WO2011125237A1 - データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム - Google Patents

データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム Download PDF

Info

Publication number
WO2011125237A1
WO2011125237A1 PCT/JP2010/062343 JP2010062343W WO2011125237A1 WO 2011125237 A1 WO2011125237 A1 WO 2011125237A1 JP 2010062343 W JP2010062343 W JP 2010062343W WO 2011125237 A1 WO2011125237 A1 WO 2011125237A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
time
query
database
inquiry
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2010/062343
Other languages
English (en)
French (fr)
Inventor
中野　定樹
啓朗 室
藤原　真二
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to EP10849477.4A priority Critical patent/EP2557504A4/en
Priority to CN201080065327.7A priority patent/CN102792282B/zh
Priority to US13/583,108 priority patent/US8898189B2/en
Publication of WO2011125237A1 publication Critical patent/WO2011125237A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data

Definitions

  • the present invention relates to a computer system for performing data processing and a data processing method thereof, and in particular, a computer system suitable for processing a large amount of data collected for the purpose of preventive maintenance such as equipment in a factory or a plant. It relates to the data processing method.
  • the above-described method has a problem in that when searching for compressed data, it is necessary to search the data after being decompressed once, and the retrieval speed is sacrificed.
  • a search query for searching for an abnormal part from the sensor information and a search query for tracking the abnormal part in order to specify the cause of the abnormality are issued multiple times. There was a need. Therefore, there are problems that the number of issued queries increases and the search time for abnormal parts increases.
  • the present invention has been made in view of the above-mentioned problems. That is, the object is to reduce the amount of data stored in a database and to efficiently search for desired data from a large amount of data.
  • a typical example of the present invention is as follows. That is, a database management method in a computer that includes a processor and a memory connected to the processor and manages a database, wherein the database stores a plurality of compressed data compressed based on a predetermined condition,
  • the database management method when a query to the database is received from a client computer connected to the computer, the computer analyzes the received query, and the computer receives the query.
  • a fourth step of acquiring one or more compressed data as a response result of one inquiry, and the computer decompressing one or more compressed data acquired as a response result to the first inquiry A fifth step of acquiring the plurality of time-series data; a sixth step in which the computer executes the second inquiry on the acquired plurality of time-series data; and the computer, Based on a response result to the second inquiry, a seventh step of extracting predetermined data from the plurality of acquired time-series data. And an eighth step in which the computer extracts data for output to the client computer from the predetermined data extracted in the seventh step, and generates an output result. .
  • the present invention it is possible to reduce the amount of data stored in the database while maintaining substantial data, and to efficiently search for desired data from a large amount of data.
  • it is a flowchart explaining the case where the process performed by the data search module is performed in parallel.
  • It is a figure explaining the kind and generation method of the feature value of embodiment of this invention.
  • It is a figure explaining the method to determine the time width of the time-sequential data block of embodiment of this invention.
  • It is a flowchart explaining an example of the process performed by the stream data processing part of this embodiment.
  • It is a flowchart explaining an example of the process performed by the output control part of this embodiment.
  • FIG. 1 is a block diagram illustrating an outline of a computer system in an embodiment of a sensor network system to which the present invention is applied.
  • the sensor network system includes a plant 102, a data center 105, and a plant monitoring site 107, and is connected to each other via a network 103.
  • a network 103 for example, a dedicated line, a wide area network such as the so-called Internet, or a local network such as a LAN may be used.
  • the plant 102 includes a sensor 100 and a data collection device 101.
  • the sensor 100 and the data collection device 101 are connected to each other.
  • the connection method may be direct connection, or may be connected via a LAN (Local Area Network) or a wireless network.
  • the Sensor 100 detects various data.
  • the sensor 100 includes various types of sensors in order to detect target data.
  • the data collection device 101 collects data detected by the sensor 100 and transmits the data collected from the sensor 100 to the data center 105 via the network 103.
  • the data collection device 101 includes a CPU (not shown), a memory (not shown) connected to the CPU, a network interface (not shown) connected to the CPU, and a storage medium (not shown).
  • the data collection device 101 may include a display or an input device.
  • the data center 105 includes a center server 104 that centrally manages data transmitted from the data collection devices 101 of the plurality of plants 102.
  • the center server 104 stores the data transmitted from the data collection device 101.
  • the center server 104 extracts predetermined data from the stored data based on a request from the administrator via the plant monitoring site 107 or the like, or analyzes the extracted data and outputs an analysis result.
  • the plant monitoring site 107 includes a data display terminal 106 for making various inquiries to the data center 105.
  • the data display terminal 106 monitors or browses data stored in the center server 104 via the network 103.
  • the data display terminal 106 includes a CPU (not shown), a memory (not shown) connected to the CPU, a network interface (not shown) connected to the CPU, a storage medium (not shown), a display device (not shown), An input device (not shown) is provided.
  • FIG. 2 is a block diagram illustrating a hardware configuration of the center server 104 in the present embodiment.
  • the center server 104 includes a CPU 121, a memory 122, an HDD 123, a display 124, a network interface 125, a mouse 126, a keyboard 127, and a power supply device 128.
  • CPU 121 executes a program developed on memory 122.
  • the memory 122 stores a program executed by the CPU 121 and information necessary for executing the program.
  • the memory 122 is used as a work area for the CPU to execute various processes.
  • programs such as the OS 158 (see FIG. 3), the data loader module 153 (see FIG. 3), the database 154 (see FIG. 3), and the data search module 157 (see FIG. 3) are loaded from the HDD 123 onto the memory 122. And executed.
  • the HDD 123 stores programs and various information read to the memory 122.
  • only one HDD 123 is provided, but a plurality of HDDs 123 may be provided, or an array group including a plurality of HDDs 123 may be used.
  • the network interface 125 is an interface for connecting to the network 103.
  • the power supply device 128 is a device for supplying power to the center server 104.
  • the display 124 is a device that displays various types of information to an operator who operates the center server 104.
  • the mouse 126 is a pointing device used by an operator who operates the center server 104.
  • the keyboard 127 is an input device used by an operator who operates the center server 104.
  • FIG. 3 is a block diagram illustrating the software configuration of the center network system in the present embodiment.
  • an OS (Operating System) 158 is executed by the CPU 121.
  • the OS 158 executes various processes. Specifically, the OS 158 executes a data loader module 153, a database 154, and a data search module 157.
  • the database 154 is management software that manages data transmitted from the data collection device 101 and converted into a predetermined format by the data loader module 153. Details of data stored in the database 154 will be described later with reference to FIG.
  • the data loader module 153 is software that receives data from the data collection device 101 included in the plant 102 via the network 103, converts the received data into a predetermined format, and stores the data in a database.
  • the data loader module 153 receives the input file 1 (151) with the file name “sid.csv” from the data collection device 101 and the input file 2 (152) with the file name “input.csv”. ), The input file 1 (151) and the input file 2 (152) are converted into a predetermined format and stored in the database 154.
  • the file 1 (151) and the file 2 (152) shown in FIG. 3 are CSV (Comma Separated Value) format files.
  • the CSV file represents a file format in which a plurality of fields are separated by “, (comma)”.
  • FIG. 3 shows an example in which the CSV format is used, but a file format (TSV format) or a binary format separated by TAB may be used instead of commas.
  • the data search module 157 is software that searches the target data from the database 154 based on the input query and outputs the search result.
  • the data search module 157 receives a query 155 from the user 150 who operates the data display terminal 106, searches for data based on the query 155, and sets the search result file 156 as the search result file 156. Output.
  • the data display terminal 106 reads the search result file 156, converts the data into a number or a form such as a graphical waveform, and displays it on the screen.
  • FIG. 4 is a block diagram illustrating the data loader module 153 and the database 154 in the present embodiment.
  • the input file 1 includes a Name column 1511 and an ID column 1512.
  • the Name column 1511 is a sensor name of the sensor 100 provided in the plant 102.
  • the ID column 1512 is an identifier for uniquely identifying the sensor 100 provided in the plant 102.
  • the input file 2 includes a Datetime column 1521 and a sensor name column 1522.
  • the Datetime column 1521 is time information indicating the time when the sensor 100 acquires data.
  • the sensor name column 1522 includes names of the respective sensors 100, and sensor names corresponding to the Name column 1511 are stored. Each sensor 100 constituting the sensor name column 1522 stores a value detected by each sensor 100.
  • the input file 2 (152) stores data detected by each sensor 100 every second.
  • the database 154 stores an SID table 207 and a DAT table 208.
  • the SID table 207 includes a Name column 2071 and an ID column 2072.
  • Name column 2071 is a sensor name of sensor 100 provided in plant 102.
  • the ID column 2072 is an identifier for uniquely identifying the sensor 100 provided in the plant 102.
  • the DAT table 208 stores data obtained by compressing the data included in the input file 2 (152) for each predetermined continuous time unit (time-series data block) for each sensor 100. Specifically, compressed data for one hour is stored for each sensor 100 for each row.
  • the DAT table 208 includes a Datetime column 2081, an ID column 2082, a CDATA column 2083, a MaxVal column 2084, and a MinVal column 2085.
  • the Datetime column 2081 stores time information indicating the start time of the compressed time-series data block.
  • the head time represents the past time in the Datetime column 1521, that is, the time that is the starting point of the time-series data block to be compressed.
  • the ID column 2082 is an identifier for identifying the sensor 100.
  • the CDATA column 2083 is compressed data.
  • the MaxVal column 2084 is the maximum value of data included in the compressed time series data block.
  • the MinVal column 2085 is a minimum value included in the compressed time series data block.
  • the time series data block compressed for the data group 201 corresponds to the row 209
  • the time series data block compressed for the data group 202 corresponds to the row 210.
  • row 209 is data “DDD” obtained by compressing data for one hour from “00: 00: 00: 00 of 2009/10/1” for the sensor 100 with the sensor name “S4”.
  • the maximum value included in the data is “99”, and the minimum value included in the data before compression is “52”.
  • 3600 lines (1 hour) of data in the input file 2 (152) is compressed into one line.
  • the time range stored in the time series data block is fixed to 1 hour, but the time range of the time series data block may be changed to other than 1 hour.
  • the search period most used by the user is used. For example, a period of 1/10 of the most frequently searched period is set as the time range of the time-series data block.
  • the search range is 1 day
  • the time range of the time series data block is 2.4 hours
  • the search range is 1 month
  • the time range of the time series data block is 3 days. This can be realized by calculating the time range from the search period specified in the where_timerrange clause of the query example 1 in FIG. 8A in the query analysis unit of the data search module 157 and managing the time range as a frequency table. It becomes.
  • a minimum period in which a time series feature change can be used.
  • a method of dividing the time series data block 2601 and making the time series block 2605 an optimum time series block will be described with reference to FIG.
  • FIG. 26 is a diagram illustrating a method for determining a time width of a time-series data block according to the embodiment of this invention.
  • the feature value a [1] [1] is obtained.
  • the time series data block is divided in half to obtain feature values a [2] [1], a [2] [2].
  • i represents a division level indicating how many times the division is performed
  • j represents a number indicating the feature value of the time-series data block.
  • the optimal division level of the time-series data block is set, and the width of the time-series data block is set to the optimal time range.
  • the value having the larger difference between the feature values a [i] [j] and a [i + 1] [j] and a [i] [j] and a [i + 1] [j + 1] is assigned to all time-series data blocks j. It is also possible to take an average for this and determine this value as a “difference from the feature value” to determine the threshold value.
  • the storage capacity of the database can be reduced by storing the compressed data.
  • the data loader module 153 includes a data aggregation unit 203, a feature value extraction unit 204, a feature value extraction stream data processing unit 2041, a data compression unit 205, and a data insertion unit 206.
  • the data aggregating unit 203 aggregates data for each sensor 100 at a predetermined time interval (1 hour in the present embodiment).
  • the feature value extraction unit 204 extracts feature values from the compressed data.
  • the feature value is used when retrieving compressed data from the database 154.
