一、海洋渔业平台介绍

　　福建理工大学针对我国浅海增养殖信息化和智能化程度低、多源数据库缺乏、大数据挖掘与分析技术薄弱等问题，构建了海洋渔业平台。

　　该平台方案使用了星瑞格数据库管理系统（下文简称：SinoDB），充分利用了SinoDB的的关系+时间序列双引擎的独特能力，实现了平台端和移动端协同，集成了数据采集、数据存储、数据分析、智能决策和可视化展示等功能，为增养殖全过程信息化管理提供了支持。

二、海洋渔业平台功能介绍

　　该海洋渔业平台包括四个子系统，共同构成海洋渔业平台，其中多源实时监测系统及传输网络子系统具有典型的时序特征。

　　（1）海洋生态增养殖多源实时监测系统及传输网络子系统

　　集成现代化监测设备，包括浮标、潜标和水下机器人ROV等，综合环境监测和视频监控技术，通过物联网标准协议建立多种通讯技术的数据传输网络平台，实现海洋生态增养殖实时在线监测系统，并确保数据稳定传输。

　　（2）海洋生态增养殖大数据库子系统

　　存储所有物联网数据，包括关系数据、时序数据和图像视频数据，并为展示子系统和分析子系统提供底座支撑。该系统采用SinoDB的关系型+时序型的混合数据引擎技术打通了关系数据和时序数据之间的壁垒，同时利用SinoDB Bigdata Connector透明路由，使得数据结构层次简单明了。

　　（3）海洋生态增养殖大数据挖掘与分析

　　采用人工智能技术实现海洋环境和生物状态判定能力与进一步决策能力。应用主成分分析和时间序列挖掘等方法，建立海洋生态增养殖环境动态大数据模型和养殖生物生长模型，识别影响增养殖全过程的关键环境因子，挖掘海洋生态增养殖知识模式，实现海洋增养殖的全过程预警、预测与反馈。

　　（4）自动化反馈智能信息化平台子系统

　　通过六个业务模块，即养殖环境监测、生物生长监控、数据分析与可视化、智能决策服务、生产存销管例与信息发布，实现了生物养殖到销售的全生命周期管理，并通过移动端和平台端展示，具备信息化和现代化特征。

三、实时监测系统的数据具有显著的时序特征

　　实时监测系统的数据具有显著的时序特征，所以需选择适用于大规模时序数据处理的数据库系统，以确保其能够满足系统的实时监测和历史数据管理需求，同时满足多种传输协议的支持和复杂数据存储的要求。

• 数据采集规模大

　　系统涉及上千个数据采集点，每个采集点需要采集多种物理量，且需要支持频繁的数据上传要求，因此数据库系统应具备较高的数据吞吐能力，能够高效地处理大规模的数据写入操作。

• 历史监测数据存量大

　　系统的历史数据存量多达5亿条，需要数据库系统具备高效的数据存储和检索机制，以确保对大规模历史数据的高效处理和查询。

• 需支持多种传输协议

　　系统要求支持 MQTT 协议和与 MongoDB 集成的数据传输协议，数据库系统需要具备对这些协议的良好的适配性和支持能力，以方便数据的实时采集和集成。

• 数据结构复杂

　　单个数据采集点涉及多个物理量，因此需要数据库系统支持多维度的数据结构，能够存储和查询包含不同物理量的数据。

• 数据采集和查询的实时性要求高

　　系统集成了多种在线监测仪器设备，数据库系统需要具备实时数据采集和查询的能力，以满足对多个数据采集点和多个物理量的实时监测和采集需求。

• 可扩展性要求高

　　随着业务的发展，系统会不断增加新的数据采集点和监测设备，数据库系统需具备高度可扩展性，以适应未来系统规模的扩大。

四、SinoDB时序数据满足实时监测系统的需求

　　依托SinoDB关系型+时序型的混合数据引擎技术，统一存储和管理监控设备数据、环境数据和生产数据。

• 关系数据

　　关系数据特征是对于信息系统普遍需求，这也是SinoDB的基本特征，在基础功能至上，SinoDB DBSonar是数据库监控管理性能优化工具作为差异化特征；

• 时序数据

　　时间序列特征是物联网应用连续数据采集所需要的，SinoDB的时序数据库TimeSeries不但实现了基础功能，并且和关系数据紧密融合，是业界独有特征；SinoDB的时序数据库同时支持支持MQTT协议和MongoDB协议，满足了协议转换需求。

• 图形图像数据

　　图形图像数据特征是大数据应用的基础设施，具备连接时序数据库和图形图像数据到和的能力，降低了物联网应用程序开发成本；

五、时序数据解决方案带来的收益

　　时间序列(TimeSeries)数据处理引擎，同时满足采集系统对时间，空间和多样性的需求。

• 时间与传统关系型数据库对比，时序数据库处理数据速度提高18倍

• 空间 存储空间节了50%

• 多样性 通过独有的虚表映射技术，关系型与时间序列（TimeSeries）双引擎互补共存和深度融合，满足了客户多样性的需求

六、时序数据解决方案获得成果