CN111966695A - 一种用于油气田生产的时序数据库*** - Google Patents
一种用于油气田生产的时序数据库*** Download PDFInfo
- Publication number
- CN111966695A CN111966695A CN202011143186.8A CN202011143186A CN111966695A CN 111966695 A CN111966695 A CN 111966695A CN 202011143186 A CN202011143186 A CN 202011143186A CN 111966695 A CN111966695 A CN 111966695A
- Authority
- CN
- China
- Prior art keywords
- data
- time sequence
- index
- file
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000013144 data compression Methods 0.000 claims abstract description 11
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003129 oil well Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mathematical Physics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明本属于油田生产数据处理领域，公开了一种应用于石油生产的时序数据库***，该***包括：至少一台联网的计算机；在所述计算机上运行本***的软件数据获取模块、数据存储模块、数据压缩模块、及数据预警模块，上述模块依次相连接，数据存储模块将时序数据按照预定的时间段划分为多个数据文件存储，每个数据文件划分为多个数据块，并建立索引文件，在索引文件中基于所述时序数据的度量和指标属性的不同组合构建键，通过键对应的值最终找到待存储或查询的所述时序数据对应的所述数据块，并通过构建预警模型采用多窗口化处理多个数据源的时序数据。本发明降低了存储消耗，降低了运算的复杂性并保证了预警结果的可靠性。
Description
技术领域
本发明涉及油田生产数据处理领域，特别涉及一种用于油气田生产的时序数据库***。
背景技术
随着互联网在油气田生产领域的不断推进，油井生产监控平台产生了越来越多的基于时间序列的数据，这些数据被称为时序数据，各大油气田都在研究利用这些时序数据进行数据挖掘，并完善报警预警功能模块，从而实现自动预警和超前预警，提高生产管控、生产分析和生产决策的智能化水平。
在油气田生产过程中，对于一个检测对象需要大量的传感器进行监控检测，意味着需要存储大量的数据，随着指标对象的积累，数据库***需要存储大量的历史数据，如果对数据处理不当，将会造成大量的存储设备资源浪费。检测对象有时会出现各种异常情况，现有技术中对异常情况的预警可靠性不高。
现有的油气田生产领域的数据库存储消耗大、写入性能差、查询效率低，且针对时序数据的预警普通的预警模型存在模型分析的数据源单一、模型分析过程会消耗大量服务计算资源的技术问题，而在实际生产运营过程中，业务预警往往是复杂多变的。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种用于油气田生产的时序数据库***，能够节省服务器存储资源开销，提高数据查询效率且保证预警结果的可靠性。
根据本发明的第一方面，提供一种用于油气田生产的时序数据库***，该***包括：
至少一台联网的计算机；
在所述计算机上运行本***的软件数据获取模块、数据存储模块、数据压缩模块、及数据预警模块，上述模块依次相连接，所述时序数据的属性包括度量、指标、周期、时间戳和数据值属性；
所述数据获取模块，用于获取油气田生产中的时序数据，建立若干个数据源；
所述数据存储模块，用于将所述时序数据按照预定的时间段划分为多个数据文件存储，每个数据文件划分为多个数据块，并建立索引文件，根据所述时间戳对所述数据文件和所述索引文件编号，在索引文件中基于所述时序数据的度量和指标属性的不同组合构建键，通过键对应的值查找到每个所述组合的时序数据在索引文件内对应的索引的存储位置，该索引指向每个所述组合的时序数据在不同的所述数据文件中的所述数据块的存储位置，再通过计算所述数据文件的编号最终找到待存储或查询的所述时序数据所对应的数据文件中的存储位置；
所述数据压缩模块，用于将预设时间点t0之前的所有所述数据文件按顺序压缩为压缩文件；
所述数据预警模块，用于构建预警模型，并将若干个所述数据源的所述时序数据基于所述度量和指标属性的不同组合将预警模型解析成多个运算窗口，在每个结算周期对该运算窗口关联到的所述数据源进行模型结算，并根据设定的判定分判定是否发出预警信息。