  • a search method using feature values will be described later with reference to FIG.
  • the maximum value and the minimum value are extracted as feature values from the data to be compressed.
  • the extracted feature value may be any value as long as it is a value indicating the feature of the data to be compressed, such as average or variance.
  • the maximum value, the minimum value, the average value, the variance value, or the standard deviation value with respect to the time series of the entire compressed data or an arbitrary section is used as the feature amount.
  • an average value of a plurality of sensor observation values i3 and i4 is used as a feature value.
  • the entire compressed data or an arbitrary section is framed and converted to a frequency band by performing FFT (Fast Fourier Transform), and at predetermined frequencies A, B, and C. Amplitude is used as a feature value.
  • FFT Fast Fourier Transform
  • the feature value extraction unit 204 can generate a feature value by using the feature value extraction stream data processing unit 2041. That is, time-series data that arrives in real time is accumulated in a memory for a predetermined period, and a feature value can be generated by performing time-series analysis such as a maximum value, a minimum value, an average value, or a variance value.
  • the data compression unit 205 compresses data at a predetermined time interval for each sensor.
  • the data insertion unit 206 stores the compressed data in the DAT table 208.
  • FIG. 5A is a flowchart illustrating processing executed by the data loader module 153 in the present embodiment.
  • the data loader module 153 determines whether or not the SID table 207 exists in the database 154 (S250). For example, the data loader module 153 can make the determination by issuing an SQL for inquiring the database 154 about the existence of the SID table 207.
  • the data loader module 153 proceeds to S252.
  • the data loader module 153 reads the input file 1 (151) and generates the SID table 207 (S251).
  • the data loader module 153 reads a character string for one line from the input file 2 (152), extracts a character string corresponding to the column from the character string read with a comma as a delimiter, and stores it in the array csv ( S252). For example, when ci character strings are extracted, the extracted character strings are stored in arrays csv [0] to csv [ci-1], respectively. Here, ci represents the number of columns. In this embodiment, datetime is stored in csv [0], and sensor values are stored in csv [1] to csv [ci-1].
  • the data loader module 153 generates an array id for enabling the ID column 2082 to be searched from the sensor name column 1522 of the input file 2 (152) (S253).
  • the data loader module 153 defines a data array for creating compressed data (S254).
  • a d [ci] [3600] array is defined. That is, 3600 arrays are defined for one sensor 100.
  • the data loader module 153 determines whether or not the DAT table 208 exists in the database 154 (S255). For example, the data loader module 153 can make a determination by issuing an SQL querying the database 154 about the existence of the DAT table 208.
  • the data loader module 153 proceeds to S257.
  • the data loader module 153 If it is determined that the DAT table 208 does not exist in the database 154, the data loader module 153 generates the DAT table 208 (S256).
  • the data loader module 153 generates compressed data from the array acquired in S254 and executes a data load process for storing in the DAT table 208 (S257). Details of the data loading process will be described later with reference to FIG. 5B.
  • the data loader module 153 determines whether or not the processing has been completed for all data in the input file 2 (152) (S258).
  • the data loader module 153 returns to S257 and executes similar processing.
  • the data loader module 153 terminates the processing.
  • 5B and 5C are flowcharts for explaining the data load process executed by the data loader module 153 in the present embodiment.
  • the data loader module 153 initializes a variable i indicating time (seconds), and executes processing for all times (seconds) (S259). Specifically, the data loader module 153 sets the variable i to “0” and repeatedly executes the process until the variable i becomes larger than “3600”. In the present embodiment, data from 0 to 3599 seconds is a processing target.
  • the data loader module 153 reads one line of data from the input file 2 (152), extracts ci character strings from the read data, and stores them in the arrays csv [0] to csv [ci-1]. (S260).
  • the data loader module 153 determines whether or not the variable i is “0” (S261).
  • the data loader module 153 stores csv [0] in the Datetime column 2081 of the DAT table 208 (S262).
  • the data loader module 153 collects data for each sensor 100 (S263). Specifically, the data aggregating unit 203 digitizes values stored in the array csv and sets them in the array d.
  • the data loader module 153 determines whether to repeatedly execute the process, that is, whether the process has been completed for all the times (S264).
  • the data loader module 153 returns to S259, adds “1” to the variable i, and executes the processing from S260 to S263.
  • the data loader module 153 initializes a variable j representing the number of sensors 100 and executes the processing for all the sensors 100 (S265). Specifically, the data loader module 153 sets “1” to the variable j, and repeatedly executes the process until the variable j becomes larger than cn.
  • the data loader module 153 extracts feature values from the array d [j] [i] (S266). Specifically, the feature value extraction unit 204 selects the maximum value, minimum value, average value, variance value, or specific value on the frequency spectrum from the arrays d [j] [0] to d [j] [3599]. Either one or a combination thereof is extracted.
  • the data loader module 153 compresses the array d [j] [i] into a predetermined format (S267). Specifically, the data compression unit 205 compresses the arrays d [j] [0] to d [j] [3599] into a predetermined format.
  • a compression format zip, lzh, gzip, bzip2, etc. can be considered.
  • the data loader module 153 stores the compressed data in the DAT table 208 (S268). Specifically, the data insertion unit 206 sets id [i] generated in S253 to the ID column 2082, csv [0] set in S262 to the Datetime column 2081, and sets the maximum value extracted in S266 to DAT. The minimum value extracted in S266 is stored in the MinVal column 2085, and the data compressed in S267 is stored in the CDATA 2083 in the MaxVal column 2084 of the table 208.
  • the data loader module 153 determines whether or not the processing has been completed for all the sensors 100 (S269).
  • the data loader module 153 returns to S266 and executes the same processing.
  • the data loader module 153 ends the processing.
  • FIG. 6 is a block diagram illustrating the data search module 157 in the present embodiment.
  • the data search module 157 issues an SQL to the database 154 based on the input query 155, generates a search result based on a response to the issued SQL, and outputs the generated search result to the search result file 156. To do.
  • the data search module 157 includes a query analysis unit 300, an SQL generation unit 301, a feature value search SQL generation unit 302, a CQL generation unit 303, a DB search unit 304, a data decompression / sorting processing unit 305, a stream data processing unit 306, A cutout processing unit 307 and a data output unit 308 are provided.
  • the query analysis unit 300 analyzes the input query 155 and outputs the content of the query 155 as a global variable 309.
  • the global variable 309 is stored in a storage area such as the memory 122, and includes an SQL generation unit 301, a feature value search SQL generation unit 302, a CQL generation unit 303, a DB search unit 304, a data decompression / sorting processing unit 305, Each unit of the stream data processing unit 306, the cutout processing unit 307, and the data output unit 308 can be referred to.
  • the SQL generation unit 301 generates an SQL 310 for searching the database 154 based on the global variable 309 that is an analysis result of the query analysis unit 300, and outputs the generated SQL 310 to the DB search unit 304.
  • the feature value search SQL generation unit 302 Based on the global variable 309 that is the analysis result of the query analysis unit 300, the feature value search SQL generation unit 302 generates a SQL 310 for searching the database 154 using the feature value, and performs a DB search for the generated SQL 310. Output to the unit 304.
  • the CQL generation unit 303 generates a CQL 311 for executing stream data processing based on the global variable 309 that is the analysis result of the query analysis unit 300, and outputs the generated CQL 311 to the stream data processing unit 306.
  • the DB search unit 304 issues the SQL 310 generated by the SQL generation unit 301 or the feature value search SQL generation unit 302 to the database 154.
  • the DB search unit 304 outputs the execution result of the SQL 310, that is, the data search result to the file A312. Note that the data output to the file A 312 is compressed data.
  • the data decompressing / sorting processing unit 305 reads the file A 312, decompresses the compressed data, and sorts the decompressed data based on a predetermined condition.
  • the data decompressing / sorting processing unit 305 outputs the processed data to the file B313.
  • the stream data processing unit 306 reads the file B 313 as input data based on the CQL 311 generated by the CQL generation unit 303, and executes stream data processing on each read data.
  • the stream data processing unit 306 outputs the processed data to the file C314.
  • the cutout processing unit 307 extracts data that matches a predetermined condition from the file C314.
  • the cutout processing unit 307 outputs the data extracted to the file D315.
  • the data output unit 308 generates an output result using the data stored in the file D315, and outputs the generated output result as a search result file 156.
  • FIG. 7 is an explanatory diagram showing an example of the structure of data output by the data search module 157 in the present embodiment.
  • Data structure 1 is a data structure of data (packet) stored in file A312.
  • File A 312 stores a plurality of packets.
  • the data structure 1 (340) includes datetime 3401, idx3402, zlen3403, and zblk3404.
  • Datetime 3401 represents time such as date and time, and corresponds to the Datetime column 2081 of the DAT table 208.
  • the data length of datetime 3401 is 8 bytes.
  • Idx3402 represents a sensor identification number for identifying the sensor 100.
  • the arrangement order of the sensors described in the input_item clause of the query example 1 is assigned as a sensor identification number.
  • the data length of idx3402 is 4 bytes.
  • Zlen 3403 represents the block length of the compressed data, and in this embodiment, the data length is 4 bytes.
  • Zblk 3404 represents compressed data. Specifically, the compressed data itself. In the present embodiment, the data length of zblk 3404 is nbytes.
  • Data structure 2 (341) is a data structure of data (binary) stored in the file B313, the file C314, and the file D315.
  • Datetime 3411 represents time such as date and time.
  • the data length of datetime 3411 is 8 bytes.
  • Valn 3412 represents the number of data 3413, and in this embodiment, the data length is 8 bytes.
  • the data 3413 represents values calculated by the data decompression / sorting processing unit 305, the stream data processing unit 306, and the cut-out processing unit 307, and in this embodiment, the data length is 4 bytes, respectively.
  • Data structure 3 (342) is a data structure of data stored in the search result file 156.
  • Data structure 3 (342) stores the time such as date and time, and the value of each sensor 100.
  • 8A and 8B are explanatory diagrams illustrating examples of the query 155, the SQL 310, and the CQL 311 in the present embodiment.
  • Query example 1 (350) and query example 2 (351) are examples of the query 155.
  • Query example 1 (350) is a query 155 when stream data processing is executed.
  • Query example 1 (350) extracts the data satisfying the conditions specified in the where_timerrange clause and the where_condition clause for the data of the sensor 100 whose sensor names are “Sensor1” and “Sensor2”, and further extracted. Indicates that data is stored in “result.csv”.
  • Query example 2 is a query 155 when stream data processing is not executed.
  • Query example 2 (351) extracts the data of the time interval specified in the where_timerrange clause from the data of the sensors 100 whose sensor names are “Sensor1”, “Sensor2”, and “Sensor3”. Is stored in “result.csv”.
  • the SQL example 1 (352) is an example of the SQL 310 generated by the SQL generation unit 301 when the query example 1 (350) is input. A method for generating the SQL 310 will be described later with reference to FIGS. 11A and 11B.
  • CQL example 1 (353) is an example of CQL 311 generated by the CQL generation unit 303 when query example 1 (350) is input.
  • a method for generating CQL 311 will be described later with reference to FIGS. 12A and 12B.
  • FIG. 9 is a flowchart for explaining an overview of processing executed by the data search module 157 of this embodiment.
  • the data search module 157 receives an input of the query 155 from the data display terminal 106 and starts processing.
  • the data search module 157 analyzes the input query 155 (S320). Specifically, the query analysis unit 300 analyzes the input query 155.
  • the data search module 157 determines whether or not the input query 155 is a query requesting execution of a feature value search (S321). Specifically, the query analysis unit 300 determines whether the input query 155 includes a meta_search phrase. When the meta_search phrase is included in the input query 155, it is determined that the input query 155 is a query that requests execution of a feature value search. An example of the query 155 including a meta_search phrase will be described later with reference to FIG.
