尧图网站建设 
1. 智能工厂的底层逻辑为什么是Linux在跑1.1 从一条产线的停机说起前两年我参与过一个精密加工车间的数字化改造项目产线上有一台关键设备突然停机排查了半天发现是工控机上的Windows系统自动更新重启了。这件事之后整个团队下定决心把能换的底层系统全换成Linux。这不是个例在高端制造场景里Linux正在成为事实上的标准底座原因很直接可控、稳定、可裁剪。智能工厂对底层系统的要求跟普通办公环境完全不是一个量级。一条产线停一分钟损失可能从几千到几万不等所以系统不能有莫名其妙的弹窗、不能强制重启、不能在你不知情的时候偷偷跑一个占用大量IO的后台任务。Linux在这几个维度上的表现是它被选中的核心原因。1.2 Linux在智能工厂里到底承担什么角色很多人以为Linux在工厂里就是跑个HMI界面其实远不止。它承担的角色大致可以分成四层设备接入层通过串口、网口、现场总线如Modbus、EtherCAT、Profinet采集PLC、传感器、机器人的数据这一层通常跑的是裁剪过的嵌入式Linux。边缘计算层在靠近设备的地方做数据清洗、协议转换、简单逻辑判断减少往云端传的数据量这一层用的是标准Linux发行版加容器化部署。实时控制层配合实时内核如PREEMPT_RT补丁做运动控制、视觉触发等对时序要求极高的任务。数据服务层跑数据库、消息队列、Web服务把采集到的数据存下来、传出去。这四层里除了实时控制层对内核有特殊要求其他三层用常规Linux就能覆盖。但恰恰是实时控制层是智能工厂区别于普通IT系统的关键。1.3 实时内核智能工厂的“心跳”为什么不能抖普通Linux内核为了追求吞吐量调度策略是“尽量公平”一个高优先级任务来了内核可能还在处理别的中断导致任务响应延迟在毫秒级甚至更高。这在办公场景无所谓但在高端制造里一个运动控制指令晚了几百微秒加工出来的零件可能就废了。实时内核PREEMPT_RT做的事情简单说就是把内核里大部分不可抢占的区域改成可抢占的把中断处理线程化让高优先级任务能在确定的时间内拿到CPU。我实测过在同样的硬件上打上RT补丁后最坏情况下的任务响应延迟能从几百微秒降到几十微秒以内而且抖动明显变小。这里有个细节值得注意实时内核不是“更快的内核”而是“更可预测的内核”。它牺牲了一部分吞吐量换来了确定性的响应时间。所以在智能工厂里通常不是所有设备都跑RT内核而是只有那些真正需要硬实时的节点才上RT其他节点用普通内核就够了。提示如果你在虚拟机里测试实时内核记得先在BIOS里关闭超线程Hyper-Threading并打开Intel VT-x虚拟化扩展。超线程会让两个逻辑核共享物理核的执行资源导致实时任务的执行时间变得不可预测这是很多人在虚拟机里测RT性能翻车的主要原因。1.4 国产Linux在工厂里的真实处境热词里出现了“linux国产”“国产linux”这确实是这两年工厂侧的一个明显趋势。我接触过的项目里越来越多的甲方在招标文件里明确要求操作系统要使用国产Linux发行版。原因不复杂供应链安全、长期维护保障、以及本地化服务响应速度。但实际落地时国产Linux在工厂里遇到的挑战也很具体。比如某些工业相机的SDK只提供了Windows和Ubuntu的驱动国产系统上要么没有要么版本很老。再比如一些老旧的PLC编程软件只能在特定版本的Windows上跑这时候就得靠虚拟机或者Wine来过渡。我的经验是在选型阶段就要把外设兼容性摸清楚别等到部署了才发现某个关键设备驱动装不上。2. 数据库在扛智能工厂的数据管理方案怎么选2.1 工厂数据的三类特征智能工厂的数据跟互联网业务的数据有本质区别我把它归纳成三类高频时序数据传感器每毫秒都在上报温度、压力、振动一天下来单台设备就能产生几GB的数据。这类数据的特点是写多读少、按时间范围查询、需要降采样和聚合。关系型业务数据工单、物料、人员、设备台账这些数据量不大但一致性要求高增删改查频繁。非结构化数据视觉检测的图片、音频质检的录音、日志文件这些数据体积大通常存对象存储数据库里只存索引。很多项目一开始想用一套数据库打天下结果要么时序数据把关系库写爆了要么关系查询在时序库上跑不动。正确的做法是分而治之。2.2 时序数据库TDengine在产线里的实际表现热词里反复出现“tdengine, c绑定写入数据库”“taos_stmt_prepare”说明不少人在用TDengine做工厂数据存储。我自己的项目里也用过简单说说体验。TDengine的核心优势是一张表就是一个设备建表时按设备维度切分写入时直接往对应表里灌不需要额外做分库分表。它的写入性能确实猛单机每秒百万级数据点不是吹的。而且它自带降采样、窗口聚合做产线报表的时候省了很多事。C绑定写入这块taos_stmt_prepare是预编译语句的接口适合高频重复写入的场景。基本流程是先taos_stmt_init初始化然后taos_stmt_prepare绑定SQL模板接着taos_stmt_bind_param绑定参数最后taos_stmt_execute执行。相比拼字符串再执行预编译能减少SQL解析开销写入吞吐能提升不少。