根据本发明第一方面所述的，所述数据压缩模块，用于将预设时间点t0之前的所有所述数据文件按顺序压缩为压缩文件包括：将预设时间点t0之前的每个所述数据文件按该数据文件内的所述数据块压缩为所述压缩文件。
根据本发明第一方面所述的，当待存储的时序数据在时间上跨多个数据文件时，将所述时序数据在写入前先根据所述时间段分成多个区段，如果某个区段占用所述数据块的一部分，则定位到所述索引找到其所指向的数据块后，把所述某个区段中的数据点存放到该数据块中，如果所述区段跨越整个块，则把该区段的数据追加到不同的数据文件中，并记录对应索引指向的存储位置。
本发明实施例至少具有以下有益技术效果：针对油气田生产领域的数据特殊性，将时序数据库划分为数据块存储，降低了存储消耗，以时序数据的度量和指标属性构建索引文件中的键，既能存储大量数据，又支持灵活的条件查询，改善对于时间序列数据的查询效率；同时本发明采用每个模型多数据源的预警模型构建方案，多指标多算法组合运算及窗口化处理，组合协同判断，降低了运算的复杂性并保证了预警结果的可靠性。
附图说明
下面结合附图和实施例对本发明进一步地说明；
图1为本发明实施例用于油气田生产的时序数据库***的逻辑结构图；
图2为本发明实施例中时序数据在时序数据库的数据文件中的存储示意图；
图3为本发明实施例时序数据库中预警模型、数据源、运算窗口之间的逻辑关系示意图。
具体实施方式
本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
本发明的时序数据库应用于油气田生产领域，参照图1，为本发明实施例中的时序数据库***的逻辑结构图，提供了一种应用于油气田生产的时序数据库***，该***包括：至少一台联网的计算机；在计算机上运行本***的软件数据数据获取模块、数据存储模块、数据压缩模块、及数据预警模块，上述模块依次相连接，所述时序数据的属性包括度量、指标、周期、时间戳和指标数据值属性。
在本发明实施例中，数据获取模块，用于获取油气田生产中的时序数据，建立若干个数据源。时序数据的获取方式，包括但不限于时序数据库、关系数据库，轮询数据服务，人工导入等。
可以理解的是，时序数据是按照时间顺序记录的时间序列，其依赖于时间而变化，可以用数值来反映其变化程度的数据。获取的时序数据来源可以是油气田生产领域定频采集的时序数据。时序数据至少具有以下属性，度量Metric、指标Target、周期、时间戳Stamp和指标数据值本身。
本申请实施例中的时序数据的度量Metric代表数据的归属；Target是指定频采集的测量值，周期是指测量值采集的周期。例如：每分钟采集一次输油管线G1的瞬时流量为100L/min；其中输油管线G1就是度量属性，瞬时流量就是指标属性，每分钟为周期，100L/min为指标的数据值。时间戳Stamp是指格林威治时间1970年01月01日00时00分00秒000毫秒（北京时间：1970年01月01日08时00分00秒000毫秒）起至现在的总毫秒数。本申请实施例的时序数据可以具有多个不同的度量和指标。
本发明中的时序数据库***中，数据存储模块，用于将时序数据按照预定的时间段划分为多个数据文件存储，每个数据文件划分为多个数据块，并建立索引文件，根据所述时间戳对所述数据文件和所述索引文件编号，在索引文件中基于所述时序数据的度量和指标属性的不同组合构建键，通过键对应的值查找到每个所述组合的时序数据在索引文件内对应的索引的存储位置，该索引指向每个所述组合的时序数据在不同的所述数据文件中的所述数据块的存储位置，再通过计算所述数据文件的编号最终找到待存储或查询的所述时序数据所对应的数据文件中的存储位置。
本发明实施例中，在时序数据写入数据库***时，将获取的时序数据在数据库中按一定的时间段划分为多个数据文件存储，并对每个数据文件按照时间戳进行编号，以方便后续查找数据文件的位置。由于时序数据可以有多个度量和指标，则度量和指标具有多个不同的组合方式，则在即将存储的每个数据文件中划分为多个数据块，每个数据块仅存储该时间段内的一种度量和指标组合下的时序数据的指标数据值，该时间段是指所要存储的数据文件所在的时间段。其中，每个数据文件中数据块的数量为度量指标的组合数。
参照图2所示，为本发明实施例中时序数据在数据文件中的存储示意图，其中，Block-X轴代表数据文件中的数据块，TS-Y轴代表数据文件编号， R代表数据文件区，Values-Z代表数据块中的每个数据值点。
在时序数据库中，对应于上述多个数据文件建立索引文件，索引文件会记录时序数据在数据文件中的存储位置。本发明实施例中一个索引文件映射N个数据文件，其中，N为正整数。在索引文件中，对数据文件中的每个数据块建立索引，并利用时序数据的属性度量和指标构建键，键对应的值是对应每个度量和指标组合后在索引文件的存储地址。由于每个数据块对应存储度量和指标一种组合方式下的时序数据的指标数据值，因而通过索引文件中的键即可找到该度量和指标组合在不同时间段的数据块，这些数据块分别位于不同时间段的多个数据文件中。