  • the data search module 157 When it is determined that the input query 155 is not a query requesting execution of feature value search, the data search module 157 generates an SQL 310 (S322). Specifically, the SQL generation unit 301 generates an SQL 310, and proceeds to S324.
  • the data search module 157 When it is determined that the input query 155 is a query requesting execution of feature value search, the data search module 157 generates a SQL 310 for feature value search (S323). Specifically, the feature value search-use SQL generation unit 302 generates a feature value search-use SQL 310, and the process proceeds to S324.
  • the data search module 157 determines whether or not to execute stream data processing (S324). Specifically, the query analysis unit 300 determines whether the input query 155 includes a select_items phrase. If the input query 155 includes a select_items phrase, it is determined that stream data processing is to be executed.
  • the data search module 157 searches the database 154 based on the SQL 310 generated by the SQL generation unit 301 or the feature value search SQL generation unit 302 (S325). Specifically, the DB search unit 304 searches the database 154 based on the SQL 310 generated by the SQL generation unit 301 or the feature value search SQL generation unit 302, and outputs the searched compressed data to the file A312.
  • the data search module 157 decompresses the compressed data stored in the file A 312 and rearranges the decompressed data (S326). Specifically, the data decompression / reordering processing unit 305 decompresses the compressed data stored in the file A, rearranges the decompressed data and outputs it to the file B, and the process proceeds to S332.
  • the data search module 157 If it is determined in S324 that the stream data processing is to be executed, the data search module 157 generates the CQL 311 (S327). Specifically, the CQL generation unit 303 generates the CQL 311.
  • the data search module 157 searches the database 154 based on the SQL 310 generated by the SQL generation unit 301 or the feature value search SQL generation unit 302 (S328).
  • the data search module 157 decompresses the compressed data stored in the file A 312 and rearranges the decompressed data (S329). This process is the same process as S326.
  • the data search module 157 executes stream data processing based on the CQL 311 generated by the CQL generation unit 303 (S330). Specifically, the stream data processing unit 306 executes stream data processing based on the CQL 311 generated by the CQL generation unit 303, and outputs the execution result to the file C314.
  • the data search module 157 cuts out data to be output from the data stored in the file C314 (S331). Specifically, the cutout processing unit 307 cuts out data to be output from the data stored in the file C314, outputs the cutout data to the file D315, and proceeds to S332.
  • the data search module 157 converts the data stored in the file B or the file D315 into output data for display on the data display terminal 106, and outputs the output data to the search result file 156 (S332), and ends the processing.
  • FIG. 10A is an explanatory diagram showing a character string cut out by the query analysis unit 300 in the present embodiment.
  • the character cutout portion 360 represents a character string cut out from the input query 155.
  • the query analysis unit 300 holds a character cutout portion 360 that is a template for specifying a cutout keyword.
  • the keyword represents “input_items:”, “select_items”, and the like.
  • a character string below the keyword “input_items:” is extracted from the input query 155, and the extracted character string is stored in the variable “$ input”.
  • FIG. 10B is a flowchart illustrating an example of a query analysis process executed by the query analysis unit 300 according to this embodiment.
  • the query analysis unit 300 receives an input of the query 155 and starts processing.
  • the query analysis unit 300 initializes variables (S361). Specifically, the query analysis unit 300 sets “1” to “$ range”, “$ cond”, and “$ step”, and sets “0” to “$ prev” and “$ post”. In addition, the query analysis unit 300 performs null initialization for “$ input”, “$ select”, “$ start”, “$ end”, “$ file”, and “$ meta”.
  • the query analysis unit 300 cuts out a character string from the input query 155 based on the character cutout portion 360, and stores the cutout character string in each variable (S362).
  • the query analysis unit 300 cuts out character strings from nine phrases included in the query 155, and converts the cut character strings into variables “$ input”, “$ range”, “$ select”, Stored in “$ start”, “$ end”, “$ cond”, “$ prev”, “$ post”, “$ step”, “$ file”, and “$ meta”.
  • the query analysis unit 300 calculates the number of elements included in the variables “$ input” and “$ select” (S363).
  • the query analysis unit 300 counts the number of elements separated by “, (comma)” in the character strings included in the variables “$ input” and “$ select”, respectively. Calculate the number. Further, the query analysis unit 300 assigns the number of elements included in the variable “$ input” to the variable “$ inum”, and stores the number of elements included in the variable “$ select” in the variable “$ snum”.
  • the query analysis unit 300 outputs each variable as a global variable 309 (S364), and ends the process.
  • FIG. 11A is an explanatory diagram showing an SQL template for generating the SQL 310 in the present embodiment.
  • the SQL template 370 is a template for generating the SQL 310, and is held by the SQL generation unit 301.
  • a time (Datetime) and a sensor name are obtained from a table in which both the SID table 207 and the DAT table 208 are equivalently joined (join operation) with the values shown in the respective ID columns (2072, 2082).
  • SID.Name and compressed data (DAT.CDATA) indicate that the SQL is searched based on a predetermined condition.
  • the predetermined condition is defined below the where clause. That is, SQL is defined for rearranging data in order of time and acquiring data that matches the specified sensor name and the specified time interval.
  • the SQL generation unit 301 uses the global variable 309 to generate the SQL 310 by substituting necessary data into the portions indicated by bold characters and underlined portions of the SQL template 370. Specifically, the SQL generation unit 301 generates “$ db_input”, “$ db_start”, and “$ db_end”, and substitutes the generated data into the SQL template 370.
  • FIG. 11B is a flowchart illustrating an example of processing executed by the SQL generation unit 301 of the present embodiment.
  • the SQL generation unit 301 generates “$ db_input”, “$ db_start”, and “$ db_end” using the global variable 309 (S371).
  • the SQL generation unit 301 generates an SQL 310 (S372) and ends the process.
  • the SQL generation unit 301 generates the SQL 310 by substituting the generated “$ db_input”, “$ db_start”, and “$ db_end” into the SQL template 370.
  • FIG. 12A is an explanatory diagram showing a CQL template for generating the CQL 311 in the present embodiment.
  • the CQL template 380 is a template for generating the CQL 311 and is held by the CQL generation unit 303.
  • the CQL generation unit 303 uses the global variable 309 to generate CQL 311 by substituting necessary data for the portions indicated by bold characters and underlined portions of the CQL template 380.
  • the CQL generation unit 303 generates “$ cql_input”, “$ cql_select”, “$ range”, “$ cql_label”, and “$ cond”, and substitutes the generated data into the CQL template 380. To do.
  • FIG. 12B is a flowchart illustrating processing executed by the CQL generation unit 303 in the present embodiment.
  • the CQL generating unit 303 generates “$ cql_input” using the global variable 309 (S381). Specifically, the following two processes are executed.
  • the CQL generation unit 303 executes $ input decomposition processing 385 using “$ input” included in the global variable 309. That is, the CQL generation unit 303 breaks down “$ input” into a plurality of “$ input_item”. This is a process for acquiring individual sensor names from “$ input” including a plurality of sensor names.
  • the CQL generation unit 303 executes $ cql_input generation processing 386 using “$ input_item”.
  • the CQL generation unit 303 generates “$ cql_input” using “$ input_item” as shown on the right side of the $ cql_input generation processing 386.
  • the CQL generation unit 303 generates “$ cql_select” using the global variable 309 (S382). Specifically, the following two processes are executed.
  • the CQL generation unit 303 executes $ select decomposition processing 387 using “$ select” included in the global variable 309. This is a process for decomposing elements included in $ select.
  • the CQL generation unit 303 acquires “$ func1” or “$ func2” and “$ label” by executing the $ select decomposition process 387.
  • the CQL generation unit 303 executes $ cql_select generation processing 388 using “$ func1” or “$ func2” and “$ label” to generate “$ cql_select”.
  • $ func1 is an aggregation function, which can describe moving average (avg), variance, maximum value, minimum value, and the like.
  • an aggregate function such as avg and a signal name such as “Sensor1” cannot be mixed and handled. Therefore, it is necessary to convert an element including “$ select” into an aggregate function using the last () function. For example, the character string “'Sensor1' as LABEL” is converted to “last ('Sensor1') as LABEL” and an aggregate function.
  • the CQL generation unit 303 generates “$ cql_label” using the global variable 309 (S383). Specifically, the CQL generation unit 303 generates “$ cql_label” by executing $ cql_label generation processing 389 using “$ label”.
  • the CQL generating unit 303 adds “$ cql_input”, “$ cql_select”, “$ cql_label” generated in S381 to S383, and “$ range” and “$ cond” included in the global variable 309 to the CQL template 380. By substituting, CQL 311 is generated (S384).
  • the data search module 157 can simultaneously generate the SQL 310 and the CQL 311 based on the input query 155.
  • FIG. 13 is a flowchart for explaining an example of the SQL process executed by the DB search unit of this embodiment.
  • the DB search unit 304 generates an array KEY [0] to KEY [$ inum-1] using “$ input” included in the global variable 309 (S400).
  • the DB search unit 304 executes the $ signal extraction process 407 using “$ input”. As a result, “$ inum” pieces of “$ signal” are extracted.
  • the DB search unit 304 stores each extracted “$ signal” in the array KEY [0] to KEY [$ inum ⁇ 1]. Through the above processing, arrays KEY [0] to KEY [$ inum-1] are generated.
  • the DB search unit 304 generates a hash array hash using the generated arrays KEY [0] to KEY [$ inum-1] (S401).
  • the DB search unit 304 issues an SQL 310 to the database 154, and the database 154 executes the SQL 310 (S402). As a result, data that matches the condition specified in the issued SQL 310 can be acquired as an execution result.
  • the DB search unit 304 extracts one line of data from the acquired execution result, and acquires a time (Datetime) such as date and time, a sensor name (Name), and compressed data (CDATA) from the extracted data ( S403). Note that the extracted data for one row is compressed data for one hour of one sensor.
  • a time such as date and time
  • a sensor name such as date and time
  • CDATA compressed data
  • the DB search unit 304 determines whether or not the data for one line extracted from the execution result is empty (S404). That is, it is determined whether or not processing has been completed for all execution results.
  • the DB search unit 304 ends the process.
  • the DB search unit 304 When it is determined that the data for one line extracted from the execution result is not empty, the DB search unit 304 generates a packet shown in the data structure 1 (340) (S405).
  • the DB search unit 304 is obtained from the hash array hash using the time (Datetime) such as date and time included in the retrieved data for one row as the datetime 3401 and the sensor name (Name) as the key.
  • the value is stored in idx3402
  • the compressed data (CDATA) is stored in zblk 3404
  • the size of the compressed data (CDATA) is stored in zlen3403.
  • the DB search unit 304 outputs the generated packet to the file A 312 (S406), returns to S403, and executes the processes of S403 to S406.
  • FIGS. 14A and 14B are flowcharts for explaining an example of processing executed by the data decompression / sorting processing unit 305 of this embodiment.
  • the data decompression / sorting processing unit 305 defines a data [3600] [$ inum] array, a buffer array, and a blk array (S450). In this embodiment, since one piece of compressed data stores 3 hours of data for one sensor 100, a data [3600] [$ inum] array is defined.
  • the data decompression / sorting processing unit 305 determines whether “$ snum” included in the global variable 309 is “0” (S451). Thereby, it is determined whether or not the stream data processing is executed. That is, as shown in query example 2 (351) in FIG. 8A, when the select_items phrase is not included in the query 155, “$ snum” is “0”, and therefore it is determined that the stream data processing is not executed.
  • the data decompression / sorting processing unit 305 determines the file to output the processing result as the file B313 (S452), and proceeds to S434.
  • the data decompressing / sorting processing unit 305 determines the file D315 to be output as a processing result (S453), and proceeds to S434.
  • the data decompression / sorting processing unit 305 initializes the data [3600] [$ inum] array and time (S454). Specifically, the data decompression / sorting processing unit 305 initializes data [3600] [$ inum] using a NaN (Not a Number) value, and initializes a variable last indicating time to “0”. Turn into. In the present embodiment, the NaN value is used when initializing the array data. However, any value may be used as long as it does not overlap with a numerical value.
