PYTHON工业互联网监控项目实战2—OPC
OPC（OLE for Process Control）定义：指为了给工业控制系统应用程序之间的通信建立一个接口标准，在工业控制设备与控制软件之间建立统一的数据存取规范。它给工业控制领域提供了一种标准数据访问机制，将硬件与应用软件有效地分离开来，是一套与厂商无关的软件数据交换标准接口和规程，主要解决过程控制系统与其数据源的数据交换问题，可以在各个应用之间提供透明的数据访问。实际项目中“设备”就变成一个可以访问的OPC Server和它的Tag位号值，更多的详情请参考OPC基金会官网：http://opcfoundation.cn/。
上一小节我们首先通过一个简单的json格式来完成数据到UI端的传输，UI端解析Json数据，并通过JQuery渲染到div上来完成数据的显示，最后ajax轮询实现了数据的实时刷新。本小节我们把Domo进一步迭代改进，首先规范数据传输的格式，然后，实现实时读取模拟OPC Server的tag位号值。
1.1. 界面UI与Json数据结构
采用面向对象的模式来定义数据传输Json格式，“设备”对象包含多个“tag”属性值。上一小节例子中，我们从后台获取的数据格式是一个Json字符串，只定义了tank4C9的相关属性。
tank4C9={
'Status': random.randint(0,1), #设备运行状态
'OverheadFlow':random.randint(1,10) ,#'顶流量',
'ButtomsFlow': random.randint(1,10), #'低流量'
'Power': random.randint(10000,100000), #功率
}实际项目中的监控界面会涉及到多个设备和多个监控tag位号，为了便于数据的规范管理和更新，Json数据格式构造采用面向对象的模式进行构建如下：
tank4C9={
'DeviceId': 1,
'DeviceName':'1#反应罐',
'Status': random.randint(0,1), #设备运行状态
'OverheadFlow':random.randint(1,10) ,#'顶流量',
'ButtomsFlow': random.randint(1,10), #'低流量'
'Power': random.randint(10000,100000), #功率
}
Json代码就构建了一个图例反应罐主要监控数据，注意多出来的设备状态点，也就是用来体现设备是运行状态还是停机状态。另外，为了体现这个设备来自那个一个OPC Server服务，更好地体现现场设备与采集器（OPC Server）的关系，再增加一层关于采集器的Json结构python代码如下：
tank4C9={
'DeviceId': 1,
'DeviceName':'1#反应罐',
'Status': random.randint(0,1), #设备运行状态
'OverheadFlow':random.randint(1,10) ,#'顶流量',
'ButtomsFlow': random.randint(1,10), #'低流量'
'Power': random.randint(10000,100000), #功率
}
Collector={
'CollectorId': 1,
'CollectorName':'1#采集器',
'Status': 0,
'DeviceList':[tank4C9],
}
从上述代码的数据关系上，我们能看出来设备“1#反应罐”属于“1#采集器”，数据采集器本身也有自己的设备运行状态位号，来标识采集设备自身是否正常运行。
1.2. 重构Collector APP代码
接下来我们重构Collector APP代码，增加一个getCollectorData函数来返回连接器数据。
1.Collector APP views 增加函数getCollectorData代码如下：
def getCollectorData(request):
tank4C9={
'DeviceId': 1,
'DeviceName':'1#反应罐',
'Status': random.randint(0,1), #设备运行状态
'OverheadFlow':random.randint(1,10) ,#'顶流量',
'ButtomsFlow': random.randint(1,10), #'低流量'
'Power': random.randint(10000,100000), #功率
}
Collector={
'CollectorId': 1,
'CollectorName':'1#采集器',
'Status': 0,
'DeviceList':[tank4C9],
}
return HttpResponse( json.dumps(Collector));
2.修改项目urls文件urlpatterns ，发布getCollectorData path
from django.urls import path
from Collector import views
urlpatterns = [
# Uncomment the next line to enable the admin:
#path('admin/', admin.site.urls)
path('getTank4C9Data/', views.getTank4C9Data),
path('getCollectorData/', views.getCollectorData),
]
项目调试状态我们可以通过浏览器直接访问url查看webAPI结果。http://127.0.0.1:8090/getCollectorData/
注意：Json数据格式的变化，图中数据体现出了基于面向对象模式的层次结构“1#采集器”下面有一个包含的“设备对象列表”DeviceList属性。
1.3. 修改UI代码
现在修改tank4C9.html文件里面的getData异步获取数据函数代码修改为读取上面getCollectorData函数如下：
//JQuery 代码入口
$(document).ready(function(){
setInterval("getData()",1000);
});
function getData() {
//模拟异步从后台获得值
$.ajax({
url: "/getCollectorData/", success: function (result) {
data = JSON.parse(result);
tank4C9=data.DeviceList[0]
$("#OverheadFlow").html(tank4C9.OverheadFlow);
$("#ButtomsFlow").html(tank4C9.ButtomsFlow);
$("#Power").html(tank4C9.Power);
}});
}
</script>
调试运行http://127.0.0.1:8090/tank4C9/ UI同样的实时自动刷新后台数据的浏览效果。
重点：代码重构的要点的功能不变的情况下，优化代码结构。
代码的结构优化，优先保证功能不变，尽量不要试图在一次迭代中引入过多的变量，这样只会导致编程工作杂乱无章的进行。Json格式代码重构完成后，接下来我们把代码调整成读取OPC Server服务的Tag点。
1.4. 从OPC Server读取Tag值
现在我们重构getCollectorData函数代码，通过OPC服务读取真正的设备值，当然dome的例子是读取一个模拟OPC服务，实际项目中读取设备发布的OPC服务即可，代码如下：
tank4C9={
'DeviceId': 1,
'DeviceName':'1#反应罐',
'Status': 0, #设备运行状态
'OverheadFlow':0 ,#'顶流量',
'ButtomsFlow': 0, #'低流量'
'Power': 0, #功率
}
import OpenOPC
opc = OpenOPC.client()
opc.connect('Matrikon.OPC.Simulation')
tank4C9['OverheadFlow']= opc['Random.Int1']
tank4C9['ButtomsFlow']= opc['Random.Int2']
tank4C9['Power']= opc['Random.Int4']
opc.close()
Collector={
'CollectorId': 1,
'CollectorName':'1#采集器',
'Status': 0,
'DeviceList':[tank4C9],
}
return HttpResponse( json.dumps(Collector));
现在重新调试运行并浏览监控界面http://127.0.0.1:8090/tank4C9/动态效果如下：
1.5. 小结
本小节我们演示了如何在功能不变的模式下重构代码来实现功能的迭代和推进，过程中始终贯穿功能不变的前提下重构代码的结构来满足新迭代功能的要求，然后再改变代码功能读取OPC服务tag位号值。最终调整了Json的数据封装格式和实时设备数据从设备OPC Server中获取，也演示了从技术探索原型到生产原型的代码迭代过程。下一节我们将把ajax轮询演进到通过websocket来实现UI端的数据刷新，提高数据刷新的效率。