作为本发明实施例的一个具体示例，例如，时序数据写入数据库的数据文件后，数据文件1中的时序数据包括度量属性M1、M2和指标属性T1、T2，则度量和指标的组合包括M1T1、M1T2、M2T1和M2T2四种组合方式，那么该数据文件1包含四个数据块，分别用于存储不同组合的时序数据的指标数据值。该数据文件1的时间段为t1，相应的，M1T1组合下的时序数据在t2时间段存储于在时间上连续的数据文件2中，以此类推。
本发明实施例中将时序数据划分为不同的数据文件存储，并对数据文件进行编号，可以快速定位到指定的数据文件。假设数据区的时间间隔是7天，那么 1970-01-01 00:00:00:000到1970-01-07 00:00:00:000的数据就被划分在一个数据区内也就是一个数据文件。然后根据时间戳分配一个数据文件编号。
例如，数据文件编号的方式为，该数据区起始的毫秒时间戳除以7天的毫秒时间差的取整数部分，就是数据文件编号。
在本发明的一个实施例中，索引文件编号的方式为，根据当前时间戳Stamp和格林威治时间Stamp0（1970年01月01日00时00分00秒000毫秒）做差值计算得到的时间戳差值，时间戳差值除以N×时间间隔的毫秒时间戳总数的结果进行向下取整（floor）就是索引文件的编号。
例如，N取8，时间间隔为7天时，索引文件编号为：floor( (Stamp - Stamp0) / (8* 7 * 86400000))。
在本发明的一个实施例中，可以批量存储时序数据到时序数据库。当待存储的时序数据在时间上跨多个数据文件时，将所述时序数据在写入前先根据所述时间段分成多个区段，如果某个区段占用所述数据块的一部分，则定位到所述索引找到其所指向的数据块后，把所述某个区段中的数据点存放到该数据块中，如果所述区段跨越整个块，则把该区段的数据追加到不同的数据文件中，并记录对应索引指向的存储位置。
例如，一个存储任务为存储度量M1 8点到9点的电压指标时序数据，假设数据文件的时间间隔，即上文中的时间段为30分钟，时序数据周期Beat为1分钟，那么需要存储的数据跨越两个区域，则采用数据切块分割的方式，把8点到8点半的数据划分为一个数据区的数据块中，把8点半到9点的数据划分为另一个数据区的数据块中，分别查找对应的索引并存储在对应的数据文件。
随着时间积累，时序数据库中的数据存储量会越来越大，而且时序数据往往具有历史数据应用性不强的特点，所以需要对历史积累的时序数据进行必要的压缩处理。
针对上述技术问题，本发明实施例中的数据库还包括数据压缩模块，用于将预设时间点t0之前的所有所述数据文件按顺序压缩为压缩文件。
具体地，数据库中的每个数据文件包含多个数据块，在对t0之前的数据文件进行压缩时，将每个数据文件以该数据文件中的数据块为单位采用现有的数据压缩算法进行压缩。在本实施例中，所使用的压缩算法为现有技术中的数据压缩算法，包括但不限于deflate、bzip2等。
本发明实施例中，还包括对数据源的数据异常的情况进行预警的过程。因此，本发明的时序数据库***包括数据预警模块，用于构建预警模型，并将多个数据源的所述时序数据基于所述度量和指标属性的不同组合将预警模型解析成多个运算窗口，在每个结算周期对该运算窗口关联到的所述数据源进行模型结算，并根据设定的判定分判定是否发出预警信息。
可以理解的是，该预警模型可以为一静态数据模型，设置了结算周期、预警对象、数据源（可多个）和判定分属性。
其中，结算周期是指预警模型按固定周期进行结算，判定是否发出预警消息。例如每30分钟判断一次最近1小时的平均流量是否出现异常。预警对象是指预警模型对应的实体对象，比如一个设备、一口油井等，模型判定成功后，会发出针对此对象的报警消息。判定分是指预警模型结算成功的所需分数。
作为本发明的一个具体实施例，预警模型内关联到若干个数据源的时序数据，对模型内的所有数据源分别设置权重分，用于判断数据是否异常，正常则该数据源权重分为0，异常则取其预置的权重分，模型内的所有数据源异常情况判定结束后，所有数据源的权重分累加，若该累加分超过模型的判定分，则发出预警消息，反之，不会发出预警消息。
比如模型判定分100，对数据源1、数据源2和数据源3分别设置权重分分别为60，40，40。结算成功的数据源会累加计分，总分超过判定分，则发出预警消息。所以数据源1+2或者数据源1+3会发出预警，数据源2+3则不会发出。这就是多个数据源组合预警的意义，依托多个数据源进行逻辑判定，可以大大增加预警消息的可靠性。
在本发明实施例中，如果有多个预警模型，例如2个，则预警模型、数据源、运算窗口之间的逻辑关系如图3所示。需要说明的是，图3中运算窗口γ可以同时被模型A和B结算时使用，也就是上文所说明的，运算窗口可以关联所有度量Metric和指标Target相同的数据源，节省了***内存资源，这在预警模型数量较大时会体现的更显著。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (3)
