使用ogamma Visual Logger for OPC和InfluxDB存储、处理和可视化数据

作者：社区 / 产品, 用例, 开发者
2020年10月2日

本文由One-Way Automation软件架构师Ravil Nugmanov撰写，One-Way Automation是一家位于加拿大埃德蒙顿的初创公司。

本文描述了一个端到端解决方案，该方案使用开源组件InfluxDB和Grafana以及ogamma Visual Logger for OPC，以收集工业过程控制数据，以流式模式分析数据，并在仪表板上进行可视化。

问题

对于此演示，我们使用一个假设的工业泵，该泵通过OPC UA服务器发布以下值

• 输入压力
• 输出压力
• 温度
• 电源状态

在仪表板上，我们希望可视化以下信息

• 这些变量的当前值
• 图表中的历史值
• 计算输入和输出压力平均值的差异，并在仪表板上显示结果
• 定期检查从上述数据中计算出的压力差异，如果超出期望范围，则生成通知，并在仪表板上显示。

解决方案

以下是此问题的解决方案图

以下章节将详细说明所用组件及其交互方式。

OPC UA 数据源

作为为监测的泵提供值的数据库，我们使用了Prosys OPC UA 模拟服务器。与其他可用的模拟服务器不同，您可以根据特定需求构建自定义的 OPC UA 地址空间，并且可以根据选定的模式（如随机、正弦、锯齿等）自动生成变量的值。

时间序列数据库和流分析引擎

作为时间序列数据库，InfluxDB 被选择是因为它可以以高度有效的方式存储数据，并且支持实时流分析。您可以使用满足您要求的Flux 脚本分析数据，并即时提供结果。

将 OPC UA 服务器中的数据移动到 InfluxDB

为了从 OPC UA 服务器收集数据并将其推送到InfluxDB 时间序列数据库，我们使用了 ogamma Visual Logger for OPC。它可以部署在 Windows、Linux 或 Docker 上，具有基于 Web 的配置图形用户界面，性能高，并且不占用太多硬件资源（用 C++ 编写）。

仪表板中信息的可视化

对于这个演示，使用了另一个开源项目 Grafana。或者，您也可以在 InfluxDB 中构建仪表板。

最终结果：仪表板截图。

最终结果：屏幕录制。

技术细节

配置 Prosys OPC UA 模拟服务器

在 Windows 虚拟机上安装了 Prosys OPC UA 模拟服务器的一个实例。在“对象”文件夹下创建了对象和变量

从 OPC UA 客户端的角度来看，地址空间看起来是这样的

变量配置设置截图如下

配置 ogamma Visual Logger for OPC 以安全模式连接到服务器

首先，应在地址空间面板中创建一个新的 OPC UA 服务器节点。注意，安全模式设置为签名并加密。在服务器端配置信任将需要一些额外的步骤。

添加 OPC UA 服务器节点后，初始尝试连接将会失败。在服务器端，ogamma Visual Logger 的 OPC UA 应用程序实例证书将被保存在被拒绝的证书文件夹中。从 Prosys OPC UA 模拟服务器 GUI 中，需要将其标记为受信任。这可以在切换到 专家模式（菜单 选项 / 切换到专家模式）后通过 证书 标签页完成

仅仅信任 ogamma Visual Logger 实例证书是不够的。您还需要

• 下载其 CA 证书（通过菜单设置 / 下载证书 / CA 证书）并将其保存在服务器端的文件夹 C:\Users\Administrator\.prosysopc\prosys-opc-ua-simulation-server\PKI\CA\certs 中，
• 下载 CRL（通过菜单设置 / 下载证书 / CA CRL）并将其保存在服务器端的文件夹 C:\Users\Administrator\.prosysopc\prosys-opc-ua-simulation-server\PKI\CA\crl 中。

注意：证书实际所在的文件夹在不同的安装中可能会有所不同。因此，请使用Prosys OPC UA模拟服务器GUI打开文件夹，通过菜单证书/ 在文件资源管理器中打开。

当证书信任配置正确时，ogamma Visual Logger for OPC应该能够连接到服务器。要验证这一点，请尝试通过在地址空间面板中展开节点来浏览它。

配置ogamma Visual Logger for OPC以记录所需的变量

从地址空间面板选择节点，通过单击日志按钮将它们添加到日志变量表中。如果一切正常，状态列中应显示带勾选标记的图标。

配置ogamma Visual Logger for OPC以连接到InfluxDB实例

首先，在时间序列数据库列表中添加一条新记录（菜单 设置/时间序列数据库）。将字段 类型 的值设置为 InfluxDB 2.0，并修改字段主机、端口、使用安全模式和JSON。在最后一个字段（JSON）中，将“测量”选项设置为“[TN]”，并确保选项 组织、桶、令牌 设置正确。

通过单击 测试连接 按钮验证连接设置是否正确。现在实时数据值将被导入InfluxDB数据库。

以流模式分析变量值并生成通知

对于流分析，使用InfluxDB任务功能。创建此功能通过编写Flux脚本来计算每5秒输入压力和输出压力及其差的平均值。然后根据此差的值生成通知消息。如果差值低于指定的阈值，则消息级别设置为关键，否则设置为警告、信息或正常，具体取决于值。然后通知写入特殊系统桶 _monitoring，其中 _measurement 设置为statuses。

