一、前言

无人机作为智能移动机器人的重要分支，已广泛应用于巡检、测绘、物流、应急救援等众多领域。在无人机系统的研发与测试中，飞行控制仿真是不可或缺的关键环节。通过仿真，开发者可以在安全、低成本的环境中验证算法、调试逻辑并评估性能，大幅缩短从设计到实飞的周期。

当前，开源飞控软件 PX4 与机器人操作系统 ROS2 已成为无人机仿真与二次开发的主流技术栈。PX4 提供专业的飞控核心算法（如姿态解算、导航滤波、混控输出），而 ROS2 则为其带来了模块化、分布式通信和丰富的生态工具。两者通过 PX4‑Gazebo‑ROS2 框架紧密耦合，构成了一个完整的软件在环（SITL）仿真环境。在该框架中，PX4 通过 RTPS（Real‑Time Publish‑Subscribe）协议将飞控内部状态、传感器数据、控制指令等以 Topic 的形式发布到 ROS2 网络，同时接收来自 ROS2 节点的外部控制命令（Off‑Board Control）。

仿真过程中产生的数据本质上是高并发、强时序的流式数据。这些数据主要包括：

•  传感器原始数据：IMU 测量值、GPS 位置、气压计高度等，通常以数百赫兹的频率输出。

•  状态估计数据：EKF 滤波后的姿态、位置、速度等状态量。

•  控制指令数据：油门、舵面指令、期望姿态/位置等。

•  系统状态数据：电池电压、模式切换、错误标志等。

在传统的仿真流程中，这些数据往往以 ULOG（PX4 专用二进制日志）或 CSV 文件的形式暂存于本地磁盘。随着仿真规模扩大（如多机编队、长时测试）、数据频率提升（如视觉/激光雷达数据接入）以及实时性要求加强（如硬件在环 HIL），传统文件存储方式在写入吞吐量、实时查询、长期归档与在线分析等方面面临显著挑战。如何高效地管理、存储和利用这些海量时序数据，已成为提升无人机仿真效能的关键问题。

在此背景下，面向 AIoT 场景的分布式多模数据库 KaiwuDB 社区版提供了新的解决方案。 KaiwuDB  定位为“时序引擎、通用事务引擎、分析引擎、内存实时引擎等多引擎架构”的融合数据库，具备 百万级数据秒级写入、毫秒级查询响应、高压缩比（5‑30 倍）以及云边端一体化部署 等特性。其兼容 PostgreSQL 协议、提供 RESTful API 及多种编程语言接口的设计，使得与 ROS2 节点的集成尤为便捷。

二、时序数据增长下的业务痛点分析：MySQL 在 PX4-ROS2 无人机仿真中的瓶颈

在 PX4-ROS2 无人机飞行仿真的研发与测试流程中，海量、高频的时序数据是算法验证和系统分析的血液。传统上，团队可能选择使用MySQL 这类成熟的关系型数据库进行数据记录，因为它通用、稳定且生态完善。然而，随着仿真规模从单机向机群、从短时测试向全天候压力测试演进，数据的规模与复杂性呈指数级增长，MySQL 的架构特性在面对这种纯粹的时序数据写入与查询场景时，逐渐暴露出以下核心痛点：

•  MySQL痛点 ：MySQL 的 InnoDB 引擎基于 B+ 树索引，擅长处理复杂的 OLTP 事务，但面对每秒数十万次的简单 INSERT 操作时，会迅速成为瓶颈。频繁的磁盘 I/O、索引维护开销以及行级锁竞争，会导致数据写入队列阻塞。在实时仿真中，这直接表现为数据记录延迟，严重时甚至因写入超时导致 ROS2 节点阻塞，引发整个仿真链路的中断或丢帧，破坏了仿真的实时性与连续性。

•   场景 ：工程师需要快速查询某架无人机在特定时间区间（如仿真第 120-130 秒）的俯仰角变化，或关联分析同一时刻 IMU 数据与 EKF 估计状态的差异。

•  MySQL痛点 ：

•   场景 ：为进行长期趋势分析和算法回归测试，需要保留数月至数年的仿真历史数据。原始数据以每秒 10 万点的速度涌入。

•   MySQL痛点 ：

•   场景 ：仿真中除了数值型的传感器数据，还有事件型数据（如模式切换、指令下发）和半结构化数据（如飞控参数快照）。

•   MySQL痛点 ：

在 PX4-ROS2 无人机仿真这一追求高效率、高保真、高迭代速度的业务场景下，MySQL 的上述痛点已从技术问题上升为业务发展的制约：

•   拖慢研发周期 ：工程师将大量时间耗费在等待查询结果和数据导出上。

•   限制仿真规模 ：为避免系统崩溃，被迫降低仿真频率、减少无人机数量或缩短测试时长，影响了测试的覆盖度和真实性。

•   推高运维与硬件成本 ：为支撑存储和性能，需要不断进行分库分表或升级硬件，总拥有成本（TCO）居高不下。

因此，仿真数据平台迫切需要一种能够 原生适配时序数据特性 ，具备 超高吞吐写入、低成本存储、毫秒级时序查询能力 的数据基础设施。

面对海量时序数据带来的挑战，专业时序数据库（Time-Series Database， TSDB） 应运而生。它专为处理带时间戳的数据而设计，采用列式存储、高效压缩、时序索引等核心技术，天然适合无人机仿真这类高频率、强时序的场景。作为面向 AIoT 场景的代表，KaiwuDB 不仅能提供上述时序数据库的核心优势，更以其独特的“分布式多模”架构，为复杂仿真系统提供了更全面的数据管理方案。

除了解决存储与性能的燃眉之急，KaiwuDB 的“多模”与“AIoT”基因还为其在无人机仿真中扮演更智能的角色提供了可能：

•   跨模关联分析 ：不仅能存储传感器时序流，还能在同一平台上管理飞控参数表（关系型）、飞行事件日志（文档型），并通过跨模计算能力进行关联分析。例如，将某一时刻的异常震动数据（时序）与当时执行的飞行动作指令（关系）进行即时关联分析。

•   面向未来的智能集成 ：其多模架构为集成高级分析框架奠定了基础。这意味着，未来可以基于 KaiwuDB 中沉淀的高质量仿真数据，更方便地训练和集成 AI 模型，用于飞控算法的异常检测、自主飞行策略优化等，真正实现数据驱动的仿真智能化。