1.一种用于油气田生产的时序数据库***，其特征在于，包括：
至少一台联网的计算机；
在所述计算机上运行本***的软件数据获取模块、数据存储模块、数据压缩模块、及数据预警模块，上述模块依次相连接，所述时序数据的属性包括度量、指标、周期、时间戳和数据值属性；
所述数据获取模块，用于获取油气田生产中的时序数据，建立若干个数据源；
所述数据存储模块，用于将所述时序数据按照预定的时间段划分为多个数据文件存储，每个数据文件划分为多个数据块，并建立索引文件，根据所述时间戳对所述数据文件和所述索引文件编号，在索引文件中基于所述时序数据的度量和指标属性的不同组合构建键，通过键对应的值查找到每个所述组合的时序数据在索引文件内对应的索引的存储位置，该索引指向每个所述组合的时序数据在不同的所述数据文件中的所述数据块的存储位置，再通过计算所述数据文件的编号最终找到待存储或查询的所述时序数据所对应的数据文件中的存储位置；
所述数据压缩模块，用于将预设时间点t0之前的所有所述数据文件按顺序压缩为压缩文件；
所述数据预警模块，用于构建预警模型，并将若干个所述数据源的所述时序数据基于所述度量和指标属性的不同组合将预警模型解析成多个运算窗口，在每个结算周期对该运算窗口关联到的所述数据源进行模型结算，并根据设定的判定分判定是否发出预警信息。
2.如权利要求1所述的一种用于油气田生产的时序数据库***，其特征在于，
所述数据压缩模块，用于将预设时间点t0之前的所有所述数据文件按顺序压缩为压缩文件包括：将预设时间点t0之前的每个所述数据文件按该数据文件内的所述数据块压缩为所述压缩文件。
3.如权利要求1所述的一种用于油气田生产的时序数据库***，其特征在于，
当待存储的时序数据在时间上跨多个数据文件时，将所述时序数据在写入前先根据所述时间段分成多个区段，如果某个区段占用所述数据块的一部分，则定位到所述索引找到其所指向的数据块后，把所述某个区段中的数据点存放到该数据块中，如果所述区段跨越整个块，则把该区段的数据追加到不同的数据文件中，并记录对应索引指向的存储位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143186.8A CN111966695B (zh) | 2020-10-23 | 2020-10-23 | 一种用于油气田生产的时序数据库*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143186.8A CN111966695B (zh) | 2020-10-23 | 2020-10-23 | 一种用于油气田生产的时序数据库*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111966695A true CN111966695A (zh) | 2020-11-20 |
| CN111966695B CN111966695B (zh) | 2021-01-08 |
Family
ID=73387211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011143186.8A Active CN111966695B (zh) | 2020-10-23 | 2020-10-23 | 一种用于油气田生产的时序数据库*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111966695B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112286948A (zh) * | 2020-11-18 | 2021-01-29 | 成都佳华物链云科技有限公司 | 时序数据库的数据存储方法、读取方法及装置 |
| CN112463803A (zh) * | 2021-02-01 | 2021-03-09 | 山东柏源技术有限公司 | 用于石油生产的时序数据存储方法、装置及设备 |
| CN112835908A (zh) * | 2021-02-22 | 2021-05-25 | 广东数程科技有限公司 | 一种时序数据存储方法、***、存储设备和存储介质 |
| CN112953913A (zh) * | 2021-01-29 | 2021-06-11 | 江苏提米智能科技有限公司 | 一种实现工业物联网智能设备数据快速接入、汇聚、存储和发布的方法 |
| CN113312313A (zh) * | 2021-01-29 | 2021-08-27 | 淘宝（中国）软件有限公司 | 数据查询方法、非易失性存储介质及电子设备 |
