ProcessDB实时/时序数据库——Python检索测点信息_时序数据库的点位编码-优快云博客

本文链接：https://blog.youkuaiyun.com/sun_race/article/details/134312438

前言

ProcessDB实时/时序数据库支持Python语言开发，本文将针对Python操作ProcessDB检索测点信息进行介绍

一、检索类型及检索条件介绍

检索类型	名称	检索类型	名称
FILTER_DB_NAME	数据库名称	FILTER_POINT_IO_TYPE	测点io类型
FILTER_TABLE_NAME	数据表名称	FILTER_POINT_ARCHIVED	测点是否保存历史数据
FILTER_POINT_NAME	测点名称	FILTER_POINT_UNIT	测点单位
FILTER_DB_ALIAS	数据库别名	FILTER_POINT_COMPRESS_TYPE	测点压缩类型
FILTER_TABLE_ALIAS	数据表别名	FILTER_POINT_COMPRESS_DEV_TYPE	测点压缩死区类型
FILTER_POINT_ALIAS	测点别名	FILTER_POINT_VALUE	测点值
FILTER_DB_DESC	数据库描述	FILTER_POINT_QULITY	测点质量
FILTER_TABLE_DESC	数据表描述	FILTER_POINT_ALARM_STATUS	测点报警状态
FILTER_POINT_DESC	测点描述	FILTER_POINT_ALARM_SWITCH	测点报警开关
FILTER_DB_CREATE_TIME	数据库创建时间	FILTER_POINT_ALARM_ACK_TYPE	测点报警方式
FILTER_DB_MODIFY_TIME	数据库修改时间	FILTER_POINT_ALARM_TYPE	测点报警类型
FILTER_TABLE_CREATE_TIME	数据表创建时间	FILTER_POINT_ALARM_LEVEL	测点报警级别
FILTER_TABLE_MODIFY_TIME	数据表修改时间	FILTER_POINT_ALARM_GROUP_ID	测点报警组id
FILTER_POINT_CREATE_TIME	测点创建时间	FILTER_DB_ID	数据库id
FILTER_POINT_MODIFY_TIME	测点修改时间	FILTER_TABLE_ID	数据表id
FILTER_POINT_TYPE	测点类型	FILTER_POINT_ID	测点id
FILTER_POINT_DATA_TYPE	测点数据类型	FILTER_POINT_IS_REFFER	测点是否引用
FILTER_POINT_REFFER_ID	测点引用id	FILTER_POINT_EXPRESS	测点表达式
FILTER_POINT_PERIOD	测点计算周期	FILTER_POINT_CUR_VALUE_OCCUR_TIME	当前值发生时间
FILTER_POINT_PRE_VALUE	测点前值	FILTER_POINT_PRE_VALUE_QULITY	测点前值质量
FILTER_POINT_CUR_VALUE_TIME	测点当前值时间	FILTER_POINT_TOP_SCALE	量程高限
FILTER_POINT_PRE_VALUE_TIME	测点前值时间	FILTER_POINT_TIME_UNIT	时间单位
FILTER_POINT_BOTTOM_SCALE	量程低限

检索条件	名称	检索条件	名称
RELATION_EQUAL	相等	RELATION_GREAT_EQUAL	大于等于
RELATION_NOT_EQUAL	不相等	RELATION_LESS_EQUAL	小于等于
RELATION_GREAT	大于	RELATION_LIKE	相似
RELATION_LESS	小于