综上所述，KaiwuDB 凭借其高性能写入、低成本存储、毫秒级查询、多模融合以及云边端协同的核心优势，不仅能够直接解决 PX4-ROS2 无人机仿真中由海量时序数据引发的核心痛点，更能为仿真测试平台提供面向未来的、支持智能分析的数据底座。

三、实践过程

KaiwuDB 社区版支持用户根据自己的需求来选择安装的方式，分为单节点部署和集群部署两种方式，这里以个人常用的单节点裸机部署的方式来进行部署与使用（此处列举简单步骤，具体过程及其余方式可参考 KaiwuDB 官方文档及相关论坛）：

本实践使用的操作系统为 Ubuntu22.04，安装包下载链接： https://gitee.com/kwdb/kwdb/releases，并使用脚本部署 KaiwuDB。

① 登录待部署节点，编辑安装包目录下的 deploy.cfg 配置文件，设置安全模式、管理用户、服务端口等信息。

[global]



# Whether to turn on secure mode



secure_mode=tls



# Management KaiwuDB user



management_user=kaiwudb



# KaiwuDB cluster http port



rest_port=
8080



# KaiwuDB service port



kaiwudb_port=
26257



# KaiwuDB brpc port



brpc_port=
27257



# KaiwuDB data directory



data_root=/
var
/lib/kaiwudb



# CPU usage[
0
-
1
]



# cpu=
1






[local]



# local node configuration



node_addr=
127.0
.0
.1






# [cluster]



# remote node addr,split by
 ','



# node_addr=
127.0
.0
.2



# ssh info



# ssh_port=
22



# ssh_user=admin






# [additional]



# IPs=
127.0
.0
.3
,
127.0
.0
.4

② 执行单机部 署安装命令 。

./deploy.sh install --single

③ 检查配置无误后输入 Y 或 y，如需返回修改 deploy.cfg 配置文件，输入 N 或 n。

================= KaiwuDB Basic Info =================



Deploy Mode: bare-metal



Start Mode: single



RESTful Port: 8080



KaiwuDB Port: 26257



BRPC Port: 27257



Data Root: /var/lib/kaiwudb



Secure Mode: tls



CPU Usage Limit: unlimited



Local Node Address: 127.0.0.1



======================================================



Please confirm the installation information above(Y/n):

执 行成功后，控制 台输出以下信息：

[INSTALL COMPLETED]:KaiwuDB has been installed successfully! ...

④ 启动 KaiwuDB 节点。

./deploy.sh start

⑤ 使用以下任 一方式查看节点状态：

•   在当前目录使用部署脚 本

./deploy.sh status

•  在任一目录下使用 systemctl 命令

systemctl status kaiwudb

•  在任一目录下使用便捷脚本（推荐）

 kw-status

⑥ （可选）配置 KaiwuDB 开机自启动。

配置 KaiwuDB 开机自启动后，如果系统重启，则自动启动 KaiwuDB。

systemctl enable kaiwudb

⑦ 部署完成截图如下：

① KaiwuDB 开发者中心下载链接： https://gitee.com/kwdb/kwdb/releases

② 合并解压缩安装包，文件目录如下：

③ 双击运行 KaiwuDB 开发者中心应用程序。

④ 连接 KaiwuDB 数据库。

建立连接。第一次建立连接或软件中的所有连接都被删除后，软件启动后会自动弹出 新建连接 向导，引导用户建立连接。

以下步骤以初次建立连接为例，说明如何连接数据库。

•  在 创建新连接 窗口，选择 KaiwuDB 驱动，然后单击 下一步 。

•  在 常规 页签，设置主机、端口、数据库。根据需要选择数据库认证方式（默认为数据库原生认证方式），然后完成对应的用户、密码（如果采用非安全模式，则无需设置密码）等设置。

• （可选） 单击 测试链接 ，检查连接是否成功。连接成功后，将显示以下信息：

•  单击 确定 。

数据库导航区将自动更新，显示用户具有权限的数据库。

其他连接方式。其他情况下，如需创建连接，可以选择以下任一操作：

•  单 击工具栏或 数据库导航区工具栏中的 新建连接 按钮。

•  在菜单栏中，单击 数据库 ，然后从下拉菜单中选择 新建连接 。

⑤ 创建时序数据库。

前提条件

用户是  admin  角色的成员。默认情况下， root  用户属于  admin  角色。

yum install postgresql-devel

yum install unixODBC-devel

wget https://update.cs2c.com.cn/NS/V10/V10SP3-2403/os/adv/lic/base/x86_64/Packages/postgresql-odbc-13.00.0000-1.ky10.x86_64.rpm



sudo rpm -ivh postgresql-odbc-13.00.0000-1.ky10.x86_64.rpm

odbcinst -j

odbcinst -q -d

sudo gedit /etc/odbc.ini

[kwdb]



Description = PostgreSQL



Driver = PostgreSQL Unicode



Trace = No



TraceFile = /tmp/pgodbc.log



Database = px4_simulation



Servername = 10.195.165.24



UserName = yfl



Password = yfl123456..



Port = 26257



SSLMode = require

odbcinst -q -s

[kwdb]

// 数据库连接变量定义 - 三层句柄设计




private
:




    // 第一层：环境句柄 - 管理ODBC环境



    SQLHENV env_{
nullptr
};




    



    // 第二层：连接句柄 - 管理数据库连接  



    SQLHDBC dbc_{
nullptr
};




    



    // 第三层：语句句柄 - 执行SQL语句



    SQLHSTMT stmt_{
nullptr
};




    



    // 数据库连接参数



    std::string dsn_{
"kwdb"
};



    std::string user_{
"yfl"
};



    std::string password_{
"yfl123456.."
};

// 构造函数中的参数配置



ParamCollectorNode::
ParamCollectorNode
(
const
 rclcpp::NodeOptions& options)



    :
 Node
(
"px4_param_collector"
, options) {




    



    // 声明可配置的数据库参数




    this
->
declare_parameter
(
"dsn"
,
 "kwdb"
);




    this
->
declare_parameter
(
"user"
,
 "yfl"
);




    this
->
declare_parameter
(
"password"
,
 "yfl123456.."
);




    this
->
declare_parameter
<
bool
>(
"enable_database"
,
 true
);




    



    // 获取运行时参数值



    dsn_ =
 this
->
get_parameter
(
"dsn"
).
as_string
();



    user_ =
 this
->
get_parameter
(
"user"
).
as_string
();



    password_ =
 this
->
get_parameter
(
"password"
).
as_string
();



    enable_database_ =
 this
->
get_parameter
(
"enable_database"
).
as_bool
();