| CN113742398A (zh) * | 2021-09-01 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 时序相似性查询和时序存储的方法、装置、介质及设备 |
| CN114630030A (zh) * | 2022-03-10 | 2022-06-14 | 陕西安控科技有限公司 | 一种油气田移动措施作业设备监控***及其方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495851A (zh) * | 2011-11-17 | 2012-06-13 | 百度在线网络技术（北京）有限公司 | 时序数据的存储和查询方法、***及装置 |
| EP2932405A1 (en) * | 2012-12-17 | 2015-10-21 | General Electric Company | System for storage, querying, and analysis of time series data |
| CN105427193A (zh) * | 2015-12-17 | 2016-03-23 | 山东鲁能软件技术有限公司 | 一种基于分布式时序数据服务的大数据分析装置及方法 |
| CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
| CN106776823A (zh) * | 2016-11-25 | 2017-05-31 | 华为技术有限公司 | 一种时序数据管理方法、设备和装置 |
| CN108256088A (zh) * | 2018-01-23 | 2018-07-06 | 清华大学 | 一种基于键值数据库的时序数据的存储方法及*** |
| CN108399263A (zh) * | 2018-03-15 | 2018-08-14 | 北京大众益康科技有限公司 | 时序数据的存储和查询方法及存储和处理平台 |
| CN111400265A (zh) * | 2020-03-04 | 2020-07-10 | 浙江永贵电器股份有限公司 | 一种基于大冗余量时序数据的存储方法 |
-
2020
- 2020-10-23 CN CN202011143186.8A patent/CN111966695B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495851A (zh) * | 2011-11-17 | 2012-06-13 | 百度在线网络技术（北京）有限公司 | 时序数据的存储和查询方法、***及装置 |
| EP2932405A1 (en) * | 2012-12-17 | 2015-10-21 | General Electric Company | System for storage, querying, and analysis of time series data |
| US20150356154A1 (en) * | 2012-12-17 | 2015-12-10 | General Electric Company | System for storage, querying, and analysis of time series data |
| CN105427193A (zh) * | 2015-12-17 | 2016-03-23 | 山东鲁能软件技术有限公司 | 一种基于分布式时序数据服务的大数据分析装置及方法 |
| CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
| CN106776823A (zh) * | 2016-11-25 | 2017-05-31 | 华为技术有限公司 | 一种时序数据管理方法、设备和装置 |
| CN108256088A (zh) * | 2018-01-23 | 2018-07-06 | 清华大学 | 一种基于键值数据库的时序数据的存储方法及*** |
| CN108399263A (zh) * | 2018-03-15 | 2018-08-14 | 北京大众益康科技有限公司 | 时序数据的存储和查询方法及存储和处理平台 |
| CN111400265A (zh) * | 2020-03-04 | 2020-07-10 | 浙江永贵电器股份有限公司 | 一种基于大冗余量时序数据的存储方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112286948A (zh) * | 2020-11-18 | 2021-01-29 | 成都佳华物链云科技有限公司 | 时序数据库的数据存储方法、读取方法及装置 |