// TDengine C 预编译写入示例简化版 TAOS_STMT* stmt taos_stmt_init(taos); const char* sql INSERT INTO ? USING meters TAGS(?) VALUES(?, ?); taos_stmt_prepare(stmt, sql, 0); // 绑定表名和标签 taos_stmt_set_tbname_tags(stmt, d1001, tags, 1); // 绑定数据列 TAOS_MULTI_BIND params[2]; // ... 填充params ... taos_stmt_bind_param_batch(stmt, params); taos_stmt_execute(stmt); taos_stmt_close(stmt);注意TDengine的预编译语句对表名和标签的绑定有版本差异2.x和3.x的API不完全一样。升级版本时一定要先看官方迁移文档我见过有人直接升级后写入全报错的案例。2.3 关系型数据库MySQL和SQLite的分工工厂里的工单、BOM、人员权限这些数据用MySQL就够了。热词里“mysql数据库常用命令”“mysql的数据库连接池”“mysql数据库修改结构”都是高频操作。我建议在工厂环境里MySQL的部署要遵循几个原则主从同步必须做产线不能因为数据库单点故障停摆。主库挂了从库顶上哪怕有几秒的数据延迟也比全线停机强。连接池要配好工厂里的应用服务通常并发不高但连接泄漏很常见。连接池的最大连接数不要设太大一般20到50就够了设大了反而容易把数据库拖垮。修改表结构要谨慎产线运行期间改表结构是大忌。如果非要改用在线DDL工具如pt-online-schema-change别直接ALTER TABLE锁表几秒钟可能就导致采集数据丢失。SQLite在工厂里也有它的位置主要是设备端的本地缓存。比如网络不稳定的时候先把数据写到本地SQLite等网络恢复了再同步到中心数据库。热词里“sqllite数据库”“sqlite数据库*.db 示例文件”说明很多人也在用这个方案。SQLite的优点是零配置、单文件、嵌入式缺点是并发写入能力弱所以只适合做单设备的本地缓存不适合做多设备共享的中心库。2.4 数据库同步软件数据不丢才是硬道理热词里“数据库同步软件”是个很实际的需求。工厂里常见的数据同步场景有三种同步场景典型工具关键考量MySQL主从复制原生binlog复制延迟要监控超过阈值要告警边缘到中心消息队列消费程序断网续传、去重、顺序保证异构数据库同步数据集成工具字段映射、类型转换、冲突处理我踩过最大的坑是在边缘到中心的同步上。一开始用定时脚本从SQLite读数据再写到中心MySQL结果网络一断脚本报错退出数据就丢了。后来改成先把数据写到本地文件队列再用独立的同步程序消费队列消费成功才删除文件这样即使断网几天网络恢复后数据也能补上去。3. 高端制造在加速从单点自动化到整线智能3.1 高端制造对数据的要求到底高在哪普通制造和高端制造的差别在数据层面体现得特别明显。普通产线可能只需要知道“今天做了多少个”高端制造需要知道“第1234个零件在加工时主轴振动频谱是什么样对应的刀具磨损状态如何下一件要不要补偿”。这就对数据采集的粒度、精度、完整性提出了极高要求。采集频率从秒级提到毫秒级数据量翻了几百倍数据不能丢丢了就没办法做追溯数据要能实时反馈到控制端晚了就来不及调整。3.2 一个典型的智能工厂数据链路我拿一个实际项目举例这是一条精密轴承磨削线数据链路大致是这样的设备层磨床上的振动传感器、声发射传感器、功率计通过EtherCAT总线把数据送到边缘网关。边缘层网关跑嵌入式Linux上面部署了一个C程序用TDengine的C绑定把数据写到本地时序库同时做简单的阈值判断超限就触发报警。中心层边缘网关通过MQTT把聚合后的数据传到中心服务器中心服务器上的Java服务消费MQTT消息写到中心TDengine集群同时把工单相关的业务数据写到MySQL。应用层Web端从中心库读数据展示实时曲线、历史趋势、报警记录MES系统通过API获取工单进度和设备状态。这条链路里Linux跑在边缘网关和中心服务器上数据库扛住了高频写入和复杂查询高端制造的“加速”就体现在数据闭环上——从采集到反馈整个周期控制在几百毫秒以内。3.3 实时内核在运动控制里的实际配置热词里提到“在安装之前要配置一下主板的bios: 关闭 hyper-threading 的功能打开 intel virtualizationtechnology extensions (vt-x)功能”这确实是跑实时内核前的标准操作。我补充一下完整的配置流程BIOS设置关闭Hyper-Threading避免逻辑核争抢物理核资源导致实时任务抖动。打开Intel VT-x如果要在虚拟机里跑RT内核这是必须的。关闭C-States和P-States让CPU频率保持稳定避免节能状态导致响应延迟。关闭SpeedStep同上频率动态调整会影响实时性。内核配置下载对应版本的PREEMPT_RT补丁打到内核源码上。编译时打开CONFIG_PREEMPT_RT关闭CONFIG_DEBUG_PREEMPT生产环境不需要。调整/proc/sys/kernel/sched_rt_runtime_us默认是950000即95%如果实时任务需要更多CPU可以适当调大但不要设成-1否则普通任务可能饿死。实测验证用cyclictest跑一下看最大延迟是多少。