    



    // 根据配置决定是否启用数据库




    if
 (enable_database_) {




        initializeDatabase
();
  // 初始化数据库连接



    }
 else
 {




        RCLCPP_WARN
(
this
->
get_logger
(),
 "数据库功能已禁用"
);



    }



}

// 连接数据库时的错误处理



ret = SQLConnect(dbc_, 



                (SQLCHAR*)dsn_.c_str(), SQL_NTS,



                (SQLCHAR*)user_.c_str(), SQL_NTS,



                (SQLCHAR*)password_.c_str(), SQL_NTS);




 



if
 (ret != SQL_SUCCESS && ret != SQL_SUCCESS_WITH_INFO) {




    // 获取详细的ODBC错误信息



    SQLCHAR sqlState[
6
] = {
0
};
  // SQL状态码（5字符+终止符）



    SQLCHAR message[SQL_MAX_MESSAGE_LENGTH] = {
0
};




    SQLSMALLINT
 length
 =
 0
;




    SQLINTEGER
 nativeError
 =
 0
;




    



    // 提取诊断信息



    SQLGetDiagRec(SQL_HANDLE_DBC, dbc_,
 1
, sqlState, &nativeError, 



                 message, sizeof(message), &length);




    



    // 记录详细的错误信息



    RCLCPP_ERROR(
this
->get_logger(),

 



                "数据库连接失败: %s (SQL状态: %s, 原生错误码: %d)"
, 



                message, sqlState, nativeError);



    



    enable_database_ =
 false
;
  // 优雅降级：禁用数据库功能




    return
;



}




 



// 异常处理包装




try
 {




    // 数据库操作代码...



}
 catch
 (const std::exception& e) {



    RCLCPP_ERROR(
this
->get_logger(),

 



                "数据库操作异常: %s。已禁用数据库功能。"
, 



                e.what());



    enable_database_ =
 false
;



}

// 析构函数中的资源清理



ParamCollectorNode::~
ParamCollectorNode
() {




    stopCollection
();




    



    // 逆序释放ODBC资源（语句→连接→环境）




    if
 (stmt_) {




        SQLFreeHandle
(SQL_HANDLE_STMT, stmt_);




        RCLCPP_DEBUG
(
this
->
get_logger
(),
 "SQL语句句柄已释放"
);



    }




    if
 (dbc_) {




        SQLDisconnect
(dbc_);
      // 断开连接




        SQLFreeHandle
(SQL_HANDLE_DBC, dbc_);
  // 释放连接句柄




        RCLCPP_DEBUG
(
this
->
get_logger
(),
 "数据库连接已断开"
);



    }




    if
 (env_) {




        SQLFreeHandle
(SQL_HANDLE_ENV, env_);
  // 释放环境句柄




        RCLCPP_DEBUG
(
this
->
get_logger
(),
 "SQL环境句柄已释放"
);



    }




    



    RCLCPP_INFO
(
this
->
get_logger
(),
 "参数采集器已关闭"
);



}

void
 ParamCollectorNode
::
initializeDatabase
() {




    // 设置ODBC 3.0版本



    ret =
 SQLSetEnvAttr
(env_,

 



                       SQL_ATTR_ODBC_VERSION
, 



                       (
void
*)
SQL_OV_ODBC3
,

 



                       0
);




    



    // 设置5秒连接超时




    SQLSetConnectAttr
(dbc_,

 



                     SQL_LOGIN_TIMEOUT
, 



                     (
SQLPOINTER
)
5
,

 



                     0
);




    



    RCLCPP_INFO
(
this
->
get_logger
(),

 



               "ODBC 3.0已启用，连接超时设置为5秒"
);



}

ts - 时间戳（主键）
parameter_name - 参数名称（如：MC_PITCH_P, MC_ROLL_P）
parameter_value - 参数值
tuning_session_id - 调优会话 ID
commit_hash - Git 提交哈希
tuner_name - 调优者姓名
performance_score - 调优后的性能评分

simulation_id - 仿真 ID（主TAG）
airframe_type - 机架类型（如：iris）
controller_type - 控制器类型（如：px4）
test_scenario - 测试场景（如：ros2_simulation）

ts - 时间戳
transition_id - 切换事件 ID
from_mode - 源模式（如：MANUAL, POSCTL）
to_mode - 目标模式
altitude - 切换时高度
velocity_ned_x/y/z - NED 坐标系速度分量
roll/pitch/yaw - 切换时姿态角

simulation_id - 仿真 ID
airframe_type - 机架类型
transition_type - 切换类型（manual/auto/emergency）

ts - 时间戳
roll_error/pitch_error/yaw_error - 姿态角误差
pos_error/vel_error - 位置/速度误差
control_effort - 控制努力度
performance_score - 综合性能评分

simulation_id - 仿真 ID
airframe_type - 机架类型
controller_type - 控制器类型
metric_type - 指标类型（如：periodic_metrics）

ts - 时间戳
position_error_xy/z - XY 平面和垂直方向位置误差
attitude_error_roll/pitch/yaw - 姿态角误差
velocity_response_time - 速度响应时间
max_acceleration - 最大加速度
hover_stability_index - 悬停稳定性指数

simulation_id - 仿真 ID
drone_type - 无人机类型
flight_mode - 飞行模式
payload_config - 载荷配置

ts - 时间戳
accel_rms_x/y/z - 加速度计 XYZ 轴的 RMS 值
gyro_rms_x/y/z - 陀螺仪 XYZ 轴的 RMS 值
dominant_frequency_hz - 主振动频率
vibration_severity_index - 振动严重性指数

simulation_id - 仿真 ID
component_id - 组件标识（如：motor_1）
component_type - 组件类型（如：motor）

ts - 时间戳
rssi_dbm - 接收信号强度指示（dBm）
packet_loss_rate - 丢包率
latency_ms - 延迟（毫秒）
jitter_ms - 抖动（毫秒）
retransmission_count - 重传次数
link_margin_db - 链路余量（dB）

simulation_id - 仿真 ID
link_type - 链路类型（如：UART, Radio）
transmitter_id - 发/射器标识
receiver_id - 接收器标识
distance_m - 通信距离（米）

ts - 时间戳
parameter_group - 参数组（如：Attitude, Position）
parameter_name - 具体参数名
old_value/new_value - 调优前后的参数值
overshoot_percentage - 超调百分比
settling_time_ms - 调节时间（毫秒）
steady_state_error - 稳态误差
rmse_error - 均方根误差
stability_margin - 稳定裕度

simulation_id - 仿真 ID
tuning_session_id - 调优会话 ID
tuning_method - 调优方法（如：manual, Ziegler-Nichols）
flight_condition - 飞行条件

ts - 时间戳
wind_speed_estimated - 估计风速
wind_direction_estimated - 估计风向
turbulence_intensity - 湍流强度
temperature/humidity - 温湿度
air_density - 空气密度
position_hold_error - 位置保持误差
attitude_correction_roll/pitch - 姿态修正量
power_consumption_factor - 功耗因子

simulation_id - 仿真 ID
environment_type - 环境类型（如：simulation, outdoor）
altitude_range - 高度范围