| CN112286948B (zh) * | 2020-11-18 | 2023-05-23 | 成都佳华物链云科技有限公司 | 时序数据库的数据存储方法、读取方法及装置 |
| CN112953913A (zh) * | 2021-01-29 | 2021-06-11 | 江苏提米智能科技有限公司 | 一种实现工业物联网智能设备数据快速接入、汇聚、存储和发布的方法 |
| CN113312313A (zh) * | 2021-01-29 | 2021-08-27 | 淘宝（中国）软件有限公司 | 数据查询方法、非易失性存储介质及电子设备 |
| CN113312313B (zh) * | 2021-01-29 | 2023-09-29 | 淘宝（中国）软件有限公司 | 数据查询方法、非易失性存储介质及电子设备 |
| CN112463803A (zh) * | 2021-02-01 | 2021-03-09 | 山东柏源技术有限公司 | 用于石油生产的时序数据存储方法、装置及设备 |
| CN112835908A (zh) * | 2021-02-22 | 2021-05-25 | 广东数程科技有限公司 | 一种时序数据存储方法、***、存储设备和存储介质 |
| CN113742398A (zh) * | 2021-09-01 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 时序相似性查询和时序存储的方法、装置、介质及设备 |
| CN114630030A (zh) * | 2022-03-10 | 2022-06-14 | 陕西安控科技有限公司 | 一种油气田移动措施作业设备监控***及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111966695B (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111966695B (zh) | 一种用于油气田生产的时序数据库*** | |
| CN101187943B (zh) | 自动更新***、自动更新方法及其程序 | |
| CN112286867B (zh) | 油气田时序数据存储方法、查询方法及其装置、存储介质 | |
| CN108255981B (zh) | 连续时间段时间戳序号索引分钟冻结的存储和查找方法 | |
| CN112449696A (zh) | 时序数据诊断装置、追加学习方法及程序 | |
| CN113221455A (zh) | 一种设备的健康状态检测方法和装置 | |
| CN111292442B (zh) | 一种基于车辆补报数据修正车辆行程分段的重算方法 | |
| CN112766429B (zh) | 一种异常检测的方法、装置、计算机设备和介质 | |
| CN116957300B (zh) | 一种基于无人仓库穿梭车的物流数据管理方法及*** | |
| CN109308589B (zh) | 电网自动化数据质量监测方法、存储介质、终端设备和*** | |
| CN109684328A (zh) | 一种高维时序数据压缩存储方法 | |
| US11954945B2 (en) | Systems and methods for analyzing machine performance | |
| CN115859200A (zh) | 一种数据检测方法及*** | |
| CN110134754B (zh) | 区域兴趣点的作业时长预测方法、装置、服务器和介质 | |
| CN111581056A (zh) | 基于人工智能的软件工程数据库维护与预警*** | |
| CN111400265B (zh) | 一种基于大冗余量时序数据的存储方法 | |
| CN112668749B (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
| CN110765074B (zh) | 一种采集终端用电负荷曲线数据的快速存取方法及*** | |
| CN112307151A (zh) | 导航数据处理方法及装置 | |
| CN112163060A (zh) | 一种大数据技术处理海量gps数据*** | |
| CN110562296A (zh) | 一种基于lkj列控运行文件数据连续波动异常识别方法 | |
| CN112069168B (zh) | 一种设备运行数据云端存储方法 | |
| CN112270473B (zh) | 用于油气田时序数据的预警方法及装置 | |
| CN114756602A (zh) | 实时流式的流程挖掘方法和***及计算机可读存储介质 | |
| CN112463803A (zh) | 用于石油生产的时序数据存储方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |