物聯網的發展為智能安防和自動化監控帶來了更多便利，同時，新型城鎮建設、智慧城市與智慧社區的發展也為門禁管理等安防問題智能化提出了更高的要求。在智能化發展的背景下，門禁成為一套集成了訪客、考勤、消費、巡更、梯控等更多功能的全面便捷的系統安全應用，隨著門禁系統應用愈發廣泛，對海量數據的實時快速處理也成為了日益重要的問題。
作為一款高性能分布式時序數據庫，DolphinDB 提供了流數據表和流計算引擎用于實時數據處理，為智能安防提供了有力支持。今天，我們將介紹如何通過流計算引擎多級級聯實現對門禁設備異常狀態的實時監測，基于 DolphinDB 流數據處理框架，為大家提供一套實時監測門禁設備異常狀態的低延時解決方案。
常見的智能安防系統一般包含有監控、報警、門禁和遠程控制4個主要功能，可以單獨運行也可統一管理。而門禁則是整個智能安防系統中的基礎應用，同時也關系到物聯網領域中的公共安全、城市管理、智能家居等多個方面。首先，我們先來了解一下門禁系統的具體應用場景與功能設置：
1.門禁、報警綜合管理系統服務器：提供集中管理及監控、輸出、聯動功能。
2.門禁工作站：門禁工作站提供功能設置及事件監控。
3.門禁控制器：門禁管理系統的核心部分，直接管理及控制相關設備，具有存儲功能，可存放持卡人資料及各種事件記錄。
4.讀卡器：工作于射頻方式，采集感應卡的數據傳輸到門禁控制器，以便控制器進行各種管理及相應的控制。
5.電鎖：電子方式開關，實現開門及鎖門，由門禁控制器直接控制。
6.開門按鈕：提供便利的開門方式。
7.門磁：檢測門的狀態信息，然后傳輸到控制器。
8.報警輸入輸出設備：為加強系統的保安，可以將輸入輸出設備接入門禁控器的接口，實現系統的報警及聯動。
工業中心門禁管理系統結構
上圖展示了一個常見的門禁管理系統結構，報警系統是安防及門禁系統中保障安全問題的重要功能組件及環節，也可以實現與其他監控設備的聯防聯控。
1. 設計思路與方案
隨著接入智能門禁系統的終端不斷增多，如何對海量數據進行實時高效計算、及時反饋報警消息，成為智能門禁及智慧社區建設的關鍵問題。保持門禁正常關閉狀態是保證樓宇內居民安全的基礎需求之一，假定有一個監控系統，對所有門禁設備每5秒鐘采集1次數據，同時開門或關門的事件會主動上報數據，本案例中的門禁異常狀態檢測需求是：開門狀態連續存在超過5分鐘報警。首先需要對采集數據進行去重處理，再檢測出數據中狀態持續超時的記錄。此時的記錄會包括所有狀態持續超過5分鐘的數據，因此仍需將數據接入下一級引擎去除關門告警，只保留開門狀態超時報警。采用 DolphinDB 響應式狀態引擎完成過濾篩選數據的任務，并通過會話窗口引擎檢測超時數據。將三個引擎級聯，實現檢測異常門禁狀態(開門時間大于5分鐘)的流水線處理模式。
門禁異常狀態數據處理流程
2. 內置流計算引擎監測門禁異常狀態
DolphinDB 內置了響應式狀態引擎和會話窗口引擎實現門禁異常狀態的實時監測。
響應式狀態引擎(createReactiveStateEngine)：
·有兩種因子計算：無狀態因子和有狀態因子。
·無狀態因子只依賴最新數據，不需要歷史數據。
·有狀態因子需要最新數據和歷史數據，并會更新狀態。
·每輸入一條數據都將觸發一條結果輸出，輸入和輸出數據量一致。
·算子中只能包含向量函數，對于常見狀態算子進行了優化，大幅提高計算效率。
會話窗口引擎(creatSessionWindowEngine)：
·適用于物聯網場景，解決設備在線時間不均勻的問題。
·窗口不按固定頻率生成，窗口長度也不是固定的。
·以第一條數據的時間戳作為第一個窗口的起始時間。
·若在指定等待時間內未收到新數據，則當前窗口結束。
·解決滑動窗口計算中無數據窗口增加不必要計算開銷的問題。
3. 實現步驟
接下來，我們一起來詳細了解下如何通過 DolphinDB 實現多級引擎級聯檢測異常門禁狀態的流水線處理模式。
3.1 定義并共享輸入輸出流數據表
首先定義一個用于實時接收門禁監控設備數據的流數據表，表結構共包含七列，通過 enableTableShareAndPersistence函數共享流數據表并持久化到硬盤上。其次定義異常狀態流數據表，用于響應式狀態引擎的輸出，并將其持久化到磁盤上。
3.2 創建響應式狀態引擎過濾重復數據
響應式狀態引擎會對輸入的每一條消息做出計算響應，產生一條記錄作為結果，可以啟用過濾條件保證只有滿足條件的結果才會輸出。在本案例中，只有事件碼有變化的數據才會被輸出到設置的輸出表中。DolphinDB 內置的流計算引擎均實現了數據表的接口，因此多個引擎流水線處理變得異常簡單，只要將后一個引擎作為前一個引擎的輸出即可。
3.3 通過級聯會話窗口引擎檢測狀態超時數據
首先創建一張內存表，為響應式狀態引擎提供輸入的表結構，與上一級引擎輸出表的結構一致。在會話窗口引擎中，設置分組列 keyColumn 為門號 doorNum ，時間列 timeColumn 為時間 eventDate 。檢測需求是五分鐘內無數據報警，因此 sessionGap 為300(秒)，表示收到某條數據后經過該時間的等待仍無新數據到來，就終止當前窗口。 metrics 設為 last(doorEventCode) ，即返回窗口內的最后一條記錄數據。會話窗口引擎的輸入數據為上一級響應式狀態引擎的輸出，輸出作為下一級響應式狀態引擎的輸入。
3.4 響應式狀態引擎過濾關門告警
上級會話窗口引擎獲取到的數據包括開門和關門超過5分鐘的數據，因此需要再通過響應式狀態引擎過濾掉關門狀態超時數據，只保留開門告警。
3.5 訂閱流數據
過濾了關門告警數據后，訂閱流數據表 doorRecord 并把收到的流數據寫入上述會話窗口引擎。
3.6 從 MQTT 服務器接收數據
DolphinDB 提供了 MQTT 插件用于訂閱 MQTT 服務器的數據，在訂閱時需要數據格式解析函數，目前插件提供了 json 和 csv 格式的解析函數，本例使用 mqtt::createJsonParser 解析 json 格式數據。隨著網絡與數字技術飛速發展，門禁系統早已不再是單純的門道及鑰匙管理，而是逐漸演變成為一套完整的出入門禁安全管理系統，集微機自動識別技術和現代安全管理措施為一體。DolphinDB 提供了一種實時監測門禁設備異常狀態的低延時解決方案，實現了會話窗口引擎和響應式狀態引擎級聯，降低開發難度，有效提升海量數據的實時計算效率，滿足了門禁系統智能化的計算需求。
以上是基于 DolphinDB 流數據處理框架進行引擎級聯監測門禁異常狀態的完整方案，想知道詳細實現步驟并自己動手模擬驗證?歡迎關注公眾號【DolphinDB 物聯網】深入了解。
本文鏈接：時序數據庫智慧樓宇解決方案：用DolphinDB實時監測門禁異常http://www.lensthegame.com/show-1-4323-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。