// ========== 创建表函数 ==========




void
 ParamCollectorNode::createTables() {




    try
 {



        RCLCPP_INFO(
this
->get_logger(),
 "正在创建数据库表..."
);




        



        if
 (!stmt_) {



            RCLCPP_ERROR(
this
->get_logger(),
 "数据库语句句柄无效"
);




            return
;



        }




        



        // 先创建TS数据库（如果需要）



        const
 char
* createDatabaseSQL =
 "CREATE TS DATABASE IF NOT EXISTS px4_simulation"
;




        SQLRETURN
 ret
 =
 SQLExecDirect(stmt_, (SQLCHAR*)createDatabaseSQL, SQL_NTS);




        if
 (ret != SQL_SUCCESS && ret != SQL_SUCCESS_WITH_INFO) {




            // 数据库可能已存在，忽略错误



            SQLCHAR sqlState[
6
] = {
0
};



            SQLCHAR message[SQL_MAX_MESSAGE_LENGTH] = {
0
};




            SQLSMALLINT
 length
 =
 0
;




            SQLINTEGER
 nativeError
 =
 0
;




            



            if
 (SQLGetDiagRec(SQL_HANDLE_STMT, stmt_,
 1
, sqlState, &nativeError, 



                             message, sizeof(message), &length) == SQL_SUCCESS) {



                RCLCPP_DEBUG(
this
->get_logger(),
 "数据库创建消息: %s"
, message);



            }



        }




        



        // 在每个表创建之间重置语句句柄状态



        SQLFreeStmt(stmt_, SQL_CLOSE);




        



        // ========== 创建参数调优表 ==========



        const
 char
* createParamTableSQL = R

"(



            CREATE TABLE px4_simulation.parameter_tuning (



                ts TIMESTAMP NOT NULL,



                parameter_name VARCHAR(100),



                parameter_value DOUBLE PRECISION,



                tuning_session_id VARCHAR(50),



                commit_hash VARCHAR(40),



                tuner_name VARCHAR(50),



                performance_score DOUBLE PRECISION



            ) TAGS (



                simulation_id INTEGER NOT NULL,



                airframe_type VARCHAR(50),



                controller_type VARCHAR(50),



                test_scenario VARCHAR(100)



            ) PRIMARY TAGS (simulation_id)



        )"
;



        



        ret = SQLExecDirect(stmt_, (SQLCHAR*)createParamTableSQL, SQL_NTS);




        // ... 错误处理代码 ...



        



        SQLFreeStmt(stmt_, SQL_CLOSE);




        



        // ========== 创建其他表 ==========






        



        



        RCLCPP_INFO(
this
->get_logger(),
 "所有数据库表创建完成"
);



        



    }
 catch
 (const std::exception& e) {



        RCLCPP_ERROR(
this
->get_logger(),
 "创建表异常: %s"
, e.what());



    }



}

1. 1. 实时数据采集：ROS2 订阅器接收 PX4 飞控的各类消息
2. 2. 数据预处理：
   • 姿态四元数转换为欧拉角
   • NED 坐标系转换（z 轴取负得到高度）
   • 数据有效性检查
3. 3. 缓存管理：
   • 传感器数据缓冲区（限制大小）
   • 性能计算数据缓存
4. 4. 定时分析：
   • 性能指标计算（位置误差、姿态误差、响应时间等）
   • 振动分析（RMS 值、主频、严重性指数）
   • 电池健康分析（SOH 计算）
   • 组件寿命预测（磨损率计算）
5. 5. 数据库保存：
   • 检查数据库连接状态
   • 准备 SQL 语句和参数绑定
   • 执行插入操作
   • 错误处理和日志记录

// ========== 参数采集相关的回调函数 ==========




 



// 1. 参数更新回调函数





void

 ParamCollectorNode::onParameterUpdate
(

const
 px4_msgs::msg::ParameterUpdate::SharedPtr msg)
 
{




    // parameter_update消息只是一个通知，表明参数有更新




    // 但PX4的ROS2消息中不包含具体的参数名和值




    



    RCLCPP_DEBUG
(
this
->
get_logger
(),

 



                "参数更新通知接收时间戳: %lu"
, 



                msg->timestamp);




    



    // 记录通知事件




    if
 (enable_file_log_ && log_file_.
is_open
()) {



        rclcpp::Time timestamp =
 px4TimeToRosTime
(msg->timestamp);



        log_file_ << std::fixed << std::
setprecision
(
6
)



                 << timestamp.
seconds
() <<
 ", "



                 <<
 "PARAM_UPDATE_NOTIFICATION"
 <<
 ", "



                 <<
 "0"
 <<
 ", "



                 <<
 "uXRCE-DDS"
 << std::endl;



    }



}




 



// ========== 其他回调函数 ==========




 



 



 



// ========== 定时器触发的处理函数 ==========




 



// 10. 性能计算函数（定时器触发）





void

 ParamCollectorNode::calculatePerformanceMetrics
()
 
{




    std::lock_guard

 lock
(data_mutex_)
;




    



    // 检查是否有足够的数据进行计算




    if
 (!vehicle_local_position_ || !vehicle_attitude_) {




        static
 int
 missing_count =
 0
;



        missing_count++;




        if
 (missing_count %
 50
 ==
 0
) {




            RCLCPP_WARN
(
this
->
get_logger
(),

 



                "数据不完整无法计算性能: loc_pos=%d, attitude=%d"
,



                vehicle_local_position_ !=
 nullptr
,



                vehicle_attitude_ !=
 nullptr
);



        }




        return
;



    }




    