我在一台工控机上实测普通内核最大延迟在200微秒左右打上RT补丁后降到30微秒以内抖动也从几十微秒降到个位数。# cyclictest 基本用法 cyclictest -t -p 80 -n -i 10000 -l 10000 # -t 每个CPU一个线程 # -p 80 优先级80 # -n 使用clock_nanosleep # -i 10000 间隔10毫秒 # -l 10000 循环10000次提示测实时性的时候记得把BIOS里的节能选项全关掉系统里也别开irqbalance否则测出来的数据没有参考价值。3.4 嵌入式Linux项目的选型经验热词里“嵌入式linux项目”也是很多人在做的方向。工厂里的边缘网关、HMI、数据采集器很多都是嵌入式Linux。选型时我建议关注这几点芯片平台NXP的i.MX系列、TI的AM系列、瑞芯微的RK系列在工业场景里用得比较多社区支持好长期供货有保障。发行版Buildroot适合资源紧张的设备Yocto适合需要长期维护和OTA升级的设备Debian适合资源相对充裕、需要丰富软件包的设备。实时性如果设备要做运动控制选支持RT补丁的芯片和内核如果只做数据采集普通内核就够了。长期维护工业设备的生命周期通常5到10年选型时要确认芯片厂商和发行版社区的支持周期能不能覆盖。4. 常见问题与排查技巧实录4.1 Linux运维故障案例工厂环境里的典型问题工厂里的Linux故障跟互联网机房不太一样我整理了几个高频问题故障现象可能原因排查思路解决方法采集程序突然不写数据了磁盘满 / 数据库连接断df -h看磁盘netstat看连接清理日志加磁盘监控连接池加心跳系统时间跳变NTP同步异常timedatectl看时间源配置可靠的NTP服务器关闭自动同步网络时通时断网线接触不良 / 交换机端口故障ethtool看链路状态换网线换端口加网络监控实时任务延迟变大CPU被其他任务占用top看CPU占用cyclictest测延迟隔离CPU核调整任务优先级数据库写入变慢磁盘IO瓶颈 / 索引过多iostat看IOslow query看慢查询加SSD优化索引分表4.2 数据库增删改查的避坑技巧热词里“数据库增删改查”“数据库sql”是基础操作但在工厂环境里基础操作也有讲究删除数据要软删工厂数据涉及追溯物理删除后出了问题查不到。建议加is_deleted字段查询时过滤。更新数据要加版本号并发更新时用版本号做乐观锁避免后写的覆盖先写的。查询要加时间范围时序数据表动辄几亿行不加时间范围的全表扫描能把数据库拖死。批量插入要控制批次大小一次插几万条容易把事务日志撑爆建议每批500到1000条。-- 软删除示例 UPDATE work_order SET is_deleted 1, deleted_at NOW() WHERE id 123; -- 乐观锁更新示例 UPDATE work_order SET status completed, version version 1 WHERE id 123 AND version 5; -- 时序查询加时间范围 SELECT AVG(temperature) FROM sensor_data WHERE device_id d1001 AND ts NOW() - INTERVAL 1 HOUR;4.3 虚拟机安装Linux的常见坑热词里“虚拟机安装linux系统”“虚拟机安装linux蓝屏”“windows linux更新子系统安装向导提前结束 由于错误”都是高频问题。我在工厂项目里经常用虚拟机做测试和过渡踩过的坑不少蓝屏问题多半是虚拟化扩展没开或者Hyper-V和VMware冲突。先在BIOS里打开VT-x然后在Windows功能里关掉Hyper-V再装VMware。子系统安装失败WSL安装报错通常是网络问题或者系统版本太老。先wsl --update更新一下再wsl --install。虚拟机里跑RT内核一定要在虚拟机设置里把CPU的“虚拟化Intel VT-x/EPT”打开否则RT补丁打了也没效果。磁盘性能虚拟机磁盘用固定大小别用动态扩展动态扩展在写入密集场景下性能很差。4.4 数据库连接池的配置经验热词里“mysql的数据库连接池”是个容易被忽视但很关键的点。工厂里的应用服务通常长时间运行连接池配置不当会导致连接泄漏、数据库连接数打满。我的经验配置# HikariCP 工厂环境推荐配置 maximumPoolSize20 minimumIdle5 connectionTimeout30000 idleTimeout600000 maxLifetime1800000 leakDetectionThreshold60000关键参数解释maximumPoolSize工厂应用并发不高20足够了设大了反而容易把数据库连接数打满。maxLifetime设为30分钟比数据库的wait_timeout短避免连接被数据库端断开后应用还在用。leakDetectionThreshold设为60秒超过这个时间连接没归还就打印警告方便排查泄漏。注意连接池不是越大越好。我见过有人把最大连接数设成200结果数据库端max_connections只有150应用一启动就报“too many connections”。连接池大小要跟数据库端的限制匹配。4.5 数据库密码有效期排查热词里“怎么查数据库密码有效期是多久”是个很实际的问题。