测
业务管理优化
为了支撑这些数据驱动的应用场景，需要整合多维度的生产经营数据以及更细粒度的秒级、甚至毫米级数据。在风电这种典型的工业大数据场景，数据平台架构可以基于数据特征进行优化，更加友好的支持实时、并发读写，以及横向扩展。
对于风机数据的存储，数据主要来源于SCADA系统和从传感器得到的数据是连续的、带有时间戳的变量。在算法分析领域，这类数据作为时间序列数据来处理，在数据库领域，时间序列数据有在监控领域广泛使用。时间序列数据库的应用场景可以从监控领域实践到到工业领域。基于时间序列数据库，设计实时收集、存储、分析的服务架构。本文主要介绍风电SCADA数据的实时采集和存储。
时间序列数据和SCADA数据
我们一般把符合下述特征的数据归纳为时间序列数据：
随时间连续度量，每个时间点都有值
度量值等时间隔变化（如秒，毫秒等）
有明确意义的度量变量（如温度，风速等）
在金融股票、IoT设备、车辆驾驶、医疗诊断等场景，遍布时间序列数据的场景。风电的SCADA系统收集的数据，就是符合时间序列数据定义的数据，而且数据特征更具体：
a. 低频的秒级数据和高频的毫秒级数据都具备
b. 设备数据、环境数据、发电量数据等都有真实意义和利用价值
c. 以数值型为主，并且在一定范围内波动变化
d. 数据每时每刻产生，但是系统采集会时有时无
e. 数据质量时好时坏
基于这样的特征，我们定义为时间序列数据模型来处理，选型合适的数据库组件，达到更高效的数据写入、压缩存储，和弹性的数据标识、管理。
时间序列数据库和OpenTSDB
时间序列数据库是基于时间戳作为索引优化存储的数据集合。相比于传统的关系型数据库，时间序列数据库的处理场景主要体现在以下几个方面：
相比于读，写是系统的主要任务
append方式处理数据
单点的读写少，往往是一段时间范围的批量写和读
更新和删除场景少
传统的做法是关系型数据库通过调优，优化时间序列数据的存储管理。关系型数据库如Oracle、MySQL、PostgreSQL是处理通用场景而设计的，开销比较重。我们知道NoSQL类的数据库往往是专门来处理具体场景的轻量数据库，时序数据库的产生是为了重新设计数据库适应上面的技术需求，以NoSQL形态为主。
时间序列数据库是比较年轻的数据库，设计实现上更加新颖，如列式存储、REST API接口、异步通信、分布式存储等都有广泛使用。
数据模型上，时序数据的字段往往如下定义：
metric：具体的变量名。每个metric代表一类度量值，如偏航功率、环境温度、机舱温度等；
timestamp：时间戳，标识时间维度，可能是秒，也可能是毫秒，作为KV数据对中的key；
Value：变量值。跟时间戳一起组成KV数据对，Value标识具体时间点的变量值；
TagKey/TagValue：TagKey和TagValue组成一对描述数据的标签，比如数据是属于哪个风机的，是哪个系统采集的等，通过tag补充标注。一个KV数据对，可以有无数个TagKey/TagValue描述，根据需要扩展完整的数据画像。
具体到每个时序数据库产品，设计理念不完全相同。当前流行的时序数据库有InfluxDB、OpenTSDB、Prometheus、Druid等，有些数据库如Kdb+、RRDTool虽然在db-engines中排名靠前，但是当前流行的技术方案中提及的较少。
图1：db-engines.com网站时序数据库的排名
在我们的平台产品中，使用的是时间序列数据库OpenTSDB。OpenTSDB是时序数据库领域中比较早发布并且有广泛生产环境实践的产品。当前最新的稳定版本是2.3,通过OpenTSDB的官网http://opentsdb.net/可以了解具体的特性和实现。
图2：OpenTSDB的官网首页
OpenTSDB以KV数据库Hbase作为存储后端，可满足存储的横向扩展。对元数据的管理和数据存储上有存储优化的设计，是Hbase的一大优势。
1. 通过为每个metric、tag key和tag value设计一个固定3byte的UID缩短Rowkey的长度；
2. 支持一个时间段内的数据进行整合后存储，如将一小时3600个数据点合并成一个点，来节省Rowkey的数量。
图3：OpenTSDB内部的存储机制
我们选择OpenTSDB，除了上述自身的特性外，还考虑以下几点：
1） 支持横向扩展，当前流行的时序数据库中，大都没有支持或者没有开源分布式组件；
2） OpenTSDB的后端存储使用的是Hbase和HDFS，并且注册到Zookeeper进行管理，所以跟Hadoop生态圈融合的比较好，可以复用大数据平台组件，和其他大数据平台耦合；
3） 开源的时序库，根据行业需求进行定制化开发。比如，我们根据风电数据存存在连续重复的可能，加入新的存储优化设计。
OpenTSDB提供了REST API和CLI工具来提供数据读写的接口，后台跟Hbase的通信通过优化的AsynHbase库来完成，比Hbase原生的接口性能提升2被以上。以OpenTSDB作为存储引擎，加上数据采集模块和流处理模块就可以实现数据的实时收集存储。
实时数据计算存储平台
工业大数据的数据服务场景，主要体现在实时性、安全性和稳定性上。
实时性：使用Streaming技术对数据实时计算、转换和写入落盘
安全性：兼容各种网络安全设备的数据传输
稳定性：充分考虑数据质量和设备状况、政策对数据采集流程的干扰
针对SCADA的数据收集，风场的数据通过日志文件穿越电网传回数据中心，在数据中心建设大数据平台，对日志文件进行监控收集和解析存储。平台中主要的组件有：
Flume：从风场传来的日志文件的监控和收集
Kafka：风机日志文件的缓存和中间结果的保存
SparkStreaming：风机日志文件的实时获取和预处理
OpenTSDB+Hbase+HDFS：数据的存储和扩展
图4：基于SparkStreaming和OpenTSDB的IoT实时数据平台
SparkStreaming的任务完成受OpenTSDB+Hbase存储层的响应情况影响。为提升整个架构的容错和稳定，我们开发了一个组件来优化OpenTSDB的访问服务。在OpenTSDB节点负载过重或出现故障时，及时将计算节点连接到另一个健康的OpenTSDB节点，并且对这样的故障增加报警与错误记录，以通知到运维人员并为错误分析、调优提供原始记录。
图5：OpenTSDB-Keeper组件提升OpenTSDB的稳定性
※可通过https://github.com/SkyAI/SkyDB/tree/master/tools/OpenTSDBKeeper获取
风电企业数据治理：异构数据平台建设
SCADA经由时序数据库存储后，可为集控系统、BI以及AI模型开发提供高效的数据平台服务。单一的设备数据源有时不能满足复杂业务模型的开发，除了SCADA，企业往往还有更多的业务系统和数据源可以集成共享，如MES、ERP等。罗马不是一天建成的，通过数据治理理念，逐渐完善数据平台的服务种类，篇幅有限本文不做过多说明。
图6：天数润科风电数据平台
注：着色部分为天数润科开发/优化组件，如SkyTSDB是参考OpenTSDB的优化版本。
风电行业在过去10年得到了巨大的发展，运营中的设备数巨大，同时也迎来运维为主的新产业周期。在政策和市场的驱动下，行业内的技术交流和合作的促进下，精益管理的需求势必推动整个行业数字化转型。作为IT人，我们希望能通过深耕风电行业，提供成熟先进的数字化服务，为清洁能源的普及增长和碧水蓝天的美好生态贡献自己一份力量，实现共赢。