    // 如果没有设定点数据，创建一个默认的设定点（当前位置）



    std::shared_ptr setpoint;




    if
 (!trajectory_setpoint_) {




        // 创建基于当前位置的设定点



        setpoint = std::
make_shared
();



        setpoint->position[
0
] = vehicle_local_position_->x;



        setpoint->position[
1
] = vehicle_local_position_->y;



        setpoint->position[
2
] = vehicle_local_position_->z;



        setpoint->velocity[
0
] =
 0
;



        setpoint->velocity[
1
] =
 0
;



        setpoint->velocity[
2
] =
 0
;



        trajectory_setpoint_ = setpoint;



        has_setpoint_ =
 true
;
  // 标记已有设定点




        RCLCPP_INFO
(
this
->
get_logger
(),
 "使用当前位置作为设定点: [%.2f, %.2f, %.2f]"
, 



                   setpoint->position[
0
], setpoint->position[
1
], setpoint->position[
2
]);



    }
 else
 {



        setpoint = trajectory_setpoint_;



    }




    



    // 检查是否有设定点数据




    if
 (!has_setpoint_) {




        static
 int
 missing_setpoint_count =
 0
;



        missing_setpoint_count++;




        if
 (missing_setpoint_count %
 10
 ==
 0
) {




            RCLCPP_WARN
(
this
->
get_logger
(),
 "没有设定点数据，无法计算性能"
);



        }




        return
;



    }




    



    // 使用更安全的方式检查时间，避免使用时间减法




    // 获取当前时间戳




    auto
 now_ms = std::chrono::
duration_cast
(



        std::chrono::system_clock::
now
().
time_since_epoch
()).
count
();




    



    // 简单的频率控制：每2秒计算一次性能指标




    static
 int64_t
 last_calc_time =
 0
;




    int64_t
 current_time = now_ms;




    



    if
 (last_calc_time ==
 0
) {



        last_calc_time = current_time;



    }




    



    // 如果距离上次计算不足2秒，跳过




    if
 (current_time - last_calc_time <
 2000
) {




        return
;



    }



    



    last_calc_time = current_time;




    



    // 计算性能指标




    try
 {




        auto
 metrics = performance_calculator_->
calculate
(



            *vehicle_local_position_, 



            *vehicle_attitude_,



            *setpoint);




        



        // 更新性能评分



        current_legacy_performance_.performance_score =
 100.0
 - 



            (metrics.position_error_xy *
 10.0
 + 



             metrics.position_error_z *
 5.0
 + 



             metrics.attitude_error_roll + 



             metrics.attitude_error_pitch + 



             metrics.attitude_error_yaw);




        



        // 确保评分在合理范围内



        current_legacy_performance_.performance_score = 



            std::
max
(
0.0
, std::
min
(
100.0
, current_legacy_performance_.performance_score));




        



        // 检查是否有有效的数据需要保存




        if
 (std::
isfinite
(metrics.position_error_xy) && 



            std::
isfinite
(metrics.position_error_z) &&



            metrics.position_error_xy <
 1000.0
 &&
  // 合理范围检查



            metrics.position_error_z <
 1000.0
) {




            



            // 保存到数据库




            insertFlightPerformance
(metrics);




            



            // 更新当前性能评分



            current_performance_ = metrics;




            



            RCLCPP_INFO
(
this
->
get_logger
(),

 



                       "性能计算完成: 位置误差XY=%.3fm, 位置误差Z=%.3fm, 响应时间=%.3fs, 评分=%.1f"
, 



                       metrics.position_error_xy, metrics.position_error_z, 



                       metrics.velocity_response_time, current_legacy_performance_.performance_score);



        }
 else
 {




            RCLCPP_WARN
(
this
->
get_logger
(),
 "无效的性能指标数据，跳过保存: pos_xy=%.3f, pos_z=%.3f"
,



                       metrics.position_error_xy, metrics.position_error_z);



        }



        



    }
 catch
 (
const
 std::exception& e) {




        RCLCPP_ERROR
(
this
->
get_logger
(),
 "性能计算异常: %s"
, e.
what
());



    }



}




// ========== 其他处理函数 ==========

-- 1. 查询最近24小时各仿真ID的飞行性能记录数量TOP10（保持不变）




SELECT
 



    simulation_id,




    COUNT
(
*
)
 as
 flight_count,




    AVG
(performance_score)
 as
 avg_performance,




    MIN
(ts)
 as
 first_flight_time,




    MAX
(ts)
 as
 last_flight_time




FROM
 px4_simulation.performance_metrics




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 simulation_id




ORDER
 BY
 flight_count
 DESC



LIMIT
 10
;




 



-- 2. 查询不同电池的健康状态统计（保持不变）




SELECT



    battery_id,



    battery_type,




    COUNT
(
*
)
 as
 record_count,



    ROUND(
AVG
(state_of_health)::
numeric
,
 2
)
 as
 avg_soh,



    ROUND(
AVG
(remaining_capacity)::
numeric
,
 2
)
 as
 avg_remaining,



    ROUND(
MIN
(remaining_capacity)::
numeric
,
 2
)
 as
 min_remaining




FROM
 px4_simulation.battery_health_monitoring




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 battery_id, battery_type




ORDER
 BY
 avg_soh
 DESC



LIMIT
 100
;




 



-- 3. 查询各仿真ID的告警/异常统计




WITH
 alert_data
 AS
 (




    -- 电池异常




    SELECT
 simulation_id,
 'battery_low'
 as
 alert_type,
 COUNT
(
*
)
 as
 alert_count




    FROM
 px4_simulation.battery_health_monitoring




    WHERE
 remaining_capacity
 <
 0.2




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 simulation_id




    



    UNION
 ALL




    



    -- 振动异常




    SELECT
 simulation_id,
 'vibration_high'
 as
 alert_type,
 COUNT
(
*
)
 as
 alert_count




    FROM
 px4_simulation.vibration_monitoring




    WHERE
 vibration_severity_index
 >
 0.5




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 simulation_id




    



    UNION
 ALL




    



    -- 姿态误差过大




    SELECT
 simulation_id,
 'attitude_error'
 as
 alert_type,
 COUNT
(
*
)
 as
 alert_count




    FROM
 px4_simulation.performance_metrics




    WHERE
 roll_error
 >
 10.0
 OR
 pitch_error
 >
 10.0
 OR
 yaw_error
 >
 10.0




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 simulation_id



)