MySQL 8.0之后引入了密码过期策略默认default_password_lifetime是0永不过期但有些环境会改成90天。查法很简单-- 查看全局密码过期策略 SHOW VARIABLES LIKE default_password_lifetime; -- 查看具体用户的密码过期时间 SELECT user, host, password_last_changed, password_lifetime, account_locked FROM mysql.user;如果发现密码快过期了要么改密码要么把该用户的password_lifetime设为NULL永不过期。工厂环境里数据库密码过期导致应用连不上是很常见的故障建议在部署时就统一设成永不过期或者提前做好密码轮换方案。5. 从零搭建一个智能工厂数据采集原型5.1 硬件和软件清单如果你想自己搭一个原型验证一下我列一个最小化的清单硬件工控机一台x864核以上8GB内存128GB SSD传感器一个比如USB接口的温度传感器或者Modbus温度变送器网线、串口线若干软件Ubuntu Server 22.04 LTS或者国产Linux发行版TDengine 3.xMySQL 8.0Python 3.10写采集脚本Docker可选用来跑容器化服务5.2 安装和配置步骤第一步装系统。用U盘启动安装Ubuntu Server分区时给/var单独分大一点因为数据库和日志都在这。装完后先apt update apt upgrade。第二步装TDengine。官网下载deb包dpkg -i安装然后systemctl start taosd。装完后用taos命令行进去建一个数据库CREATE DATABASE factory PRECISION ms KEEP 365 DURATION 10;PRECISION ms表示时间精度到毫秒KEEP 365表示数据保留365天DURATION 10表示每10天一个数据文件。第三步装MySQL。apt install mysql-server然后mysql_secure_installation做安全初始化。建一个工厂库CREATE DATABASE factory_mes CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; CREATE USER factory% IDENTIFIED BY your_password; GRANT ALL PRIVILEGES ON factory_mes.* TO factory%; FLUSH PRIVILEGES;第四步写采集脚本。用Python写一个简单的采集程序读传感器数据写到TDengineimport taos import time import random conn taos.connect(hostlocalhost, userroot, passwordtaosdata, databasefactory) cursor conn.cursor() # 建表 cursor.execute(CREATE TABLE IF NOT EXISTS sensor_d1001 (ts TIMESTAMP, temperature FLOAT, vibration FLOAT)) while True: ts int(time.time() * 1000) temp 20 random.random() * 10 vib random.random() * 5 cursor.execute(fINSERT INTO sensor_d1001 VALUES ({ts}, {temp}, {vib})) time.sleep(0.1) # 10Hz采集第五步验证。跑一段时间后查一下数据量和最新数据SELECT COUNT(*) FROM sensor_d1001; SELECT LAST_ROW(*) FROM sensor_d1001;5.3 性能调优的几个关键点原型跑起来之后如果要做压力测试关注这几个点写入批量单条写入效率低改成批量写入每批500到1000条吞吐能提升10倍以上。数据库参数TDengine的maxVgroupsPerDb和buffer参数要根据数据量调整默认值适合小规模数据量大了要调大。磁盘IO时序数据库对磁盘IO敏感用SSD比HDD写入性能高一个数量级。网络如果边缘和中心分离网络带宽和延迟要提前评估别等数据传不过来了才发现。6. 一些个人体会做智能工厂项目这些年我最大的感受是技术选型没有绝对的对错只有适不适合。Linux在工厂里跑得好是因为它的可控性和可裁剪性刚好匹配了工业场景的需求数据库选型要看数据特征时序数据用时序库关系数据用关系库别硬凑实时内核不是万能的只在真正需要硬实时的节点上用其他节点用普通内核更省心。还有一个体会是工厂环境里的问题往往不是单一技术问题而是系统问题。数据库慢了可能是磁盘IO的问题实时任务抖了可能是BIOS设置的问题数据丢了可能是网络的问题。排查的时候要从整个链路去看别只盯着一个点。最后分享一个小技巧在工厂环境里部署任何服务之前先问自己三个问题——断电了怎么办断网了怎么办磁盘满了怎么办把这三个问题的答案想清楚大部分故障都能提前规避。 智能工厂底层系统选型：Linux实时内核与数据库实践
1. 智能工厂的底层逻辑为什么是Linux在跑1.1 从一条产线的停机说起前两年我参与过一个精密加工车间的数字化改造项目产线上有一台关键设备突然停机排查了半天发现是工控机上的Windows系统自动更新重启了。这件事之后整个团队下定决心把能换的底层系统全换成Linux。这不是个例在高端制造场景里Linux正在成为事实上的标准底座原因很直接可控、稳定、可裁剪。智能工厂对底层系统的要求跟普通办公环境完全不是一个量级。一条产线停一分钟损失可能从几千到几万不等所以系统不能有莫名其妙的弹窗、不能强制重启、不能在你不知情的时候偷偷跑一个占用大量IO的后台任务。Linux在这几个维度上的表现是它被选中的核心原因。1.2 Linux在智能工厂里到底承担什么角色很多人以为Linux在工厂里就是跑个HMI界面其实远不止。它承担的角色大致可以分成四层设备接入层通过串口、网口、现场总线如Modbus、EtherCAT、Profinet采集PLC、传感器、机器人的数据这一层通常跑的是裁剪过的嵌入式Linux。边缘计算层在靠近设备的地方做数据清洗、协议转换、简单逻辑判断减少往云端传的数据量这一层用的是标准Linux发行版加容器化部署。实时控制层配合实时内核如PREEMPT_RT补丁做运动控制、视觉触发等对时序要求极高的任务。数据服务层跑数据库、消息队列、Web服务把采集到的数据存下来、传出去。这四层里除了实时控制层对内核有特殊要求其他三层用常规Linux就能覆盖。但恰恰是实时控制层是智能工厂区别于普通IT系统的关键。1.3 实时内核智能工厂的“心跳”为什么不能抖普通Linux内核为了追求吞吐量调度策略是“尽量公平”一个高优先级任务来了内核可能还在处理别的中断导致任务响应延迟在毫秒级甚至更高。这在办公场景无所谓但在高端制造里一个运动控制指令晚了几百微秒加工出来的零件可能就废了。实时内核PREEMPT_RT做的事情简单说就是把内核里大部分不可抢占的区域改成可抢占的把中断处理线程化让高优先级任务能在确定的时间内拿到CPU。我实测过在同样的硬件上打上RT补丁后最坏情况下的任务响应延迟能从几百微秒降到几十微秒以内而且抖动明显变小。这里有个细节值得注意实时内核不是“更快的内核”而是“更可预测的内核”。它牺牲了一部分吞吐量换来了确定性的响应时间。所以在智能工厂里通常不是所有设备都跑RT内核而是只有那些真正需要硬实时的节点才上RT其他节点用普通内核就够了。提示如果你在虚拟机里测试实时内核记得先在BIOS里关闭超线程Hyper-Threading并打开Intel VT-x虚拟化扩展。超线程会让两个逻辑核共享物理核的执行资源导致实时任务的执行时间变得不可预测这是很多人在虚拟机里测RT性能翻车的主要原因。1.4 国产Linux在工厂里的真实处境热词里出现了“linux国产”“国产linux”这确实是这两年工厂侧的一个明显趋势。我接触过的项目里越来越多的甲方在招标文件里明确要求操作系统要使用国产Linux发行版。原因不复杂供应链安全、长期维护保障、以及本地化服务响应速度。但实际落地时国产Linux在工厂里遇到的挑战也很具体。比如某些工业相机的SDK只提供了Windows和Ubuntu的驱动国产系统上要么没有要么版本很老。再比如一些老旧的PLC编程软件只能在特定版本的Windows上跑这时候就得靠虚拟机或者Wine来过渡。我的经验是在选型阶段就要把外设兼容性摸清楚别等到部署了才发现某个关键设备驱动装不上。2. 数据库在扛智能工厂的数据管理方案怎么选2.1 工厂数据的三类特征智能工厂的数据跟互联网业务的数据有本质区别我把它归纳成三类高频时序数据传感器每毫秒都在上报温度、压力、振动一天下来单台设备就能产生几GB的数据。这类数据的特点是写多读少、按时间范围查询、需要降采样和聚合。关系型业务数据工单、物料、人员、设备台账这些数据量不大但一致性要求高增删改查频繁。非结构化数据视觉检测的图片、音频质检的录音、日志文件这些数据体积大通常存对象存储数据库里只存索引。很多项目一开始想用一套数据库打天下结果要么时序数据把关系库写爆了要么关系查询在时序库上跑不动。正确的做法是分而治之。2.2 时序数据库TDengine在产线里的实际表现热词里反复出现“tdengine, c绑定写入数据库”“taos_stmt_prepare”说明不少人在用TDengine做工厂数据存储。我自己的项目里也用过简单说说体验。TDengine的核心优势是一张表就是一个设备建表时按设备维度切分写入时直接往对应表里灌不需要额外做分库分表。它的写入性能确实猛单机每秒百万级数据点不是吹的。而且它自带降采样、窗口聚合做产线报表的时候省了很多事。C绑定写入这块taos_stmt_prepare是预编译语句的接口适合高频重复写入的场景。基本流程是先taos_stmt_init初始化然后taos_stmt_prepare绑定SQL模板接着taos_stmt_bind_param绑定参数最后taos_stmt_execute执行。相比拼字符串再执行预编译能减少SQL解析开销写入吞吐能提升不少。// TDengine C 预编译写入示例简化版 TAOS_STMT* stmt taos_stmt_init(taos); const char* sql INSERT INTO ? USING meters TAGS(?) VALUES(?, ?); taos_stmt_prepare(stmt, sql, 0); // 绑定表名和标签 taos_stmt_set_tbname_tags(stmt, d1001, tags, 1); // 绑定数据列 TAOS_MULTI_BIND params[2]; // ... 填充params ... taos_stmt_bind_param_batch(stmt, params); taos_stmt_execute(stmt); taos_stmt_close(stmt);注意TDengine的预编译语句对表名和标签的绑定有版本差异2.x和3.x的API不完全一样。升级版本时一定要先看官方迁移文档我见过有人直接升级后写入全报错的案例。2.3 关系型数据库MySQL和SQLite的分工工厂里的工单、BOM、人员权限这些数据用MySQL就够了。热词里“mysql数据库常用命令”“mysql的数据库连接池”“mysql数据库修改结构”都是高频操作。我建议在工厂环境里MySQL的部署要遵循几个原则主从同步必须做产线不能因为数据库单点故障停摆。主库挂了从库顶上哪怕有几秒的数据延迟也比全线停机强。连接池要配好工厂里的应用服务通常并发不高但连接泄漏很常见。连接池的最大连接数不要设太大一般20到50就够了设大了反而容易把数据库拖垮。修改表结构要谨慎产线运行期间改表结构是大忌。如果非要改用在线DDL工具如pt-online-schema-change别直接ALTER TABLE锁表几秒钟可能就导致采集数据丢失。SQLite在工厂里也有它的位置主要是设备端的本地缓存。比如网络不稳定的时候先把数据写到本地SQLite等网络恢复了再同步到中心数据库。热词里“sqllite数据库”“sqlite数据库*.db 示例文件”说明很多人也在用这个方案。SQLite的优点是零配置、单文件、嵌入式缺点是并发写入能力弱所以只适合做单设备的本地缓存不适合做多设备共享的中心库。2.4 数据库同步软件数据不丢才是硬道理热词里“数据库同步软件”是个很实际的需求。工厂里常见的数据同步场景有三种同步场景典型工具关键考量MySQL主从复制原生binlog复制延迟要监控超过阈值要告警边缘到中心消息队列消费程序断网续传、去重、顺序保证异构数据库同步数据集成工具字段映射、类型转换、冲突处理我踩过最大的坑是在边缘到中心的同步上。一开始用定时脚本从SQLite读数据再写到中心MySQL结果网络一断脚本报错退出数据就丢了。后来改成先把数据写到本地文件队列再用独立的同步程序消费队列消费成功才删除文件这样即使断网几天网络恢复后数据也能补上去。3. 高端制造在加速从单点自动化到整线智能3.1 高端制造对数据的要求到底高在哪普通制造和高端制造的差别在数据层面体现得特别明显。普通产线可能只需要知道“今天做了多少个”高端制造需要知道“第1234个零件在加工时主轴振动频谱是什么样对应的刀具磨损状态如何下一件要不要补偿”。这就对数据采集的粒度、精度、完整性提出了极高要求。采集频率从秒级提到毫秒级数据量翻了几百倍数据不能丢丢了就没办法做追溯数据要能实时反馈到控制端晚了就来不及调整。3.2 一个典型的智能工厂数据链路我拿一个实际项目举例这是一条精密轴承磨削线数据链路大致是这样的设备层磨床上的振动传感器、声发射传感器、功率计通过EtherCAT总线把数据送到边缘网关。边缘层网关跑嵌入式Linux上面部署了一个C程序用TDengine的C绑定把数据写到本地时序库同时做简单的阈值判断超限就触发报警。中心层边缘网关通过MQTT把聚合后的数据传到中心服务器中心服务器上的Java服务消费MQTT消息写到中心TDengine集群同时把工单相关的业务数据写到MySQL。应用层Web端从中心库读数据展示实时曲线、历史趋势、报警记录MES系统通过API获取工单进度和设备状态。这条链路里Linux跑在边缘网关和中心服务器上数据库扛住了高频写入和复杂查询高端制造的“加速”就体现在数据闭环上——从采集到反馈整个周期控制在几百毫秒以内。3.3 实时内核在运动控制里的实际配置热词里提到“在安装之前要配置一下主板的bios: 关闭 hyper-threading 的功能打开 intel virtualizationtechnology extensions (vt-x)功能”这确实是跑实时内核前的标准操作。我补充一下完整的配置流程BIOS设置关闭Hyper-Threading避免逻辑核争抢物理核资源导致实时任务抖动。打开Intel VT-x如果要在虚拟机里跑RT内核这是必须的。关闭C-States和P-States让CPU频率保持稳定避免节能状态导致响应延迟。关闭SpeedStep同上频率动态调整会影响实时性。内核配置下载对应版本的PREEMPT_RT补丁打到内核源码上。编译时打开CONFIG_PREEMPT_RT关闭CONFIG_DEBUG_PREEMPT生产环境不需要。调整/proc/sys/kernel/sched_rt_runtime_us默认是950000即95%如果实时任务需要更多CPU可以适当调大但不要设成-1否则普通任务可能饿死。实测验证用cyclictest跑一下看最大延迟是多少。我在一台工控机上实测普通内核最大延迟在200微秒左右打上RT补丁后降到30微秒以内抖动也从几十微秒降到个位数。# cyclictest 基本用法 cyclictest -t -p 80 -n -i 10000 -l 10000 # -t 每个CPU一个线程 # -p 80 优先级80 # -n 使用clock_nanosleep # -i 10000 间隔10毫秒 # -l 10000 循环10000次提示测实时性的时候记得把BIOS里的节能选项全关掉系统里也别开irqbalance否则测出来的数据没有参考价值。3.4 嵌入式Linux项目的选型经验热词里“嵌入式linux项目”也是很多人在做的方向。工厂里的边缘网关、HMI、数据采集器很多都是嵌入式Linux。选型时我建议关注这几点芯片平台NXP的i.MX系列、TI的AM系列、瑞芯微的RK系列在工业场景里用得比较多社区支持好长期供货有保障。发行版Buildroot适合资源紧张的设备Yocto适合需要长期维护和OTA升级的设备Debian适合资源相对充裕、需要丰富软件包的设备。实时性如果设备要做运动控制选支持RT补丁的芯片和内核如果只做数据采集普通内核就够了。长期维护工业设备的生命周期通常5到10年选型时要确认芯片厂商和发行版社区的支持周期能不能覆盖。4. 常见问题与排查技巧实录4.1 Linux运维故障案例工厂环境里的典型问题工厂里的Linux故障跟互联网机房不太一样我整理了几个高频问题故障现象可能原因排查思路解决方法采集程序突然不写数据了磁盘满 / 数据库连接断df -h看磁盘netstat看连接清理日志加磁盘监控连接池加心跳系统时间跳变NTP同步异常timedatectl看时间源配置可靠的NTP服务器关闭自动同步网络时通时断网线接触不良 / 交换机端口故障ethtool看链路状态换网线换端口加网络监控实时任务延迟变大CPU被其他任务占用top看CPU占用cyclictest测延迟隔离CPU核调整任务优先级数据库写入变慢磁盘IO瓶颈 / 索引过多iostat看IOslow query看慢查询加SSD优化索引分表4.2 数据库增删改查的避坑技巧热词里“数据库增删改查”“数据库sql”是基础操作但在工厂环境里基础操作也有讲究删除数据要软删工厂数据涉及追溯物理删除后出了问题查不到。建议加is_deleted字段查询时过滤。更新数据要加版本号并发更新时用版本号做乐观锁避免后写的覆盖先写的。查询要加时间范围时序数据表动辄几亿行不加时间范围的全表扫描能把数据库拖死。批量插入要控制批次大小一次插几万条容易把事务日志撑爆建议每批500到1000条。-- 软删除示例 UPDATE work_order SET is_deleted 1, deleted_at NOW() WHERE id 123; -- 乐观锁更新示例 UPDATE work_order SET status completed, version version 1 WHERE id 123 AND version 5; -- 时序查询加时间范围 SELECT AVG(temperature) FROM sensor_data WHERE device_id d1001 AND ts NOW() - INTERVAL 1 HOUR;4.3 虚拟机安装Linux的常见坑热词里“虚拟机安装linux系统”“虚拟机安装linux蓝屏”“windows linux更新子系统安装向导提前结束 由于错误”都是高频问题。我在工厂项目里经常用虚拟机做测试和过渡踩过的坑不少蓝屏问题多半是虚拟化扩展没开或者Hyper-V和VMware冲突。先在BIOS里打开VT-x然后在Windows功能里关掉Hyper-V再装VMware。子系统安装失败WSL安装报错通常是网络问题或者系统版本太老。先wsl --update更新一下再wsl --install。虚拟机里跑RT内核一定要在虚拟机设置里把CPU的“虚拟化Intel VT-x/EPT”打开否则RT补丁打了也没效果。磁盘性能虚拟机磁盘用固定大小别用动态扩展动态扩展在写入密集场景下性能很差。4.4 数据库连接池的配置经验热词里“mysql的数据库连接池”是个容易被忽视但很关键的点。工厂里的应用服务通常长时间运行连接池配置不当会导致连接泄漏、数据库连接数打满。我的经验配置# HikariCP 工厂环境推荐配置 maximumPoolSize20 minimumIdle5 connectionTimeout30000 idleTimeout600000 maxLifetime1800000 leakDetectionThreshold60000关键参数解释maximumPoolSize工厂应用并发不高20足够了设大了反而容易把数据库连接数打满。maxLifetime设为30分钟比数据库的wait_timeout短避免连接被数据库端断开后应用还在用。leakDetectionThreshold设为60秒超过这个时间连接没归还就打印警告方便排查泄漏。注意连接池不是越大越好。我见过有人把最大连接数设成200结果数据库端max_connections只有150应用一启动就报“too many connections”。连接池大小要跟数据库端的限制匹配。4.5 数据库密码有效期排查热词里“怎么查数据库密码有效期是多久”是个很实际的问题。MySQL 8.0之后引入了密码过期策略默认default_password_lifetime是0永不过期但有些环境会改成90天。查法很简单-- 查看全局密码过期策略 SHOW VARIABLES LIKE default_password_lifetime; -- 查看具体用户的密码过期时间 SELECT user, host, password_last_changed, password_lifetime, account_locked FROM mysql.user;如果发现密码快过期了要么改密码要么把该用户的password_lifetime设为NULL永不过期。工厂环境里数据库密码过期导致应用连不上是很常见的故障建议在部署时就统一设成永不过期或者提前做好密码轮换方案。5. 从零搭建一个智能工厂数据采集原型5.1 硬件和软件清单如果你想自己搭一个原型验证一下我列一个最小化的清单硬件工控机一台x864核以上8GB内存128GB SSD传感器一个比如USB接口的温度传感器或者Modbus温度变送器网线、串口线若干软件Ubuntu Server 22.04 LTS或者国产Linux发行版TDengine 3.xMySQL 8.0Python 3.10写采集脚本Docker可选用来跑容器化服务5.2 安装和配置步骤第一步装系统。用U盘启动安装Ubuntu Server分区时给/var单独分大一点因为数据库和日志都在这。装完后先apt update apt upgrade。第二步装TDengine。官网下载deb包dpkg -i安装然后systemctl start taosd。装完后用taos命令行进去建一个数据库CREATE DATABASE factory PRECISION ms KEEP 365 DURATION 10;PRECISION ms表示时间精度到毫秒KEEP 365表示数据保留365天DURATION 10表示每10天一个数据文件。第三步装MySQL。apt install mysql-server然后mysql_secure_installation做安全初始化。建一个工厂库CREATE DATABASE factory_mes CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; CREATE USER factory% IDENTIFIED BY your_password; GRANT ALL PRIVILEGES ON factory_mes.* TO factory%; FLUSH PRIVILEGES;第四步写采集脚本。用Python写一个简单的采集程序读传感器数据写到TDengineimport taos import time import random conn taos.connect(hostlocalhost, userroot, passwordtaosdata, databasefactory) cursor conn.cursor() # 建表 cursor.execute(CREATE TABLE IF NOT EXISTS sensor_d1001 (ts TIMESTAMP, temperature FLOAT, vibration FLOAT)) while True: ts int(time.time() * 1000) temp 20 random.random() * 10 vib random.random() * 5 cursor.execute(fINSERT INTO sensor_d1001 VALUES ({ts}, {temp}, {vib})) time.sleep(0.1) # 10Hz采集第五步验证。跑一段时间后查一下数据量和最新数据SELECT COUNT(*) FROM sensor_d1001; SELECT LAST_ROW(*) FROM sensor_d1001;5.3 性能调优的几个关键点原型跑起来之后如果要做压力测试关注这几个点写入批量单条写入效率低改成批量写入每批500到1000条吞吐能提升10倍以上。数据库参数TDengine的maxVgroupsPerDb和buffer参数要根据数据量调整默认值适合小规模数据量大了要调大。磁盘IO时序数据库对磁盘IO敏感用SSD比HDD写入性能高一个数量级。网络如果边缘和中心分离网络带宽和延迟要提前评估别等数据传不过来了才发现。6. 一些个人体会做智能工厂项目这些年我最大的感受是技术选型没有绝对的对错只有适不适合。Linux在工厂里跑得好是因为它的可控性和可裁剪性刚好匹配了工业场景的需求数据库选型要看数据特征时序数据用时序库关系数据用关系库别硬凑实时内核不是万能的只在真正需要硬实时的节点上用其他节点用普通内核更省心。还有一个体会是工厂环境里的问题往往不是单一技术问题而是系统问题。数据库慢了可能是磁盘IO的问题实时任务抖了可能是BIOS设置的问题数据丢了可能是网络的问题。排查的时候要从整个链路去看别只盯着一个点。最后分享一个小技巧在工厂环境里部署任何服务之前先问自己三个问题——断电了怎么办断网了怎么办磁盘满了怎么办把这三个问题的答案想清楚大部分故障都能提前规避。