二、构建条件检索信息

示例代码：

# coding:utf8
import ProcessDBDriver as processdbDriver
import numpy as np
from array import array

    #  数据结构

	#  pointId 数据点ID 
 
	#  tableId 数据表ID 
 
	#  pointName; //数据点名称 
 
	#   refferObjectId;//引用其他数据点ID 
 
	#  pointType; // 数据点类型 0是采样点 / 1是统计点 / 2是计算点 
 
    #  priority; // 数据点优先级 
    
    #  dataType; // 数据点存储值类型 例如FLOAT32 
	
	#  pointDesc; // 数据点描述 
	
	#  archived; // 是否保存历史数据 
  
	#  ioType; // IO类型 0为输入 1为输出 2为中间变量 3为网关 
 
    #  spaceCompress; //空间维度 1是差值压缩,2是数据块压缩,3是两者全选 
    
    #  timeUnit; //分辨率 0是秒 1是毫秒 2是微秒 
    
	#  unit; // 单位	 
 
	#  initValue; // 数据点初始值 
 
	#  bottomScale; // 量程低限 
 
	#  topScale; // 量程高限 
 
	#  alarmLow; // 告警低限 
 
	#  alarmHigh; // 告警高限 
 
	#  deviation; // 量程数值，默认0.05 
 
	#  forceSaveInterval; // 强制存历史数据时间 
	
	#  format; // 小数精度 例如数据类型为int,则没有小数精度 
	
	#  devType; // 按量程百分比是0 ，按量程物理值是1 
 
	#  compress; // 时间维度 0是deadband死区压缩, 1是linuar线性压缩, 2是None无压缩 
 
	#  timeoutInterval; // 超时时间 
    
	#  creatorId; // 数据点创建人ID 
 
    #  createTime; // 数据点创建时间 
    
	#  period; // 计算周期 计算点专属属性 
 
    #   alarmSwitch;  //是否告警 0：不告警  1: 告警 
 
    #   alarmAckType;    //告警类型 0:  手动  1：自动 
 
    #   alarmType;       // 1：死区报警 2：超时报警 3：ON报警 4：OFF报警 5：变化报警 
 
    #   alarmLevel;    //告警级别 none是0  一级是1 二级是2 三级是3 四级是4 
 
    #   alarmHH;        //告警高高限 
 
    #   alarmLL;        //告警低低限 
 
    #   alarmGroupId;   //告警分组id 
 
    #  tableFullName;  //数据点所属的数据库加数据表的名称（例如PUBLIC.SYS）
    
    #  statinfo;  //点位操作统计，具体结构如下
        
    #  curVal;  //当前标签值，具体结构如下

    # statinfo{
    # nuReadRTTimes //读取实时数据次数
    # nuWriteRTTimes //写入实时数据次数
    # nuForceWriteRTTimes //强制写入实时数据次数
    # nuCompressedTimes //压缩数据次数
    # nuReadHistoryTimes //读取历史数据次数
    # nuReadHistoryCount //读取历史数据数量
    # nuWriteHistoryTimes //写入历史数据次数
    # nuWriteHistoryRecordCount //写入历史数据数量
    # }

    # curVal{
    # nSecond //当前值秒数
    # nMilliSecond //当前值毫秒数
    # nQuality //当前值质量
    # nTagType  //当前值数据类型
    # nValue  //当前值
    # }

# 连接
connectName = '127.0.0.1'
port = 8303
processdbDriver.connect(connectName, port)
# 登录
userName = 'root'
password = 'root'
wErrCode = processdbDriver.login(userName, password)

# 登录成功
if wErrCode != 0:
    print('login failed. errorCode: ', wErrCode)
else:

    print('login!sucess!')

# class FilterItem(object):
# nItemID 筛选数据类型：库名，表名，点名等
# nRelation 筛选数据规则： 相等，相似等
# szValue   具体值：“PDB_PROC_CPU_USAGE”

# 添加筛选条件
filterItem01 = processdbDriver.FilterItem(
    processdbDriver.FilterType.FILTER_POINT_NAME.value, 
    processdbDriver.RrlationType.RELATION_LIKE.value,
    "CPU")

filterItem02 = processdbDriver.FilterItem(
    processdbDriver.FilterType.FILTER_POINT_NAME.value,
    processdbDriver.RrlationType.RELATION_LIKE.value,
    "PDB")

# 加入筛选条件集合
filterList = set()
filterList.add(filterItem01)
filterList.add(filterItem02)

# 设置页数页码
PageSize=10
PageNum=0
# 发起数据请求
count, errCode, resultSet = processdbDriver.query_point_by_filter(
    PageSize, PageNum, filterList)




# 遍历读取数据
if errCode == 0:
    if count != 0 and count != 'null':
        for i in range(count):
            pointData = processdbDriver.query_points(
                i, resultSet)
            print('query_point_by_filter succeed.')
            print('  点ID:',
                  pointData.pointId)  
            print('  点名:',
                  pointData.pointName)  
            print('  所属表全名:',
                  pointData.tableFullName)  
            print('  当前值发生时间:',
                  pointData.curValueOccurtimeStamp)  
            print('  数据类型:',
                  pointData.getDataType())  
            print('  读取次数:',
                  pointData.statInfo.nuReadHistoryCount)  
            print('  当前值:',
                  pointData.curVale.nValue)  
    else:
        print('no  data.')
else:
    print('query_point_by_filter failed, errorCode: ', errCode)

运行结果：

login!sucess!
query_point_by_filter succeed.
  点ID: 1001000001
  点名: PDB_OS_CPU_USAGE
  所属表全名: PUBLIC.SYS
  当前值发生时间: 1699515939
  数据类型: float32
  读取次数: 0
  当前值: 41.407318115234375
query_point_by_filter succeed.
  点ID: 1001000007
  点名: PDB_PROC_CPU_USAGE
  所属表全名: PUBLIC.SYS
  当前值发生时间: 1699515939
  数据类型: float32
  读取次数: 0
  当前值: 1.0