SELECT



    simulation_id,



    alert_type,




    SUM
(alert_count)
 as
 total_alerts




FROM
 alert_data




GROUP
 BY
 simulation_id, alert_type




ORDER
 BY
 total_alerts
 DESC



LIMIT
 100
;




 



-- 4. 查询飞行性能分数分布（修正：移除ORDER BY中的CASE，使用别名）




SELECT



    score_range,




    COUNT
(
*
)
 as
 count,



    ROUND(
MIN
(performance_score)::
numeric
,
 2
)
 as
 min_score,



    ROUND(
MAX
(performance_score)::
numeric
,
 2
)
 as
 max_score,



    ROUND(
AVG
(performance_score)::
numeric
,
 2
)
 as
 avg_score




FROM
 (




    SELECT



        performance_score,




        CASE

 



            WHEN
 performance_score
 >=
 0
 AND
 performance_score
 <
 10
 THEN
 '0-9'




            WHEN
 performance_score
 >=
 10
 AND
 performance_score
 <
 20
 THEN
 '10-19'




            WHEN
 performance_score
 >=
 20
 AND
 performance_score
 <
 30
 THEN
 '20-29'




            WHEN
 performance_score
 >=
 30
 AND
 performance_score
 <
 40
 THEN
 '30-39'




            WHEN
 performance_score
 >=
 40
 AND
 performance_score
 <
 50
 THEN
 '40-49'




            WHEN
 performance_score
 >=
 50
 AND
 performance_score
 <
 60
 THEN
 '50-59'




            WHEN
 performance_score
 >=
 60
 AND
 performance_score
 <
 70
 THEN
 '60-69'




            WHEN
 performance_score
 >=
 70
 AND
 performance_score
 <
 80
 THEN
 '70-79'




            WHEN
 performance_score
 >=
 80
 AND
 performance_score
 <
 90
 THEN
 '80-89'




            WHEN
 performance_score
 >=
 90
 AND
 performance_score
 <=
 100
 THEN
 '90-100'




            ELSE
 '其他'




        END
 as
 score_range




    FROM
 px4_simulation.performance_metrics




    WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'



)
 as
 subquery




GROUP
 BY
 score_range




ORDER
 BY

 



    CASE
 score_range




        WHEN
 '0-9'
 THEN
 0




        WHEN
 '10-19'
 THEN
 1




        WHEN
 '20-29'
 THEN
 2




        WHEN
 '30-39'
 THEN
 3




        WHEN
 '40-49'
 THEN
 4




        WHEN
 '50-59'
 THEN
 5




        WHEN
 '60-69'
 THEN
 6




        WHEN
 '70-79'
 THEN
 7




        WHEN
 '80-89'
 THEN
 8




        WHEN
 '90-100'
 THEN
 9




        ELSE
 10




    END



LIMIT
 100
;




 



 



-- 5. 查询关键性能指标统计（保持不变）




SELECT



    simulation_id,




    COUNT
(
*
)
 as
 total_flights,



    ROUND(
AVG
(position_error_xy)::
numeric
,
 4
)
 as
 avg_position_error_xy,



    ROUND(
AVG
(position_error_z)::
numeric
,
 4
)
 as
 avg_position_error_z,



    ROUND(
AVG
(attitude_error_roll)::
numeric
,
 4
)
 as
 avg_attitude_error_roll,



    ROUND(
AVG
(attitude_error_pitch)::
numeric
,
 4
)
 as
 avg_attitude_error_pitch,



    ROUND(
AVG
(attitude_error_yaw)::
numeric
,
 4
)
 as
 avg_attitude_error_yaw,



    ROUND(
AVG
(velocity_response_time)::
numeric
,
 4
)
 as
 avg_response_time,



    ROUND(
AVG
(max_acceleration)::
numeric
,
 4
)
 as
 avg_max_acceleration




FROM
 px4_simulation.flight_performance_baseline




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 simulation_id




ORDER
 BY
 avg_position_error_xy
 DESC



LIMIT
 10
;




 



 



 



-- 6.查询未处理的高优先级异常（修正版）




WITH
 battery_critical
 AS
 (




    SELECT

 



        'battery_critical'
 as
 alert_type,




        '紧急'
 as
 alert_level,




        '电池电量严重不足'
 as
 alert_description,



        battery_id,



        remaining_capacity,



        ts




    FROM
 px4_simulation.battery_health_monitoring




    WHERE
 remaining_capacity
 <
 0.15




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '1 hour'



),



vibration_critical
 AS
 (




    SELECT

 



        'vibration_critical'
 as
 alert_type,




        '紧急'
 as
 alert_level,




        '振动严重异常'
 as
 alert_description,



        component_id,



        vibration_severity_index,



        ts




    FROM
 px4_simulation.vibration_monitoring




    WHERE
 vibration_severity_index
 >
 0.8




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '1 hour'



),



performance_critical
 AS
 (




    SELECT

 



        'performance_critical'
 as
 alert_type,




        '高'
 as
 alert_level,




        '飞行性能严重下降'
 as
 alert_description,




        CAST
(simulation_id
 AS
 VARCHAR
)
 as
 simulation_id_str,



        performance_score,



        ts




    FROM
 px4_simulation.performance_metrics




    WHERE
 performance_score
 <
 60




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '1 hour'



),




-- 注意：从performance_metrics表查询时，需要确保列名和数据类型与其他子查询一致



performance_critical_fixed
 AS
 (




    SELECT



        alert_type,



        alert_level,



        alert_description,




        -- 使用空字符串作为占位符，因为其他表有battery_id/component_id，但performance_metrics没有




        ''
 as
 component_id,



        performance_score
 as
 severity_value,
  -- 重命名以统一



        ts




    FROM
 performance_critical



),




-- 统一所有子查询的列



battery_critical_fixed
 AS
 (




    SELECT



        alert_type,



        alert_level,



        alert_description,



        battery_id
 as
 component_id,



        remaining_capacity
 as
 severity_value,



        ts




    FROM
 battery_critical



),



vibration_critical_fixed
 AS
 (




    SELECT



        alert_type,



        alert_level,



        alert_description,



        component_id,



        vibration_severity_index
 as
 severity_value,



        ts




    FROM
 vibration_critical



)




-- 合并所有警报




SELECT
 *
 FROM
 battery_critical_fixed




UNION
 ALL




SELECT
 *
 FROM
 vibration_critical_fixed




UNION
 ALL




SELECT
 *
 FROM
 performance_critical_fixed




ORDER
 BY

 



    CASE
 alert_type




        WHEN
 'battery_critical'
 THEN
 1




        WHEN
 'vibration_critical'
 THEN
 2




        WHEN
 'performance_critical'
 THEN
 3




        ELSE
 4




    END
,



    severity_value,
  -- 按严重程度排序（值越小/越大表示越严重）



    ts
 DESC
;




 



 



 



 



-- 7. 查询飞行失败原因分析（修正：使用正确的表和列）




SELECT



    failure_reason,




    SUM
(failure_count)
 as
 total_failures,



    ROUND(
AVG
(avg_performance)::
numeric
,
 2
)
 as
 avg_failure_score,




    COUNT
(
DISTINCT
 simulation_id)
 as
 affected_simulations




FROM
 (




    SELECT



        simulation_id,




        CASE

 



            -- 使用performance_metrics表中的列




            WHEN
 pos_error
 >
 1.0
 THEN
 '位置控制误差过大'




            WHEN
 vel_error
 >
 0.5
 THEN
 '速度控制误差过大'




            WHEN
 roll_error
 >
 15.0
 THEN
 '滚转角不稳定'




            WHEN
 pitch_error
 >
 15.0
 THEN
 '俯仰角不稳定'




            WHEN
 yaw_error
 >
 20.0
 THEN
 '偏航角不稳定'




            WHEN
 control_effort
 >
 2.0
 THEN
 '控制努力度过大'




            ELSE
 '其他原因'




        END
 as
 failure_reason,




        COUNT
(
*
)
 as
 failure_count,




        AVG
(performance_score)
 as
 avg_performance




    FROM
 px4_simulation.performance_metrics
  -- 修改为performance_metrics表




    WHERE
 performance_score
 <
 70




    AND
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 simulation_id, pos_error, vel_error, roll_error, 



             pitch_error, yaw_error, control_effort



)
 as
 subquery




GROUP
 BY
 failure_reason




ORDER
 BY
 total_failures
 DESC



LIMIT
 100
;




 



 



-- 8. 查询无人机组件维护计划（保持不变）




SELECT



    component_id,



    component_type,



    total_operating_hours,



    predicted_remaining_life_hours,



    ROUND((total_operating_hours
 /



          (total_operating_hours
 +
 predicted_remaining_life_hours))::
numeric
,
 4
)
 as
 wear_percentage,



    maintenance_recommendation,




    CASE

 



        WHEN
 predicted_remaining_life_hours
 <
 24
 THEN
 '紧急维护'




        WHEN
 predicted_remaining_life_hours
 <
 72
 THEN
 '近期维护'




        ELSE
 '计划维护'




    END
 as
 maintenance_priority,




    CASE

 



        WHEN
 predicted_remaining_life_hours
 <
 24
 THEN
 NOW()




        WHEN
 predicted_remaining_life_hours
 <
 72
 THEN
 NOW()
 +
 INTERVAL
 '7 days'




        ELSE
 NOW()
 +
 INTERVAL
 '30 days'




    END
 as
 suggested_maintenance_time




FROM
 px4_simulation.component_life_prediction




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '1 hour'




ORDER
 BY
 maintenance_priority, predicted_remaining_life_hours



LIMIT
 100
;




 



-- 9. 查询异常处理效率分析（修正：使用正确的列名）




WITH
 battery_exceptions
 AS
 (




    SELECT

 



        'battery'
 as
 exception_type,



        b1.battery_id
 as
 component,



        b1.ts
 as
 detection_time,




        MIN
(b2.ts)
 as
 resolution_time




    FROM
 px4_simulation.battery_health_monitoring b1




    LEFT
 JOIN
 px4_simulation.battery_health_monitoring b2

 



        ON
 b1.battery_id
 =
 b2.battery_id

 



        AND
 b2.ts
 >
 b1.ts

 



        AND
 b2.remaining_capacity
 >
 b1.remaining_capacity




    WHERE
 b1.remaining_capacity
 <
 0.2




    AND
 b1.ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 b1.battery_id, b1.ts



),



vibration_exceptions
 AS
 (




    SELECT

 



        'vibration'
 as
 exception_type,



        v1.component_id
 as
 component,



        v1.ts
 as
 detection_time,




        MIN
(v2.ts)
 as
 resolution_time




    FROM
 px4_simulation.vibration_monitoring v1




    LEFT
 JOIN
 px4_simulation.vibration_monitoring v2

 



        ON
 v1.component_id
 =
 v2.component_id

 



        AND
 v2.ts
 >
 v1.ts

 



        AND
 v2.vibration_severity_index
 <
 v1.vibration_severity_index
  -- 修正：使用正确的列名




    WHERE
 v1.vibration_severity_index
 >
 0.5
  -- 修正：使用正确的列名




    AND
 v1.ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




    GROUP
 BY
 v1.component_id, v1.ts



),



all_exceptions
 AS
 (




    SELECT
 exception_type, component, detection_time, resolution_time




    FROM
 battery_exceptions




    UNION
 ALL




    SELECT
 exception_type, component, detection_time, resolution_time




    FROM
 vibration_exceptions



)




SELECT



    exception_type,




    COUNT
(
*
)
 as
 total_exceptions,




    COUNT
(resolution_time)
 as
 handled_exceptions,



    ROUND(
AVG
(




        CASE

 



            WHEN
 resolution_time
 IS
 NOT NULL

 



            THEN
 EXTRACT
(EPOCH
 FROM
 (resolution_time
 -
 detection_time))




            ELSE
 NULL

 



        END



    )::
numeric
,
 2
)
 as
 avg_handling_time_seconds,



    ROUND(
MIN
(




        CASE

 



            WHEN
 resolution_time
 IS
 NOT NULL

 



            THEN
 EXTRACT
(EPOCH
 FROM
 (resolution_time
 -
 detection_time))




            ELSE
 NULL

 



        END



    )::
numeric
,
 2
)
 as
 min_handling_time,



    ROUND(
MAX
(




        CASE

 



            WHEN
 resolution_time
 IS
 NOT NULL

 



            THEN
 EXTRACT
(EPOCH
 FROM
 (resolution_time
 -
 detection_time))




            ELSE
 NULL

 



        END



    )::
numeric
,
 2
)
 as
 max_handling_time,



    ROUND((
COUNT
(resolution_time)::
float
 /
 NULLIF
(
COUNT
(
*
),
 0
)
 *
 100
)::
numeric
,
 2
)
 as
 handling_rate_percent




FROM
 all_exceptions




GROUP
 BY
 exception_type




ORDER
 BY
 avg_handling_time_seconds



LIMIT
 100
;




 



-- 10. 查询测试记录的时间分布和性能趋势（保持不变）




-- 查询测试记录的时间分布和性能趋势（修正版）




SELECT



    DATE_TRUNC(
'hour'
, ts)
 as
 hour_bucket,




    COUNT
(
*
)
 as
 test_count,



    ROUND(
AVG
(hover_stability_index)::
numeric
,
 2
)
 as
 avg_stability,



    ROUND(
AVG
(position_error_xy)::
numeric
,
 4
)
 as
 avg_position_error_xy,



    ROUND(
AVG
(position_error_z)::
numeric
,
 4
)
 as
 avg_position_error_z,



    ROUND(
AVG
(attitude_error_roll)::
numeric
,
 4
)
 as
 avg_attitude_error_roll,



    ROUND(
AVG
(attitude_error_pitch)::
numeric
,
 4
)
 as
 avg_attitude_error_pitch,



    ROUND(
AVG
(attitude_error_yaw)::
numeric
,
 4
)
 as
 avg_attitude_error_yaw,



    ROUND(
AVG
(velocity_response_time)::
numeric
,
 4
)
 as
 avg_response_time




FROM
 px4_simulation.flight_performance_baseline




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 DATE_TRUNC(
'hour'
, ts)




ORDER
 BY
 hour_bucket
 DESC



LIMIT
 100
;




 



 



-- 11. 查询通信质量分析（保持不变）




SELECT



    simulation_id,



    link_type,




    COUNT
(
*
)
 as
 sample_count,



    ROUND(
AVG
(rssi_dbm)::
numeric
,
 2
)
 as
 avg_rssi_dbm,



    ROUND(
AVG
(packet_loss_rate)::
numeric
,
 4
)
 as
 avg_packet_loss,



    ROUND(
AVG
(latency_ms)::
numeric
,
 2
)
 as
 avg_latency_ms,



    ROUND(
AVG
(jitter_ms)::
numeric
,
 2
)
 as
 avg_jitter_ms,



    ROUND(
MIN
(link_margin_db)::
numeric
,
 2
)
 as
 min_link_margin,



    ROUND(
MAX
(link_margin_db)::
numeric
,
 2
)
 as
 max_link_margin,




    SUM
(
CASE
 WHEN
 packet_loss_rate
 >
 0.1
 THEN
 1
 ELSE
 0
 END
)
 as
 high_loss_samples




FROM
 px4_simulation.communication_quality




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 simulation_id, link_type




ORDER
 BY
 avg_packet_loss
 DESC



LIMIT
 100
;




 



-- 12. 查询环境适应能力分析（保持不变）




SELECT



    simulation_id,



    environment_type,




    COUNT
(
*
)
 as
 sample_count,



    ROUND(
AVG
(wind_speed_estimated)::
numeric
,
 2
)
 as
 avg_wind_speed,



    ROUND(
AVG
(turbulence_intensity)::
numeric
,
 4
)
 as
 avg_turbulence,



    ROUND(
AVG
(position_hold_error)::
numeric
,
 4
)
 as
 avg_position_error,



    ROUND(
AVG
(power_consumption_factor)::
numeric
,
 4
)
 as
 avg_power_factor,



    ROUND(
AVG
(attitude_correction_roll)::
numeric
,
 4
)
 as
 avg_roll_correction,



    ROUND(
AVG
(attitude_correction_pitch)::
numeric
,
 4
)
 as
 avg_pitch_correction




FROM
 px4_simulation.environmental_adaptation




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 simulation_id, environment_type




ORDER
 BY
 avg_position_error
 DESC



LIMIT
 100
;




 



-- 13. 查询参数调优历史分析（修正：添加GROUP BY中的performance_score或使用聚合函数）




SELECT



    simulation_id,



    parameter_name,




    COUNT
(
*
)
 as
 tuning_count,



    ROUND(
MIN
(parameter_value)::
numeric
,
 4
)
 as
 min_value,



    ROUND(
MAX
(parameter_value)::
numeric
,
 4
)
 as
 max_value,



    ROUND(
AVG
(parameter_value)::
numeric
,
 4
)
 as
 avg_value,



    ROUND(
AVG
(performance_score)::
numeric
,
 2
)
 as
 avg_performance,



    tuner_name,




    MAX
(ts)
 as
 last_tuning_time




FROM
 px4_simulation.parameter_tuning




WHERE
 ts
 >=
 NOW()
 -
 INTERVAL
 '24 hours'




GROUP
 BY
 simulation_id, parameter_name, tuner_name




ORDER
 BY
 tuning_count
 DESC



LIMIT
 100
;



 

tar -zxvf prometheus-3.5.1.linux-amd64.tar.gz

cd prometheus-2.53.0.linux-amd64 &&



sudo gedit prometheus.yml

global:



  scrape_interval:
 10s



  evaluation_interval:
 10s






rule_files:




  -
 "rules/alerts.rules.yml"




  -
 "rules/aggregation.rules.yml"






scrape_configs:




  -
 job_name:
 'kaiwudb'



    metrics_path:
 '/_status/vars'




    



    # 根据实际情况选择http或https



    scheme:
 'http'
  # 如果KaiwuDB开启了TLS则改为https




    



    # 如果是https，需要配置TLS（可选）



    tls_config:



      insecure_skip_verify:
 true
  # 自签名证书时设为true




    



    # 可添加认证信息（如果KaiwuDB需要认证）




    # basic_auth:




    #   username: 'prometheus'




    #   password: 'your-password'



    



    static_configs:




      -
 targets:

 



          -
 '10.0.1.100:8080'
  # KaiwuDB节点1




          -
 '10.0.1.101:8080'
  # KaiwuDB节点2




          -
 '10.0.1.102:8080'
  # KaiwuDB节点3



        labels:



          cluster:
 'production-kaiwudb-cluster'



          environment:
 'production'



          region:
 'us-east-1'




    



    # 可以添加重试和超时设置



    scrape_timeout:
 5s



    honor_labels:
 true

./prometheus --config.file=prometheus.yml

wget https://dl.grafana.com/enterprise/release/grafana-enterprise-11.1.0.linux-amd64.tar.gz



tar -zxvf grafana-enterprise-11.1.0.linux-amd64.tar.gz

cd grafana-v11.1.0/bin



./grafana-server