以下是完整的Flux脚本代码

import "influxdata/influxdb/monitor"

option task = {name: "Check Pump Pressure", every: 5s, offset: 1s}

currentTime = now()

join(tables: {ip: from(bucket: "ogamma")
	|> range(start: -task.every)
	|> filter(fn: (r) =>
		(r._measurement == "InputPressure" and r.unit == "Pump" and r._field == "v"))
	|> drop(columns: ["_source_timestamp"])
	|> mean(column: "_value")
	|> map(fn: (r) =>
		({
			_time: currentTime,
			_value: r._value,
			unit: r.unit,
			_measurement: "OutputPressure",
		})), op: from(bucket: "ogamma")
	|> range(start: -task.every)
	|> filter(fn: (r) =>
		(r._measurement == "OutputPressure" and r.unit == "Pump" and r._field == "v"))
	|> drop(columns: ["_source_timestamp"])
	|> mean(column: "_value")
	|> map(fn: (r) =>
		({
			_time: currentTime,
			_value: r._value,
			unit: r.unit,
			_measurement: "OutputPressure",
		}))}, on: ["_time", "_measurement"])
	|> map(fn: (r) =>
		({
			_time: r._time,
			_pd: r._value_op - r._value_ip,
			unit: r.unit_op,
			_measurement: "OutputPressure",
		}))
	|> monitor.check(
		crit: (r) =>
			(r._pd < 10.0),
		warn: (r) =>
			(r._pd < 15.0),
		info: (r) =>
			(r._pd < 25.0),
		ok: (r) =>
			(r._pd >= 25.0),
		messageFn: (r) =>
			(if r._pd < 10.0 then "Critical alert!! error: Pressure difference is too low: ${string(v: r._pd)}!" else if r._pd < 15.0 then "Warning! Pressure difference is low: ${string(v: r._pd)}!" else if r._pd < 25.0 then "Pressure difference is: ${string(v: r._pd)}!" else "ok"),
		data: {
			_check_name: "Pressure difference check",
			_check_id: "pres_diff",
			_type: "threshold",
			tags: {unit: "Pump"},
			_measurement: "statuses",
		},
	)

在Grafana中可视化实时和流处理数据

Grafana附带一个功能丰富的InfluxDB数据源插件。该插件包括自定义查询编辑器和支持注释和查询模板。要将InfluxDB添加到Grafana中的数据源

• 通过单击顶部标题中的Grafana图标打开侧菜单
• 在侧菜单下的仪表板链接下，您应该找到一个名为数据源的超链接
• 单击顶部标题中的 + 添加数据源按钮
• 从下拉菜单中选择InfluxDB
• 确保您从查询语言列表中选择Flux

每个面板使用Flux脚本从InfluxDB查询数据。以下是每个面板及其相应的Flux脚本代码的描述。

状态

此面板显示泵的当前状态，基于布尔类型变量Power的值。

from(bucket: "ogamma")
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop)
  |> filter(fn: (r) =>
    r._measurement == "Power" and
    r._field == "v"
  )
  |> last()
>

输入压力

在此面板中，显示输入压力变量的当前值。

from(bucket: "ogamma")
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop)
  |> filter(fn: (r) =>
    r._measurement == "InputPressure" and
    r._field == "v"
)

输出压力

在此面板中，显示输出压力变量的当前值。

from(bucket: "ogamma")
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop)
  |> filter(fn: (r) =>
    r._measurement == "OutputPressure" and
    r._field == "v"
)

相对压力

在此面板中，显示计算输出和输入压力之间的差的当前值。请注意，对于每个输入和输出压力变量，首先计算平均值，因此差值不等于当前值之间的差。

from(bucket: "_monitoring")
  |> range(start: -10s, stop:now())
  |> filter(fn: (r) =>
    r._measurement == "statuses" and
    r.unit == "Pump"
  )
  |> drop (columns:["_source_timestamp", "_check_id", "_check_name", "_start", "_stop"])

泵：输入和输出压力

在此面板中，显示最新显示间隔内压力变量的历史值。

from(bucket: "ogamma")
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop)
  |> filter(fn: (r) =>
    r._measurement == "InputPressure" and
    r._field == "v"
)

泵通知

在本面板中，显示由流值处理生成的通知。

from(bucket: "_monitoring")
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop)
  |> filter(fn: (r) =>
    r._measurement == "statuses" and
    r.unit == "Pump"
  )
  |> drop(columns: ["_source_timestamp"])

温度

在本面板中，显示温度变量的历史值。

from(bucket: "ogamma") 
  |> range(start: v.timeRangeStart, stop:v.timeRangeStop) 
  |> filter(fn: (r) => 
    r._measurement == "Temperature" and 
    r._field == "v" 
  )

最终结果

最后，我们在Grafana中得到了这个运行的仪表板！