C#/.NET 上位机项目实战温室监控系统 10万条数据并发与数据库 3 层优化方案1. 项目背景与挑战在工业自动化领域温室监控系统是典型的物联网应用场景。这类系统通常需要处理来自大量传感器的实时数据同时还要保证控制指令的及时响应。我们最近完成的一个项目就面临这样的挑战系统需要管理10个温室每个温室包含21个采集节点和9个控制节点每5分钟采集一次数据一个月内产生了近10万条记录。这类系统的核心难点在于高并发数据采集多个温室节点同时上传数据实时性要求控制指令需要在毫秒级响应数据可靠性采集数据不能丢失控制指令必须准确执行系统稳定性需要7×24小时不间断运行2. 系统架构设计2.1 整体架构我们采用了典型的三层架构设计[硬件节点层] ←LoRa→ [通信网关层] ←TCP/IP→ [上位机应用层]硬件节点层温度采集节点空气/土壤湿度采集节点光照强度采集节点通风/灌溉/遮阳控制节点通信网关层每个温室部署一个中央网关采用星型拓扑结构管理本温室所有节点负责协议转换和数据预处理上位机应用层数据接收与处理模块数据库存储模块用户界面模块报警与控制模块2.2 通信协议选择在通信协议选择上我们做了以下技术决策通信场景协议选择理由节点↔网关LoRa低功耗、室内覆盖足够、免频段费用网关↔上位机RS-485支持多站、全双工、10Mbps速率客户端↔服务端TCP可靠传输、指令互斥需求// TCP服务端示例代码 TcpListener server new TcpListener(IPAddress.Any, 8080); server.Start(); while (true) { TcpClient client server.AcceptTcpClient(); ThreadPool.QueueUserWorkItem(HandleClient, client); } void HandleClient(object obj) { using (TcpClient client (TcpClient)obj) using (NetworkStream stream client.GetStream()) { // 处理数据接收与响应 } }3. 数据库优化方案3.1 数据特点分析首先我们需要了解系统的数据特征数据量每月约10万条单条数据大小约102字节写入频率每5分钟批量写入读取需求实时监控历史查询基于SQL Server的存储计算-- 表结构设计 CREATE TABLE GreenhouseData ( Id BIGINT PRIMARY KEY IDENTITY, GreenhouseId TINYINT NOT NULL, -- 1字节 Temperature1 FLOAT, -- 4字节 ×8 Temperature2 FLOAT, -- ...其他温度字段 Humidity1 FLOAT, -- 4字节 ×8 -- ...其他湿度字段 LightIntensity1 FLOAT, -- 4字节 ×5 -- ...其他光照字段 ControlStatus1 TINYINT, -- 1字节 ×9 -- ...其他控制状态字段 RecordTime DATETIME NOT NULL -- 8字节 );3.2 三层优化策略第一层架构优化读写分离主库负责写入从库负责查询通过SQL Server的Always On实现分库分表按温室ID水平分片冷热数据分离近期数据与历史数据缓存层Redis缓存实时数据内存缓存常用查询结果第二层数据库配置优化-- 优化配置示例 ALTER DATABASE GreenhouseDB SET AUTO_UPDATE_STATISTICS ON; ALTER DATABASE GreenhouseDB SET ALLOW_SNAPSHOT_ISOLATION ON; -- 索引优化 CREATE NONCLUSTERED INDEX IX_GreenhouseData_Time ON GreenhouseData(GreenhouseId, RecordTime);第三层代码级优化批量插入优化// 使用StringBuilder构建批量插入SQL StringBuilder sb new StringBuilder(); sb.Append(INSERT INTO GreenhouseData VALUES ); for (int i 0; i dataList.Count; i) { if (i 0) sb.Append(,); sb.Append($({dataList[i].GreenhouseId}, ...)); } using (SqlCommand cmd new SqlCommand(sb.ToString(), connection)) { cmd.ExecuteNonQuery(); }事务优化// 手动控制事务提交 using (SqlTransaction transaction connection.BeginTransaction()) { try { // 执行多个操作 transaction.Commit(); } catch { transaction.Rollback(); throw; } }连接池配置!-- 在配置文件中优化连接池 -- connectionStrings add nameGreenhouseDB connectionStringData Source...;Max Pool Size100;Min Pool Size10;... providerNameSystem.Data.SqlClient / /connectionStrings4. 性能测试与结果我们设计了以下测试场景测试场景并发量平均响应时间成功率单温室数据写入100次/秒23ms100%多温室数据写入500次/秒89ms99.8%控制指令下发50次/秒15ms100%历史数据查询复杂查询1.2s100%优化前后对比指标优化前优化后提升写入吞吐量200条/秒1200条/秒6倍CPU使用率85%45%降低47%查询响应时间3.5s0.8s77%提升5. 经验总结与实用技巧在实际开发中我们积累了一些有价值的经验连接管理确保及时关闭数据库连接使用using语句块参数化查询始终使用参数化查询防止SQL注入异常处理对数据库操作进行完善的异常处理和重试机制监控指标关键指标包括连接池使用率、查询耗时、锁等待时间// 实用的监控代码示例 PerformanceCounter pc new PerformanceCounter(); pc.CategoryName SQLServer:General Statistics; pc.CounterName User Connections; float connections pc.NextValue(); // 记录到日志或监控系统 Logger.Info($当前数据库连接数: {connections});对于上位机开发还有一些通用建议使用async/await避免UI线程阻塞采用MVVM模式提高代码可维护性实现合理的日志记录策略考虑使用Dapper等轻量级ORM// 使用Dapper的示例 public IEnumerableGreenhouseData GetRecentData(int greenhouseId, int hours) { using (var conn new SqlConnection(ConnectionString)) { return conn.QueryGreenhouseData( SELECT * FROM GreenhouseData WHERE GreenhouseId id AND RecordTime time, new { id greenhouseId, time DateTime.Now.AddHours(-hours) }); } }在项目后期我们还实现了以下高级功能数据压缩对历史数据采用压缩存储智能预警基于机器学习算法实现异常检测远程升级OTA方式更新网关固件数据可视化使用WPF实现丰富的图表展示这个项目的成功实施证明了C#/.NET在工业自动化领域的强大能力。通过合理的架构设计和持续的优化我们构建了一个稳定可靠、高性能的温室监控系统为类似项目提供了可复用的技术方案。