ABPLC如何采集读写MYSQL数据库？

通过数据库网关连接罗克韦尔1756-L72的以太网端口标签方式采集数据，将数据存入MySQL数据库，以下描述具体的 *** 作步骤。PLC数据MQTT多主题发布/订阅西门子PLC数据采集到数据库

网关模块安装在设备侧，不用电脑软件，随设备上电启动自动运行，保证设备数据采集与设备运行同步，简单高效的完成了数据采集；已批量用于多种行业的智能工厂，大大提高MES等工业互联网项目的实施效率。IGT-DSER带有两种数据缓存功能：

1. 高频次采集数据缓存，打包后一次性上报到数据库；

2. 断网、服务器维护上报异常时，将数据缓存，待故障解除后重新上报到数据库

网关支持西门子、三菱、欧姆龙、施耐德等几乎所有的PLC品牌，通过以上参数软件自行切换即可；关于网关模块的详细介绍可查看CSDN的这篇文章，或者到这里下载PDF手册。以下是详细的 *** 作步骤：

首先用Navicat连接服务器数据库，建立一个数据表，名称为'abplcdata'，数据表设计视图如下：

然后在PC上运行网关的参数设置软件，网线连接IGT-DSER网关的网口1，先配置网络参数(默认IP:192.168.1.244，确认PC的网口与网关默认IP同网段)，通过‘工具’->‘搜索在线网关’，搜索到网关后，修改IP地址等参数，具体如下：

网口1.PLC设备末段IP设置为0表示有多台同系列同网段的PLC，每台PLC的IP地址在PLC数据地址表里面配置，后面有描述；设置完成后通过‘参数’->‘参数写入到网关’，下载参数，会有以下提示：

点‘是(Y)’即可，参数下载成功后将网关断电，网口1接入PLC的交换机网络，同时修改PC的网口参数为PLC同网段，重新搜索网关读取参数后，通过‘功能’->‘数据上报与下载’进入数据服务配置页面，选择SQL远程数据库，配置数据库地址、PLC标签的参数；

配置完成后要下载参数，通过‘工具’->‘重启网关’，重启后，网关即进入工作状态，通过读取参数可查看网关的实际数据，双击配置表对应的数据序号可查看数据值，如下图：

序号001是日期时间，取自网关的RTC时钟；002和003是PLC的控制器二维数组；004、005和006是控制器一维数组；007为程序变量，字符串类型；008是程序数组；009是控制器变量，BOOL类型；

设备/站号栏目的数值9，表示PLC的IP地址(192.168.0.9)末段(前三段与网关的网口1相同)，如果需要增加另外的同系列同网段PLC，在这里设置对应的IP末段地址即可，不同的PLC对应不同的数据表，或者不同的记录行；

需要注意配置表‘数据地址’栏是PLC的数据标签，不能错误，否则读不到数据，所以最好是通过PLC的编程软件从PLC导出CSV文件，然后复制到配置表，如下图：

再打开Navicat查看数据库中的数据，如下图：

这样就完成了数据采集，没间隔5秒网关会自动上报一次数据，这个周期可以调整，也可以设置成触发模式，根据数据变化上报数据；

相关资源：利用PLC实现数据采集_plc数据采集并存入数据库,plc数据采集-专业...

————————————————

版权声明：本文为CSDN博主「肉褚」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/weixin_42302872/article/details/113655413

本文讲解如何通过一套开源日志存储和检索系统 ELK 构建 MySQL 慢日志收集及分析平台。

ELK、EFK 简介

想必你对 ELK、EFK 都不陌生，它们有一个共同的组件：Elasticsearch（简称ES），它是一个实时的全文搜索和分析引擎，可以提供日志数据的收集、分析、存储 3 大功能。另外一个组件 Kibana 是这套检索系统中的 Web 图形化界面系统，可视化展示在 Elasticsearch 的日志数据和结果。

ELF/EFK 工具集中还有 l 和 F 这两个名称的缩写，这两个缩写代表的工具根据不同的架构和使用方式而定。

L 通常是 Logstash 组件，它是一个用来搜集、分析、过滤日志的工具 。

F 代表 Beats 工具（它是一个轻量级的日志采集器），Beats 家族有 6 个成员，Filebeat 工具，它是一个用于在客户端收集日志的轻量级管理工具。

F 也可以代表工具 fluentd，它是这套架构里面常用的日志收集、处理转发的工具。

那么它们（Logstash VS Beats VS fluentd）有什么样的区别呢？Beats 里面是一个工具集，其中包含了 Filebeat 这样一个针对性的日志收集工具。Logstash 除了做日志的收集以外，还可以提供分析和过滤功能，所以它的功能会更加的强大。

Beats 和 fluentd 有一个共同的特点，就是轻量级，没有 Logstash 功能全面。但如果比较注重日志收集性能，Beats 里面的 Filebeat 和 fluentd 这两个工具会更有优势。

Kafka 是 ELK 和 EFK 里面一个附加的关键组件（缩写 K），它主要是在支持高并发的日志收集系统里面提供分布式的消息队列服务。

ELK 的优势

在此之前，先介绍 ELK 日志分析会有一些什么样的优势？主要有 3 点：

1、它是一套开源、完整的日志检索分析系统，包含收集、存储、分析、检索工具。我们不需要去开发一些额外的组件去完成这套功能，因为它默认的开源方式就提供了一整套组件，只要组合起来，就可以完成从日志收集、检索、存储、到整个展示的完整解决方案了。

2、支持可视化的数据浏览。运维人员只要在控制台里选择想关注的某一段时间内的数据，就可以查看相应的报表，非常快捷和方便。

3、它能广泛的支持一些架构平台，比如我们现在讲到的 K8s 或者是云原生的微服务架构。

Kafka 作为日志消息队列，客户端通过 Filebeat 收集数据（日志）后将其先存入 Kafka，然后由 Logstash 提取并消费，这套架构的好处是：当我们有海量日志同步情况下，直接存入服务端 ES 很难直接应承接海量流量，所以 Kafka 会进行临时性的存取和缓冲，再由 Logstash 进行提取、过滤，通过 Logstash 以后，再把满足条件的日志数据存入 ES。

ES 不再是以单实例的方部署，而是采用集群架构，考虑 Kafka 的集群模式， Logstash 也使用集群模式。

我们会看到这套架构稍微庞大，大中型的企业往往存储海量数据（上百 T 或 P 级）运维日志、或者是系统日志、业务日志。

完成ELK服务搭建后，首先我需要开启的是 MySQL 的慢查询配置，那么通过 set global slow_query_log=‘ON‘，这样就可以开启慢查询日志，还需要设置好慢查询日志标准是大于 1 秒的，那么同样是 set global long_query_time 大于或等于 1，它的意思是大于 1 秒的查询语句，才会认为是慢查询，并且做日志的记录。

那么另外还要设置慢查询日志的位置，通过 set global slow_query_log = 日志文件路径，这里设置到 filebeat 配置监听的路径下，就完成了慢查询日志的路径设置。

配置完成以后，需要在 MySQL 终端上，模拟执行一条执行时间较长的语句，比如执行 select sleep(5)，这样就会模拟执行一条查询语句，并且会让它休眠 5 秒。接下来我们看到服务端窗口的 MySQL 这条 sleep 语句已经执行完毕了，同时我们可以再打开 filebeat 的推送窗口，发现这里产生了一条推送日志，表示成功地把这条日志推送给了 ES。

那么接下来我们就可以通过浏览器打开 Kibana 的管理后台，从界面里来看一看检索日志的记录和一些可视化展示的图表，我们可以点击界面上的 Discover 按钮，同时选择好对应的时间周期，然后可以增加一个 filter 过滤器，过滤器里面敲入对应的关键字来进行索引。

这里我敲入的是 slow.query 这个关键字，就会匹配出对应的可以检索的项目，点击想要查询的对应项目，展示出想检索的某一个时间周期内对应的一些日志记录，以及它的图表是什么样子的，同时在下方会有对应的 MySQL 的日志信息打印出来，通过 Kibana 这样的可视化界面就能够看到的相关信息了。

---