  • the data decompression / sorting processing unit 305 takes out one packet shown in the data structure 1 (340) (S455). Specifically, the data decompressing / sorting processing unit 305 takes out the packet from the buffer. If there is no packet in the buffer, the packet is extracted from the file A312. At the time of the first processing, since no packet is stored in the buffer, the packet is extracted from the file A312.
  • the data decompressing / sorting processing unit 305 determines whether or not the extracted packet is empty (S456). That is, it is determined whether or not data to be processed is included in the extracted packet.
  • the data decompressing / sorting processing unit 305 extracts data from the packet (S457). Specifically, the data decompression / sorting processing unit 305 extracts datetime 3401, idx3402, zlen3403, and zblk3404 from the packet.
  • the data decompressing / sorting processing unit 305 determines whether or not the extracted packet is data within the processing time range in order to process the time-series data blocks at the same time in a lump (S458). Specifically, since lastdate holds datetime 3401 of the packet received last time, by comparing datetime 3401 of packet (340) received this time with lastet, the packet is within the processing time range. Whether or not the packet is within the time can be determined.
  • the data decompressing / sorting processing unit 305 decompresses the compressed data (S459). Specifically, the data decompressing / sorting processing unit 305 decompresses zblk 3404 included in the extracted packet, and stores the result in blk.
  • the data decompressing / sorting processing unit 305 stores the decompressed data in the array data (S460), returns to S455, and executes the processes of S455 to S460. Specifically, the data decompression / sorting processing unit 305 stores blk in the array data. The data decompression / sorting processing unit 305 stores datetime 3401 in the latest.
  • the data decompressing / sorting processing unit 305 extracts the packet. The packet is written back to the buffer (S461).
  • the data decompressing / sorting processing unit 305 sets the variable i indicating the number of loops to “0”, and repeatedly executes processing 463 and processing 464 for each hour of data in the packet (S462). That is, the process is repeatedly executed until the variable i becomes larger than “3600”.
  • the data decompression / sorting processing unit 305 generates an output result (S463). That is, the data decompressing / sorting processing unit 305 generates data as shown in the data structure 2 (341).
  • the data decompressing / sorting processing unit 305 outputs the generated output result to the file B313 or the file D315 (S464).
  • the data decompression / sorting processing unit 305 determines whether or not the processing of the packet for one hour has been completed (S465). That is, it is determined whether or not the variable i is larger than “3600”. When the variable i is less than “3600”, it is determined that the processing of the packet for one hour has not been completed.
  • the data decompression / sorting processing unit 305 returns to S462 and performs the processing of S462 to S466. Execute.
  • the data decompression / sorting processing unit 305 processes all the packets stored in the file A 312. It is determined whether or not the process has ended (S466).
  • the data decompressing / sorting processing unit 305 returns to S454 and executes the processing of S454 to S466.
  • the data decompressing / sorting processing unit 305 ends the processing.
  • FIG. 15 is an explanatory diagram showing a configuration example of the stream data processing unit 306 in the present embodiment.
  • the stream data processing unit 306 includes an input control unit 500, an input queue 501, a stream data processing engine 502, a user-defined function 503, an output queue 504, and an output control unit 505.
  • the input control unit 500 performs input control. Specifically, the input control unit 500 receives data input from the file B 313 and outputs the received data to the input queue 501.
  • the input queue 501 stores data input to the input control unit 500.
  • the stream data processing engine 502 extracts data from the input queue 501, analyzes the information extracted based on the CQL 311, and outputs the analysis result to the output queue 504.
  • the user-defined function 503 stores the definition of the calculation method of the function used in the CQL 311. Details of the user-defined function 503 will be described later with reference to FIG.
  • the output queue 504 stores the analysis result input from the stream data processing engine 502.
  • the output control unit 505 executes output control. Specifically, the output control unit 505 reads the analysis result from the output queue 504 and outputs the analysis result to the file C.
  • data in which the valn 3412 stored in the file B 313 is “$ inum”, that is, data in which values for “$ inum” sensors 100 are stored is transferred from the file B 313 to the stream data processing unit 306. Is input.
  • the stream data processing unit 306 outputs the result of executing the processing based on the CQL 311 to the file C314.
  • val [0] to val [$ snum ⁇ 1] of the data 3413 are represented by the select_items clause of the query 155.
  • the specified processing result is stored, and val [$ snum] in the data 3413 stores the processing result for the condition specified by the where_condition clause of the query 155.
  • val [$ snum] when the condition specified in the where_condition clause is met. If the condition specified in the where_condition clause does not match, “0” is stored in val [$ snum].
  • the value stored in val [$ snum] is used as a flag for the cutout processing unit 307 described later to determine the cutout range 552 (see FIG. 19).
  • the data 3413 of the data stored in the file C 314 contains “$ snum + 1”. ”Values are included.
  • FIG. 16 is an explanatory diagram illustrating an example of the user-defined function 503 according to the present embodiment.
  • the user-defined function 503 includes an identification number 5031, a function name 5032, an operation description 5033, and a remark 5034.
  • the identification number 5031 is an identifier for uniquely identifying a function included in the user-defined function 503.
  • a function name 5032 is a name of a function included in the CQL 311.
  • the operation description 5033 is the operation content of the function corresponding to the function name 5032.
  • Remarks 5034 is additional information about the function corresponding to the function name 5032.
  • the functions having identification numbers 5031 of “1” to “7” are functions for extracting data in which “LABEL” and “num” satisfy the relationship shown in the operation description 5033.
  • the identification numbers 5031 “8” and “9” are functions for extracting data within a predetermined section indicated by the operation description 5033 for “LABEL”.
  • the identification numbers 5031 “10” to “12” are functions for executing the logical operation shown in the operation description 5033.
  • FIG. 17 is an explanatory diagram illustrating an example of data of a predetermined section extracted by a function included in the user-defined function 503 of the present embodiment.
  • PositiveThreshold indicates data of a predetermined section extracted by a function whose identification number 5031 is “8”. As shown in the operation description 5033 of FIG. 17, in PositiveThreshold, data of a section until the value of “LABEL” becomes “num1” or more and the value of “LABEL” becomes smaller than “num2” is extracted.
  • NegativeThreshold indicates data of a predetermined section extracted by a function having an identification number 5031 of “9”. As shown in the operation description 5033 of FIG. 17, in Negative Threshold, data of a section until “LABEL” becomes “num1” or less and “LABEL” becomes larger than “num2” is extracted.
  • FIG. 27 is a flowchart for explaining an example of processing executed by the stream data processing unit 306 of the present embodiment.
  • the stream data processing unit 306 reads the CQL (S900), and further sets the variable running to “1” (S901).
  • the stream data processing unit 306 activates an input control thread and an output control thread (S902, S903).
  • the input control unit 500 and the output control unit 505 start processing.
  • the processing executed by the input control unit 500 will be described later with reference to FIG.
  • the processing executed by the output control unit 505 will be described later with reference to FIG.
  • the stream data processing unit 306 determines whether or not there is an empty space in the output queue 504 (S904).
  • the stream data processing unit 306 continues to wait until there is space in the output queue 504 (S905).
  • the stream data processing unit 306 determines whether data is stored in the input queue 501 (S906).
  • the stream data processing unit 306 acquires data from the input queue 501 (S907).
  • the stream data processing unit 306 processes the data acquired based on the CQL (S908). Specifically, the stream data processing engine 502 executes CQL.
  • the stream data processing unit 306 stores the CQL execution result in the output queue 504 (S909), returns to S904, and executes the same processing.
  • the stream data processing unit 306 determines whether or not the variable running is “1” (S911).
  • the stream data processing unit 306 enters a waiting state for processing (S910), returns to S906, and executes the same processing.
  • the stream data processing unit 306 determines whether data is stored in the output queue 504 (S912).
  • the stream data processing unit 306 continues to wait until data is stored in the output queue 504 (S913).
  • the stream data processing unit 306 stops the input control thread and the output control thread (S914, S915), and ends the process. Thereby, the processes of the input control unit 500 and the output control unit 505 are completed.
  • FIG. 28 is a flowchart illustrating an example of processing executed by the input control unit 500 of this embodiment.
  • the input control unit 500 determines whether or not the input queue 501 is empty (S922).
  • the input control unit 500 continues to wait until there is space in the input queue 501 (S921).
  • the input control unit 500 determines whether data exists in the file B 313 (S923).
  • the input control unit 500 sets the variable running to “0” (S926), and ends the process (S927).
  • the input control unit 500 acquires data from the file B313 (S924), stores the acquired data in the input queue 501 (S925), returns to S922, and performs similar processing. Execute.
  • FIG. 29 is a flowchart illustrating an example of processing executed by the output control unit 505 of the present embodiment.
  • the output control unit 505 determines whether data exists in the output queue 504 (S931).
  • the output control unit 505 continues to wait until data is stored in the output queue 504 (S932).
  • the output control unit 505 acquires data from the output queue 504 (S933), and stores the acquired data in the file C314 (S934).
  • the output control unit 505 then returns to S931 and executes the same processing.
  • FIG. 18A is a flowchart for explaining an example of processing executed by the cutout processing unit 307 of this embodiment.
  • the cutout processing unit 307 starts processing after the processing of the stream data processing unit 306 is completed.
  • the cut-out processing unit 307 executes initialization of the variable prev_cnt, the variable post_cnt, and the variable latest, generation and initialization of the FIFO buffer, and definition and initialization of the data buffer (S570).
  • the cutout processing unit 307 initializes the variable prev_cnt and the variable post_cnt to “0”. In addition, the cutout processing unit 307 initializes the variable “latest” as “$ start ⁇ $ prev ⁇ 1”. In addition, the cutout processing unit 307 generates a ($ prev + 1) stage FIFO buffer, and initializes the generated FIFO buffer to “0”. Note that the variable prev_cnt and the variable post_cnt are variables used in a clipping process described later.
  • the cutout processing unit 307 reads one piece of data from the file C314 and stores it in data (S571). Note that the file C 314 stores a plurality of data structure 2 (341) data corresponding to one line as a result of the operation of the select_items phrase.
  • the cutout processing unit 307 determines whether or not the data read from the file C314 is terminal data stored in the file C314 (S572). For example, this can be done by determining whether the datetime 3411 of the read data is the same as “$ end” included in the global variable 309.
  • the cutout processing unit 307 sets the variable diff to “datetime ⁇ , using the datetime 3411 and the variable“ latest ”included in the data. “latest” is set (S573), and the process proceeds to S575.
  • the cutout processing unit 307 sets the variable diff to “$ prev + 1” (S574), and proceeds to S575. .
  • the cutout processing unit 307 substitutes the value set in the variable diff for the variable i, and repeatedly executes the process until the variable i becomes smaller than “0” (S575).
  • the cutout processing unit 307 determines whether or not the variable i is “1” (S576).
  • the cutout processing unit 307 If it is determined that the variable i is not “1”, the cutout processing unit 307 generates dummy data (hereinafter also referred to as insertion data) to be inserted into the FIFO buffer (S577), and the process proceeds to S580.
  • dummy data hereinafter also referred to as insertion data
  • insertion data as shown in data structure 2 (341) is generated.
  • “latest + 1” is set in the datetime 3411 of the insertion data
  • “$ snum + 1” is set in the valn 3412.
  • a value (NaN) indicating empty data is set in val [0] to [$ snum-1] of the data 3413 of the insertion data, and “0” is set in val [$ snum].
  • the cut-out processing unit 307 determines whether the data (indate) read from the file C314 is the terminal data stored in the file C314. (S578). For this determination, the same method as in S572 is used.
  • the cutout processing unit 307 ends the process.
  • the cutout processing unit 307 When it is determined that the data read from the file C314 is not the terminal data stored in the file C314, the cutout processing unit 307 generates input data (S579), and proceeds to S580. Specifically, the cutout processing unit 307 sets the value stored in the data to the setting of input data.
  • the cutout processing unit 307 executes cutout processing using the input data (S580). Details of the cut-out process will be described later with reference to FIG. 18B.
  • the cutout processing unit 307 determines whether or not to repeatedly execute the process (S581, S575). That is, the cutout processing unit 307 determines whether or not to continue the for statement loop in S575. Specifically, the variable i is decremented and it is determined whether or not “i> 0”. When the determination result is true, it is determined that the process is repeatedly executed.
  • the cutout processing unit 307 returns to S575 and executes the same process (S575 to S581).
  • the cutout processing unit 307 returns to S571 and executes the same process (S571 to S581).
  • FIG. 18B is a flowchart for explaining the details of the cut-out process of the present embodiment.
  • the cutout processing unit 307 sets the datetime of the insertion data to the variable latest (S582).
  • the cut-out processing unit 307 inputs one insertion data to the FIFO buffer and outputs one data from the FIFO buffer (S583).
  • data output from the FIFO buffer is also referred to as output data.
  • the cutout processing unit 307 determines whether or not val [$ snum] of the input insertion data is “1” (S584).
  • the cut-out processing unit 307 adds “1” to the value of the variable prev_cnt (S585), and proceeds to S586.
  • the cutout processing unit 307 determines whether or not val [$ snum] of the output data that is output is “1” (S586).
  • the cut-out processing unit 307 subtracts “1” from the value of the variable prev_cnt (S587), and proceeds to S588.
  • the cutout processing unit 307 executes a cutout condition determination process based on the variable prev_cnt, the variable post_cnt, and the value of val [$ snum] of the input insertion data (S588). Specifically, the following determination process is executed.
  • the cutout processing unit 307 executes three determination processes.
  • the cutout processing unit 307 determines whether or not the value of the variable prev_cnt is greater than “0”. Hereinafter, this determination is referred to as a cutout condition (1).
  • the cutout processing unit 307 determines whether or not the value of val [$ snum] of the output data that is output is “1”. Hereinafter, this determination is referred to as a cutout condition (2).
  • the cutout processing unit 307 determines whether or not the value of the variable post_cnt is greater than “0”. Hereinafter, this determination is referred to as a cutout condition (3).
  • the cutout processing unit 307 determines whether or not at least one of the cutout conditions (1), (2), and (3) is satisfied based on the execution result of the cutout condition determination process (S589).
  • the cutout processing unit 307 finishes the cutout processing S580 and proceeds to S581.
  • the cutout processing unit 307 selects the cutout conditions (1) or (2) based on the execution result of the cutout condition determination process. It is determined whether or not at least one of the above is satisfied (S590).
  • the cutout processing unit 307 sets the value of “$ post” to the variable post_cnt (S591), and proceeds to S593.
  • the cutout processing unit 307 subtracts “1” from the variable post_cnt (S592), and proceeds to S593.
  • the cutout processing unit 307 outputs the fout data to the file D315 (S593), finishes the cutout processing S580, and proceeds to S581.
  • the file D315 stores an output result to which an offset before and after including data that satisfies the condition specified by the where_condition clause of the query 155 is added.
  • the cutout processing unit 307 satisfies a flag indicating that the cutout condition (1) is satisfied, a flag indicating that the cutout condition (2) is satisfied, and satisfying the cutout condition (3).
  • a flag is assigned to each inserted data. Further, the cutout processing unit 307 determines each cutout condition based on the flag.
  • FIG. 19 is an explanatory diagram illustrating an example of an output result output by the cutout processing unit 307 of the present embodiment.
  • the cutout processing unit 307 When query example 3 (550) is input, the cutout processing unit 307 outputs a result as shown in the output result 551.
  • LABEL is “L1” and the value of Sensor1 is “100” or more
  • the condition establishment range 554 the cutout range 552 including the front offset 553 and the rear offset 555, or the condition satisfaction range 554,
  • a cutout range 552 including a front offset 553, a rear offset 555, and a combined offset 556 is output.
  • the combined offset 556 is obtained by combining portions where the front offset 553 and the rear offset 555 overlap as one offset.
  • the output result is generated based on the flag assigned in S589 of FIG. That is, the insertion data to which any one of the clipping conditions (1) to (3) is attached is output as the clipping range 552. Specifically, it is as follows.
  • the insertion data to which the flag of the cutout condition (2) is added is output as data included in the condition establishment range 554 in the cutout range 552.
  • the insertion data to which the flag of the cutout condition (1) is assigned is output as data included in the forward offset 553 in the cutout range 552.
  • the insertion data to which the flag of the cutout condition (3) is assigned is output as data included in the rear offset 555 in the cutout range 552.
  • the cutout processing unit 307 cuts out insertion data that matches the respective cutout conditions (1) to (3), rearranges the cutout data in time order (sorts), and outputs the data.
  • the insertion data to which two or more flags of any one of the extraction conditions (1) to (3) are added is output as the extraction range 552 including the combined offset 556.
  • FIG. 20 is a flowchart illustrating an example of processing executed by the data output unit 308 according to the embodiment of this invention.
  • the data output unit 308 defines a tmp buffer (S605).
  • the data output unit 308 reads data from the file D315 and stores the read data in tmp (S600).
  • the data to be read is data as shown in the data structure 2 (341) corresponding to one line as a result of the operation of the select_items clause.
  • the data output unit 308 refers to the datetime 3411 of the read data and executes a search result extraction process (S601). Specifically, the following two processes are executed.
  • the data output unit 308 determines whether or not the value stored in the datetime 3411 is included in the time range specified in the where_timerange clause of the query 155. That is, it is determined whether or not the value stored in the datetime 3411 is not less than “$ start” and not more than “$ end”. Hereinafter, this determination is referred to as output condition (1).
  • the reason why the process of determining whether or not the output condition (1) is satisfied is that the data in the range searched by the SQL 310 is the data in a range wider than the time range specified in the query 155. It is. That is, as described with reference to FIG. 11B, “$ db_start” (see FIG. 11B) used when generating the SQL 310 also processes data at a time before “$ start”.
  • the data output unit 308 performs a thinning process. Specifically, it is determined whether or not the value stored in the datetime 3411 is a value specified in the step clause of the query 155, that is, the remainder obtained by dividing “$ step” is “0”. Hereinafter, this determination is referred to as an output condition (2). In the example shown in Query Example 1 (350), data every 5 seconds is output according to the output condition (2).
  • the data output unit 308 determines whether or not the output condition (1) and the output condition (2) are satisfied based on the result of the search result extraction process in S601 (S602).
  • the data output unit 308 proceeds to S604. That is, the data is not output.
  • the data output unit 308 executes a search result generation process (S603). Specifically, the data output unit 308 converts the data stored in the tmp into a CSV format as shown in the data structure 3 (342) and outputs it to the search result file 156.
  • the data output unit 308 determines whether or not processing has been completed for all data stored in the file D315 (S604).
  • compressed data compressed in an hour unit is searched, and in the data decompression / sorting process, the compressed data compressed in an hour unit is decompressed to generate data in one second unit. Thereafter, in the stream data process, the cutout process, and the output data generation process, the process is performed on the data in units of one second. In the output data generation process, data is processed in units of one second, but data is output in units specified by $ step.
  • FIG. 21 is an explanatory diagram showing an example of the query 155 and the SQL 310 when the feature value search process is executed in the present embodiment.
  • the feature value search SQL generation unit 302 When the data search module 157 receives a query 155 including a meta_search phrase, the feature value search SQL generation unit 302 generates an SQL example 4-1 (701) as shown in FIG. After 1 (701) is executed, SQL example 4-2 (702) is generated.
  • SQL example 4-1 (701) is an SQL for time cut-out, and is an SQL for extracting the time (Datetime) of data matching the feature value.
  • SQL example 4-2 (702) is an SQL for feature value search, and is an SQL for executing the search of the database 154 within the range of Datetime extracted by SQL example 4-1 (701).
  • the SQL example 4-2 (702) is the same SQL 310 as the SQL example 1 (352), but compared to the SQL example 1 (352), the SQL example 4-2 (702) is the SQL example 4-1 ( Since the search range is limited by the execution of 701), the search processing time can be greatly reduced.
  • the user does not necessarily need to specify the meta_search phrase.
  • threshold determination time-series data that exceeds a certain threshold is included in a packet set whose maximum value exceeds the threshold.
  • time-series data that falls below a certain threshold is included in a packet set whose minimum value falls below the threshold.
  • a meta_search phrase can be automatically generated. Specifically, in the query example 4 in FIG. 21, when a greeterthan phrase and a threshold are specified in the where_condition phrase, MaxVal> threshold is automatically given as a phrase in which the maximum value exceeds the threshold in the meta_search phrase.
  • MinVal ⁇ threshold is automatically given as a phrase in which the maximum value exceeds the threshold in the meta_search phrase.
  • Such query conversion rules may be registered in advance in the system, or may be registered later by the user.
  • FIG. 22 is an explanatory diagram showing an SQL template for generating an SQL 310 for feature value search in the present embodiment.
  • the feature value search SQL generating unit 302 holds a time cut-out SQL template 710 and a feature value search SQL template 711.
  • the time cut-out SQL template 710 is a template for generating the SQL 310 when executing the feature value search, and is an SQL for extracting the time of the compressed data including the data matching the feature value.
  • the time (Datetime) is searched based on a predetermined condition from a table obtained by combining the SID table 207 and the DAT table 208 in which the ID column 2072 and the ID column 2082 are the same. .
  • the predetermined condition is defined below the where clause. That is, it is defined that data is rearranged in order of time, and data that matches a specified sensor name, a specified feature value, and a specified time section is defined.
  • the feature value search SQL template 711 is a template for generating the SQL 310 when executing the feature value search.
  • the compressed data SQL for searching In the time range extracted by the SQL generated using the time cut-out SQL template 710, the compressed data SQL for searching.
  • the time (Datetime), the sensor name (SID.Name), and the compressed data (DAT) are obtained from a combination of the SID table 207 and the DAT table 208 in which the ID column 2072 and the ID column 2082 are the same.
  • .CDATA indicates that the SQL is to be searched based on a predetermined condition.
  • the predetermined condition is defined below the where clause. That is, it is defined that data is rearranged in order of time, and data that matches a specified sensor name and a specified time section is acquired.
  • FIG. 23 is a flowchart illustrating an example of processing executed by the feature value search SQL generation unit 302 of the present embodiment.
  • the feature value search SQL generating unit 302 generates “$ meta_signal” and “$ meta_cond” using the global variable 309 (S720). Specifically, the feature value search SQL generating unit 302 executes $ meta decomposition processing 730 using “$ meta” included in the global variable 309. That is, the feature value search SQL generating unit 302 breaks down “$ meta” into “$ meta_signal” and “$ meta_cond”.
  • the feature value search SQL generating unit 302 defines a work variable $ dt_tmp (S7201).
  • the feature value search SQL generator 302 generates a time cut-out SQL (S721).
  • the feature value search-use SQL generating unit 302 generates “time-cutting SQL” by substituting “$ meta_signal”, “$ meta_cond”, “$ meta_start”, and “$ meta_end” into the time-cutting SQL template 710. To do.
  • the feature value search SQL generation unit 302 issues a time cut-out SQL to the database 154 (S722).
  • the feature value search SQL generation unit 302 acquires the execution result from the database 154 that has executed the time cut-out SQL, and stores it in $ dt_tmp (S723). Specifically, time data that matches the conditions specified in the time cut-out SQL is acquired as an execution result and stored in $ dt_tmp.
  • the feature value search SQL generating unit 302 determines whether or not the data for one line stored in $ dt_tmp is null (S724). That is, it is determined whether or not processing has been completed for all execution results.
  • the feature value search SQL generation unit 302 stores the start time of the time-series data block in which the sensor data at time $ dt_tmp is stored, Then, end times, that is, “$ db_start” and “$ db_end” are calculated (S726).
  • the reason for adding “3599” is that in this embodiment, data is compressed and stored in the database in units of one hour.
  • the feature value search SQL generating unit 302 generates “$ db_dtset” using “$ db_start” and “$ db_end” calculated in S726 (S727), and returns to S723 to execute the same processing. Specifically, the feature value search SQL generation unit 302 executes $ db_dtset generation processing using “$ db_start” and “$ db_end”.
  • FIG. 24 is a flowchart illustrating a case where the processes executed by the data search module 157 are executed in parallel in the present embodiment.
  • the CPU 121 includes a plurality of cores, and as shown in FIG. 10, the processes 1 to 4 can be executed simultaneously with the execution of the DB search 3204.
  • S3200 to S3202 are the same processes as S320 to S323 and S327 of FIG.
  • the data search module 157 activates processes 1 to 4 (S3203), and executes each process in each process (S3204 to S3208).
  • data decompression / reordering processing is executed in process 1
  • stream data processing is executed in process 2
  • clipping processing is executed in process 3
  • output data generation processing is executed in process 4. .
  • the amount of data stored in the database can be reduced by storing the compressed data obtained by compressing the time series data in a predetermined time unit in the database. Also, by accepting one query, SQL for searching for compressed data and CQL for processing the decompressed data can be generated. Furthermore, by outputting a cutout range that combines the range that satisfies the conditions specified in CQL and the sections before and after the range, not only the location where the abnormality occurred, but also the time series data before and after the occurrence of the abnormality It is possible to output, and it becomes easy to trace for identifying an abnormal part and an abnormal cause.
  • the present invention can be applied to preventive maintenance of facilities in factories and plants that handle enormous amounts of data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

　プラント等の多数のセンサ情報を扱うシステムにおいて、データベースに格納されるデータ量を削減し、異常箇所及び異常原因の特定のための追跡を容易にすることを目的とする。　データベースを管理する計算機におけるデータベース管理方法であって、クエリを受け付けた場合に、計算機が、クエリを解析するステップと、クエリの解析結果に基づいて圧縮データを検索するための第１の問い合わせを生成するステップと、時系列データに対する検索を実行するための第２の問い合わせを生成するステップと、第２の問い合わせに対する応答結果に基づいて、取得された複数の時系列データから所定のデータを抽出するステップと、抽出された所定のデータからクライアント計算機に出力するためのデータを抽出し、出力結果を生成するステップと、を含むことを特徴とする。

Description

データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム
　本発明は、データ処理を行うための計算機システム及びそのデータ処理方法に係り、特に、工場やプラントにおける設備等の予防保全を目的にして収集される大量のデータを処理するに適した計算機システム及びそのデータ処理方法に関する。
　火力発電プラントでは、数千にも及ぶセンサが施設の様々な部位に取りつけられている。それらセンサは、秒単位、又は、ミリ秒単位で計測結果を常時発信し続けており、プラント生涯に渡って発信されるデータ量は数百～数十テラバイトと膨大なデータ量になると試算される。これら多年度にわたって日々刻々と送られてくるデータを管理するシステムでは、データベースに格納されるデータ量が膨大となるため、データベースのディスク容量の増加が課題となる。
　一方、プラントにおいて異常が発生した場合に、プラントの管理者は、当該データベースに格納されたセンサ情報を解析して異常が発生した原因を早急に特定する必要がある。しかし、異常値を示すセンサデータ（信号）をビューア等に表示しながら、問題発生の原因を絞り込むために、データベース上の膨大なデータに対して何度も検索クエリを発行する必要があり、異常原因の特定まで時間がかかる。
　これを解決する方法としては、例えば、特許文献１に記載されるように、センサ情報を圧縮してデータベースに格納することによって、ディスク容量の増加を解消することが可能である。また、異常原因の特定では、データベースに発行するクエリ数を削減することによって異常原因の特定が短時間で行える。
特開２００２－３５８１１７号公報
　しかし、前述した方法では、圧縮データを検索する場合、データを一旦何処かへ展開したのち、展開後のデータに対して検索を行う必要が生じるため検索速度が犠牲になるという問題があった。また、異常の原因を特定する場合に、センサ情報から異常箇所の検索のための検索クエリ、及び異常が発生した原因を特定するために異常箇所の追跡を行うための検索クエリを複数回発行する必要があった。したがって、発行されるクエリ数の増大と異常箇所の検索時間の増大という問題があった。
　本発明は、前述した問題点に鑑みてなされた発明である。すなわち、データベースに格納されるデータ量を削減し、大量のデータの中から所望とするデータを効率よく検索することを目的とする。
　本発明の代表的な一例を示せば以下の通りである。すなわち、プロセッサと、前記プロセッサに接続されるメモリとを備え、データベースを管理する計算機におけるデータベース管理方法であって、前記データベースは、所定の条件に基づいて圧縮された複数の圧縮データを格納し、前記データベース管理方法は、前記計算機に接続されるクライアント計算機から前記データベースへのクエリを受け付けた場合に、前記計算機が、前記受け付けたクエリを解析する第１のステップと、前記計算機が、前記受け付けたクエリの解析結果に基づいて、前記データベースから一つ以上の前記圧縮データを検索するための第１の問い合わせを生成する第２のステップと、前記計算機が、前記受け付けたクエリの解析結果に基づいて、前記第１の問い合わせの応答結果である前記一つ以上の圧縮データから取得される複数の時系列データに対する検索を実行するための第２の問い合わせを生成する第３のステップと、前記計算機が、前記データベースに前記第１の問い合わせを発行して、前記データベースから前記第１の問い合わせの応答結果として一つ以上の前記圧縮データを取得する第４のステップと、前記計算機が、前記第１の問い合わせに対する応答結果として取得された一つ以上の圧縮データを解凍することによって前記複数の時系列データを取得する第５のステップと、前記計算機が、前記取得された複数の時系列データに対して前記第２の問い合わせを実行する第６のステップと、前記計算機が、前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出する第７のステップと、前記計算機が、前記第７のステップにおいて抽出された所定のデータから前記クライアント計算機に出力するためのデータを抽出し、出力結果を生成する第８のステップと、を含むことを特徴とする。
　本発明によれば、実質的なデータを維持しつつデータベースに格納されるデータ量を削減し、また、大量なデータから所望とするデータを効率よく検索することができる。
本発明が適用されたセンサネットワークシステムの一実施形態における計算機システムの概要を説明するブロック図である。 本実施形態におけるセンタサーバのハードウェア構成を説明するブロック図である。 本実施形態におけるセンタネットワークシステムのソフトウェア構成を説明するブロック図である。 本実施形態におけるデータローダモジュール及びデータベースを説明するブロック図である。 本実施形態において、データローダモジュールによって実行される処理を説明するフローチャートである。 本実施形態において、データローダモジュールによって実行されるデータロード処理を説明するフローチャートである。 本実施形態において、データローダモジュールによって実行されるデータロード処理を説明するフローチャートである。 本実施形態におけるデータ検索モジュールを説明するブロック図である。 本実施形態において、データ検索モジュールによって出力されるデータの構造の一例を示す説明図である。 本実施形態におけるクエリ、ＳＱＬ及びＣＱＬの一例を示す説明図である 本実施形態におけるクエリ、ＳＱＬ及びＣＱＬの一例を示す説明図である。 データ検索モジュールによって実行される処理の概要を説明するフローチャートである。 本実施形態においてクエリ解析部によって切り出される文字列を示す説明図である。 本実施形態のクエリ解析部によって実行されるクエリ解析処理の一例を説明するフローチャートである。 本実施形態におけるＳＱＬを生成するためのＳＱＬテンプレートを示す説明図である。 本実施形態のＳＱＬ生成部によって実行される処理の一例を説明するフローチャートである。 本実施形態におけるＣＱＬを生成するためのＣＱＬテンプレートを示す説明図である。 本実施形態において、ＣＱＬ生成部によって実行される処理を説明するフローチャートである。 本実施形態のＤＢ検索部によって実行されるＳＱＬ処理の一例を説明するフローチャートである。 本実施形態のデータ解凍／並び替え処理部によって実行される処理の一例を説明するフローチャートである。 本実施形態のデータ解凍／並び替え処理部によって実行される処理の一例を説明するフローチャートである。 本実施形態におけるストリームデータ処理部の構成例を示す説明図である。 本実施形態のユーザ定義関数の一例を示す説明図である。 本実施形態のユーザ定義関数に含まれる関数によって抽出された所定の区間のデータの一例を示す説明図である。 本実施形態の切り出し処理部によって実行される処理の一例を説明するフローチャートである。 本実施形態の切り出し処理の詳細を説明するフローチャートである。 本実施形態の切り出し処理部によって出力される出力結果の一例を示す説明図である。 本発明の実施形態のデータ出力部によって実行される処理の一例を説明するフローチャートである。 本実施形態において、特徴値検索処理を実行する場合のクエリ及びＳＱＬの一例を示す説明図である。 本実施形態において、特徴値検索用のＳＱＬを生成するためのＳＱＬテンプレートを示す説明図である。 本実施形態の特徴値検索用ＳＱＬ生成部によって実行される処理の一例を説明するフローチャートである。 本実施形態において、データ検索モジュールによって実行される処理を並列に実行する場合を説明するフローチャートである。 本発明の実施形態の特徴値の種類と生成方法を説明する図である。 本発明の実施形態の時系列データブロックの時間幅を決定する方法を説明する図である。 本実施形態のストリームデータ処理部によって実行される処理の一例を説明するフローチャートである。 本実施形態の入力制御部によって実行される処理の一例を説明するフローチャートである。 本実施形態の出力制御部によって実行される処理の一例を説明するフローチャートである。
　図１は、本発明が適用されたセンサネットワークシステムの一実施形態における計算機システムの概要を説明するブロック図である。
　センサネットワークシステムは、プラント１０２、データセンタ１０５及びプラント監視サイト１０７を備え、ネットワーク１０３を介して互いに接続される。ネットワーク１０３としては、例えば、専用線やいわゆるインターネットなどの広域網、又は、ＬＡＮなどのローカルなネットワークを用いてよい。
　プラント１０２は、センサ１００及びデータ収集装置１０１を備える。センサ１００とデータ収集装置１０１とは互いに接続される。なお、接続方法は、直接接続してもよいし、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）又は無線ネットワーク等を介して接続されていてもよい。
　センサ１００は、各種データを検出する。なお、センサ１００は目的とするデータを検出するために様々な種類のセンサを含む。
　データ収集装置１０１は、センサ１００によって検出されたデータを収集し、ネットワーク１０３を介して、センサ１００から収集されたデータをデータセンタ１０５に送信する。データ収集装置１０１は、ＣＰＵ（図示省略）と、ＣＰＵに接続されるメモリ（図示省略）、ＣＰＵに接続されるネットワークインタフェース（図示省略）及び記憶媒体（図示省略）を備える。なお、データ収集装置１０１は、ディスプレイ又は入力装置等を備えてもよい。
　データセンタ１０５は、複数のプラント１０２のデータ収集装置１０１から送信されるデータを一元管理するセンタサーバ１０４を備える。
　センタサーバ１０４は、データ収集装置１０１から送信されたデータを格納する。またセンタサーバ１０４は、プラント監視サイト１０７等を介して管理者からの要求に基づいて、格納されたデータから所定のデータを取り出し、又は、取り出されたデータを解析して解析結果を出力する。
　センタサーバ１０４の具体的な装置構成については、図２を用いて後述する。
　プラント監視サイト１０７は、データセンタ１０５に各種問い合わせを行うためのデータ表示端末１０６を備える。
　データ表示端末１０６は、ネットワーク１０３を介して、センタサーバ１０４に格納されたデータを監視又は閲覧する。データ表示端末１０６は、ＣＰＵ（図示省略）と、ＣＰＵに接続されるメモリ（図示省略）、ＣＰＵに接続されるネットワークインタフェース（図示省略）、記憶媒体（図示省略）、表示装置（図示省略）及び入力装置（図示省略）を備える。
　図２は、本実施形態におけるセンタサーバ１０４のハードウェア構成を説明するブロック図である。
　センタサーバ１０４は、ＣＰＵ１２１、メモリ１２２、ＨＤＤ１２３、ディスプレイ１２４、ネットワークインタフェース１２５、マウス１２６、キーボード１２７、電源装置１２８を備える。
　ＣＰＵ１２１は、メモリ１２２上に展開されたプログラムを実行する。
　メモリ１２２は、ＣＰＵ１２１によって実行されるプログラム及び当該プログラムを実行するために必要となる情報を格納する。また、メモリ１２２は、ＣＰＵが各種処理を実行するためのワークエリアとして用いられる。本実施形態では、メモリ１２２上にＯＳ１５８（図３参照）、データローダモジュール１５３（図３参照）、データベース１５４（図３参照）及びデータ検索モジュール１５７（図３参照）等のプログラムがＨＤＤ１２３よりロードされ実行される。
　ＨＤＤ１２３は、メモリ１２２に読み出されるプログラム及び各種情報を格納する。図２に示す例では、ＨＤＤ１２３は一つのみであるが、複数のＨＤＤ１２３を備えていてもよいし、複数のＨＤＤ１２３から構成されるアレイグループであってもよい。
　ネットワークインタフェース１２５は、ネットワーク１０３と接続するためのインタフェースである。
　電源装置１２８は、センタサーバ１０４に電力を供給するための装置である。
　ディスプレイ１２４は、センタサーバ１０４を操作する操作者に各種情報を表示する装置である。マウス１２６は、センタサーバ１０４を操作する操作者が利用するポインティングデバイスである。キーボード１２７は、センタサーバ１０４を操作する操作者が利用する入力装置である。
　図３は、本実施形態におけるセンタネットワークシステムのソフトウェア構成を説明するブロック図である。
　センタサーバ１０４上では、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）１５８がＣＰＵ１２１によって実行される。ＯＳ１５８は、各種処理を実行する。具体的には、ＯＳ１５８は、データローダモジュール１５３、データベース１５４及びデータ検索モジュール１５７を実行する。
　データベース１５４は、データ収集装置１０１から送信され、データローダモジュール１５３によって所定の形式に変換されたデータを管理する管理ソフトウェアである。データベース１５４に格納されるデータの詳細については、図４を用いて後述する。
　データローダモジュール１５３は、プラント１０２に含まれるデータ収集装置１０１からネットワーク１０３を介してデータを受信し、受信したデータを所定の形式に変換してデータベースに格納するソフトウェアである。
　図３に示す例では、データローダモジュール１５３は、データ収集装置１０１からファイル名が「ｓｉｄ．ｃｓｖ」の入力ファイル１（１５１）、及び、ファイル名が「ｉｎｐｕｔ．ｃｓｖ」の入力ファイル２（１５２）を受信し、入力ファイル１（１５１）及び入力ファイル２（１５２）を所定の形式に変換してデータベース１５４に格納する。
　なお、図３に示すファイル１（１５１）及びファイル２（１５２）は、ＣＳＶ（Ｃｏｍｍａ　Ｓｅｐａｒａｔｅｄ　Ｖａｌｕｅ）形式のファイルである。ここで、ＣＳＶファイルとは、複数のフィールドが「，（カンマ）」で区切られたファイル形式を表す。図３ではＣＳＶ形式を使用する例を記したが、カンマの変わりにＴＡＢで区切られたファイル形式（ＴＳＶ形式）やバイナリ形式であってもよい。
　データ検索モジュール１５７は、入力されたクエリに基づいて、目的とするデータをデータベース１５４から検索し、検索結果を出力するソフトウェアである。
　図３に示す例では、データ検索モジュール１５７は、データ表示端末１０６を操作するユーザ１５０からクエリ１５５を受け付け、当該クエリ１５５に基づいてデータを検索し、当該データ検索の結果を検索結果ファイル１５６として出力する。データ表示端末１０６は、検索結果ファイル１５６を読み出し、画面にデータを数字、又は、グラフィカルな波形等の形式に変換して表示する。
　図４は、本実施形態におけるデータローダモジュール１５３及びデータベース１５４を説明するブロック図である。
　はじめに、入力ファイル１（１５１）、入力ファイル２（１５２）及びデータベース１５４に格納されるデータの形式について説明する。
　入力ファイル１（１５１）は、Ｎａｍｅカラム１５１１及びＩＤカラム１５１２を含む。
　Ｎａｍｅカラム１５１１は、プラント１０２に備わるセンサ１００のセンサ名である。ＩＤカラム１５１２は、プラント１０２に備わるセンサ１００を一意に識別するための識別子である。
　入力ファイル２（１５２）は、Ｄａｔｅｔｉｍｅカラム１５２１及びセンサ名カラム１５２２を含む。
　Ｄａｔｅｔｉｍｅカラム１５２１は、センサ１００がデータを取得した時刻を示す時刻情報である。センサ名カラム１５２２は、各センサ１００の名称から構成され、Ｎａｍｅカラム１５１１と対応するセンサ名が格納される。センサ名カラム１５２２を構成する各センサ１００には、各センサ１００が検出した値が格納される。
　図４に示す例では、入力ファイル２（１５２）は、各センサ１００が１秒ごとに検出したデータを格納する。
　データベース１５４は、ＳＩＤテーブル２０７及びＤＡＴテーブル２０８を格納する。
　ＳＩＤテーブル２０７は、Ｎａｍｅカラム２０７１及びＩＤカラム２０７２を含む。
　Ｎａｍｅカラム２０７１は、プラント１０２に備わるセンサ１００のセンサ名である。ＩＤカラム２０７２は、プラント１０２に備わるセンサ１００を一意に識別するための識別子である。
　ＤＡＴテーブル２０８は、入力ファイル２（１５２）に含まれるデータを各センサ１００について所定の連続する時間単位（時系列データブロック）毎に圧縮したデータを格納する。具体的には、１行毎に、各センサ１００について１時間分の圧縮されたデータが格納される。
　ＤＡＴテーブル２０８は、Ｄａｔｅｔｉｍｅカラム２０８１、ＩＤカラム２０８２、ＣＤＡＴＡカラム２０８３、ＭａｘＶａｌカラム２０８４及びＭｉｎＶａｌカラム２０８５を含む。
　Ｄａｔｅｔｉｍｅカラム２０８１は、圧縮された時系列データブロックの先頭時刻を示す時刻情報を格納する。ここで、先頭時刻とは、Ｄａｔｅｔｉｍｅカラム１５２１のうち、最も過去の時刻、つまり、圧縮される時系列データブロックの起点となる時刻を表す。
　ＩＤカラム２０８２は、センサ１００を識別するための識別子である。ＣＤＡＴＡカラム２０８３は、圧縮されたデータである。
　ＭａｘＶａｌカラム２０８４は、圧縮された時系列データブロックに含まれるデータの最大値である。ＭｉｎＶａｌカラム２０８５は、圧縮された時系列データブロックに含まれる最小値である。
　図４に示す例では、データ群２０１について圧縮された時系列データブロックが行２０９に対応し、データ群２０２について圧縮された時系列データブロックが行２１０に対応する。
　例えば、行２０９は、センサ名が「Ｓ４」のセンサ１００について「２００９／１０／１の０時０分０秒」から１時間分のデータが圧縮されたデータ「ＤＤＤ」であり、圧縮前のデータに含まれる最大値は「９９」、圧縮前のデータに含まれる最小値は「５２」であることを示す。
　本実施形態では、入力ファイル２（１５２）の３６００行（１時間）のデータが１行に圧縮される。なお、本実施形態の以降の説明では、時系列データブロックに格納される時間範囲は１時間固定とするが、時系列データブロックの時間範囲を１時間以外に変更することも可能である。
　時系列ブロックの時間範囲の決定方法としては、利用者の最も利用する検索期間を用いる。例えば、最も多い期間検索の範囲の１／１０の期間を時系列データブロックの時間範囲とする。これによって、検索範囲が１日であれば時系列データブロックの時間範囲は２．４時間、検索範囲が１ヶ月であれば時系列データブロックの時間範囲は３日とする。これは、データ検索モジュール１５７のクエリ解析部において、図８Ａのクエリ例１のｗｈｅｒｅ＿ｔｉｍｅｒａｎｇｅ句で指定された検索期間から時間範囲を算出し、時間範囲を頻度表として管理することによって実現することが可能となる。
　また、時系列ブロックの時間範囲の決定方法としては、時系列の特徴変化が起こる最小期間を用いることもできる。図２６を用いて、時系列データブロック２６０１を分割していき、時系列ブロック２６０５を最適な時系列ブロックとする方法について説明する。
　図２６は、本発明の実施形態の時系列データブロックの時間幅を決定する方法を説明する図である。
　時系列ブロック２６０１において、特徴値ａ［１］［１］を得る。次に時系列データブロックを半分に分割し、特徴値ａ［２］［１］、ａ［２］［２］を得る。ここで特徴値ａ［ｉ］［ｊ］において、ｉは何回分割したかを示す分割レベル、ｊは何番目の時系列データブロックの特徴値かを示す番号を表す。前述した処理を再帰的に繰り返す。
　ここで、分割レベルｉにおける特徴値と分割レベルｉ＋１における特徴値との差が閾値以下であるところを時系列データブロックの最適な分割レベルとし、その時系列データブロックの幅を最適な時間範囲とする。特徴値ａ［ｉ］［ｊ］とａ［ｉ＋１］［ｊ］、ａ［ｉ］［ｊ］とａ［ｉ＋１］［ｊ＋１］の差の大きい方の値を、すべての時系列データブロックｊに対し平均を取り、この値を「特徴値との差」として閾値判定することも可能である。
　図４に示すように、圧縮データを格納することによって、データベースの使用容量を削減することが可能となる。
　次に、データローダモジュール１５３について説明する。
　データローダモジュール１５３は、データ集約部２０３、特徴値抽出部２０４、特徴値抽出用ストリームデータ処理部２０４１、データ圧縮部２０５及びデータ挿入部２０６を備える。
　データ集約部２０３は、各センサ１００毎に所定の時間間隔（本実施形態では１時間）のデータを集約する。
　特徴値抽出部２０４は、圧縮されているデータの中から特徴値を抽出する。特徴値は、データベース１５４から圧縮データを検索するときに用いられる。特徴値を用いた検索方法については、図２３を用いて後述する。なお、本実施形態では、圧縮されるデータの中から最大値及び最小値が特徴値として抽出される。なお、抽出される特徴値は、平均又は分散等圧縮されるデータの特徴を示す値であれば、どのようなものであってもよい。
　特徴値の例について図２５を用いて説明する。
　ｉ１のケースでは、圧縮されているデータの始点、終点等の特定の値を特徴値として使用する。
　ｉ２のケースでは、圧縮されているデータの全体ないし任意の区間の時系列に対する最大値、最小値、平均値、分散値、又は標準偏差値を特徴量として使用する。
　ｉ３及びｉ４のケースでは、複数のセンサ観測値ｉ３、ｉ４の平均値を特徴値として使用する。
　ｉ５のケースでは、圧縮されているデータの全体ないし任意の区間をフレーム化し、ＦＦＴ（Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）変換を実施することによって周波数帯域に変換し、あらかじめ指定された周波数Ａ、Ｂ、Ｃでの振幅を特徴値として使用する。
　特徴値抽出部２０４は、特徴値抽出用ストリームデータ処理部２０４１を利用することによって特徴値を生成することができる。すなわち、リアルタイムに到来する時系列データを所定期間メモリ上に蓄積し、最大値、最小値、平均値、又は分散値等の時系列解析を行うことによって特徴値を生成することができる。
　データ圧縮部２０５は、各センサ毎に所定の時間間隔のデータを圧縮する。データ挿入部２０６は、圧縮データをＤＡＴテーブル２０８に格納する。
　図５Ａは、本実施形態において、データローダモジュール１５３によって実行される処理を説明するフローチャートである。
　データローダモジュール１５３は、データベース１５４にＳＩＤテーブル２０７が存在するか否かを判定する（Ｓ２５０）。例えば、データローダモジュール１５３が、データベース１５４にＳＩＤテーブル２０７の存在を問い合わせるＳＱＬを発行する等によって判定できる。
　データベース１５４にＳＩＤテーブル２０７が存在すると判定された場合、データローダモジュール１５３は、Ｓ２５２に進む。
　データベース１５４にＳＩＤテーブル２０７が存在しないと判定された場合、データローダモジュール１５３は、入力ファイル１（１５１）を読み出し、ＳＩＤテーブル２０７を生成する（Ｓ２５１）。
　データローダモジュール１５３は、入力ファイル２（１５２）から１行分の文字列を読み出し、カンマを区切り記号として読み出された文字列からカラムに相当する文字列を抽出し、配列ｃｓｖに格納する（Ｓ２５２）。例えば、ｃｉ個の文字列が抽出された場合、抽出された文字列は、それぞれ、配列ｃｓｖ［０］～ｃｓｖ［ｃｉ－１］に格納される。ここで、ｃｉはカラムの数を表す。本実施形態では、ｃｓｖ［０］にはｄａｔｅｔｉｍｅが格納され、ｃｓｖ［１］～ｃｓｖ［ｃｉ－１］にはセンサの値が格納される。
　データローダモジュール１５３は、入力ファイル２（１５２）のセンサ名カラム１５２２からＩＤカラム２０８２が検索できるようにするための配列ｉｄを生成する（Ｓ２５３）。
　データローダモジュール１５３は、圧縮データを作成するためのデータ配列を定義する（Ｓ２５４）。本実施形態では、１つのセンサ１００の１時間分のデータが圧縮されるため、ｄ［ｃｉ］［３６００］配列が定義される。すなわち、１つのセンサ１００について３６００個の配列が定義される。
　データローダモジュール１５３は、データベース１５４にＤＡＴテーブル２０８が存在するか否かを判定する（Ｓ２５５）。例えば、データローダモジュール１５３が、データベース１５４にＤＡＴテーブル２０８の存在を問い合わせるＳＱＬを発行する等によって判定できる。
　データベース１５４にＤＡＴテーブル２０８が存在すると判定された場合、データローダモジュール１５３は、Ｓ２５７に進む。
　データベース１５４にＤＡＴテーブル２０８が存在しないと判定された場合、データローダモジュール１５３は、ＤＡＴテーブル２０８を生成する（Ｓ２５６）。
　データローダモジュール１５３は、Ｓ２５４において取得された配列から圧縮データを生成して、ＤＡＴテーブル２０８に格納するためのデータロード処理を実行する（Ｓ２５７）。データロード処理の詳細については、図５Ｂを用いて後述する。
　データローダモジュール１５３は、入力ファイル２（１５２）の全てのデータについて処理を終了したか否かを判定する（Ｓ２５８）。
　入力ファイル２（１５２）の全てのデータについて処理を終了していないと判定された場合、データローダモジュール１５３は、Ｓ２５７に戻り同様の処理を実行する。
　入力ファイル２（１５２）の全てのデータについて処理を終了したと判定された場合、データローダモジュール１５３は、処理を終了する。
　図５Ｂ及び図５Ｃは、本実施形態において、データローダモジュール１５３によって実行されるデータロード処理を説明するフローチャートである。
　データローダモジュール１５３は、時間（秒）を示す変数ｉを初期化し、全ての時間（秒）について処理を実行する（Ｓ２５９）。具体的には、データローダモジュール１５３は、変数ｉを「０」に設定し、変数ｉが「３６００」より大きくなるまで繰り返し処理を実行する。なお、本実施形態では、０～３５９９秒までのデータが処理対象となる。
　データローダモジュール１５３は、入力ファイル２（１５２）から１行分のデータを読み出し、読み出されたデータからｃｉ個の文字列を抽出し、配列ｃｓｖ［０］～ｃｓｖ［ｃｉ－１］に格納する（Ｓ２６０）。
　データローダモジュール１５３は、変数ｉが「０」であるか否かを判定する（Ｓ２６１）。
　変数ｉが「０」でないと判定された場合、データローダモジュール１５３は、Ｓ２６３に進む。
　変数ｉが「０」であると判定された場合、データローダモジュール１５３は、ＤＡＴテーブル２０８のＤａｔｅｔｉｍｅカラム２０８１にｃｓｖ［０］を格納する（Ｓ２６２）。
　データローダモジュール１５３は、各センサ１００毎にデータを集約する（Ｓ２６３）。具体的には、データ集約部２０３は、配列ｃｓｖに格納される値を数値化して配列ｄに設定する。
　データローダモジュール１５３は、繰り返し処理を実行するか、すなわち、全ての時間について処理が終了したか否かを判定する（Ｓ２６４）。
　全ての変数ｉについて処理が終了していないと判定された場合、データローダモジュール１５３は、Ｓ２５９に戻り、変数ｉを「１」加算して、Ｓ２６０～Ｓ２６３までの処理を実行する。
　全ての変数ｉについて処理が終了したと判定された場合、データローダモジュール１５３は、センサ１００の数を表す変数ｊを初期化し、全てのセンサ１００について処理を実行する（Ｓ２６５）。具体的には、データローダモジュール１５３は、変数ｊに「１」を設定し、変数ｊがｃｎより大きくなるまで繰り返し処理を実行する。
　データローダモジュール１５３は、配列ｄ［ｊ］［ｉ］の中から特徴値を抽出する（Ｓ２６６）。具体的には、特徴値抽出部２０４が、配列ｄ［ｊ］［０］～ｄ［ｊ］［３５９９］の中から最大値、最小値、平均値、分散値若しくは周波数スペクトル上の特定値のいずれか、又はこれらの組み合わせを抽出する。
　データローダモジュール１５３は、配列ｄ［ｊ］［ｉ］を所定の形式に圧縮する（Ｓ２６７）。具体的には、データ圧縮部２０５が、配列ｄ［ｊ］［０］～ｄ［ｊ］［３５９９］を所定の形式に圧縮する。なお、圧縮形式としては、ｚｉｐ、ｌｚｈ、ｇｚｉｐ及びｂｚｉｐ２等が考えられる。
　データローダモジュール１５３は、圧縮されたデータをＤＡＴテーブル２０８に格納する（Ｓ２６８）。具体的には、データ挿入部２０６が、Ｓ２５３において生成されたｉｄ［ｉ］をＩＤカラム２０８２に、Ｓ２６２において設定されたｃｓｖ［０］をＤａｔｅｔｉｍｅカラム２０８１に、Ｓ２６６において抽出された最大値をＤＡＴテーブル２０８のＭａｘＶａｌカラム２０８４に、Ｓ２６６において抽出された最小値をＭｉｎＶａｌカラム２０８５に、さらに、Ｓ２６７において圧縮されたデータをＣＤＡＴＡ２０８３に格納する。
　データローダモジュール１５３は、全てのセンサ１００について処理が終了したか否かを判定する（Ｓ２６９）。
　全てのセンサ１００について処理が終了していないと判定された場合、データローダモジュール１５３は、Ｓ２６６に戻り同様の処理を実行する。
　全てのセンサ１００について処理が終了したと判定された場合、データローダモジュール１５３は、処理を終了する。
　図６は、本実施形態におけるデータ検索モジュール１５７を説明するブロック図である。
　データ検索モジュール１５７は、入力されたクエリ１５５に基づいて、データベース１５４にＳＱＬを発行し、発行されたＳＱＬに対する応答に基づいて検索結果を生成し、生成された検索結果を検索結果ファイル１５６に出力する。
　データ検索モジュール１５７は、クエリ解析部３００、ＳＱＬ生成部３０１、特徴値検索用ＳＱＬ生成部３０２、ＣＱＬ生成部３０３、ＤＢ検索部３０４、データ解凍／並び替え処理部３０５、ストリームデータ処理部３０６、切り出し処理部３０７及びデータ出力部３０８を備える。
　クエリ解析部３００は、入力されたクエリ１５５を解析し、当該クエリ１５５の内容をグローバル変数３０９として出力する。なお、グローバル変数３０９は、メモリ１２２等の記憶領域に格納され、ＳＱＬ生成部３０１、特徴値検索用ＳＱＬ生成部３０２、ＣＱＬ生成部３０３、ＤＢ検索部３０４、データ解凍／並び替え処理部３０５、ストリームデータ処理部３０６、切り出し処理部３０７及びデータ出力部３０８の各部が参照することができる。
　ＳＱＬ生成部３０１は、クエリ解析部３００の解析結果であるグローバル変数３０９に基づいて、データベース１５４を検索するためのＳＱＬ３１０を生成し、生成されたＳＱＬ３１０をＤＢ検索部３０４に出力する。
　特徴値検索用ＳＱＬ生成部３０２は、クエリ解析部３００の解析結果であるグローバル変数３０９に基づいて、特徴値を用いてデータベース１５４を検索するためのＳＱＬ３１０を生成し、生成されたＳＱＬ３１０をＤＢ検索部３０４に出力する。
　ＣＱＬ生成部３０３は、クエリ解析部３００の解析結果であるグローバル変数３０９に基づいて、ストリームデータ処理を実行するためのＣＱＬ３１１を生成し、生成されたＣＱＬ３１１をストリームデータ処理部３０６に出力する。
　ＤＢ検索部３０４は、ＳＱＬ生成部３０１又は特徴値検索用ＳＱＬ生成部３０２によって生成されたＳＱＬ３１０をデータベース１５４へ発行する。ＤＢ検索部３０４は、ＳＱＬ３１０の実行結果、すなわち、データ検索結果をファイルＡ３１２に出力する。なお、ファイルＡ３１２に出力されるデータは圧縮データである。
　データ解凍／並び替え処理部３０５は、ファイルＡ３１２を読み出し、圧縮データを解凍し、かつ、解凍されたデータを所定の条件に基づいて並び替える。データ解凍／並び替え処理部３０５は、処理されたデータをファイルＢ３１３に出力する。
　ストリームデータ処理部３０６は、ＣＱＬ生成部３０３によって生成されたＣＱＬ３１１に基づいて、ファイルＢ３１３を入力データとして読み出し、読み出された各データに対してストリームデータ処理を実行する。ストリームデータ処理部３０６は、ファイルＣ３１４に処理されたデータを出力する。
　切り出し処理部３０７は、ファイルＣ３１４から所定の条件に一致するデータを抽出する。切り出し処理部３０７は、ファイルＤ３１５に抽出されたデータを出力する。
　データ出力部３０８は、ファイルＤ３１５に格納されるデータを用いて出力結果を生成し、生成された出力結果を検索結果ファイル１５６として出力する。
　図７は、本実施形態において、データ検索モジュール１５７によって出力されるデータの構造の一例を示す説明図である。
　データ構造１（３４０）は、ファイルＡ３１２に格納されるデータ（パケット）のデータ構造である。ファイルＡ３１２は複数のパケットを格納する。
　データ構造１（３４０）は、ｄａｔｅｔｉｍｅ３４０１、ｉｄｘ３４０２、ｚｌｅｎ３４０３及びｚｂｌｋ３４０４から構成される。
　ｄａｔｅｔｉｍｅ３４０１は、日付及び時間等の時刻を表し、ＤＡＴテーブル２０８のＤａｔｅｔｉｍｅカラム２０８１に対応する。本実施形態では、ｄａｔｅｔｉｍｅ３４０１のデータ長は８ｂｙｔｅである。
　ｉｄｘ３４０２は、センサ１００を識別するためのセンサ識別番号を表す。クエリ例１のｉｎｐｕｔ＿ｉｔｅｍ句に記されるセンサの並び順がセンサ識別番号として割り当てられる。本実施形態では、ｉｄｘ３４０２のデータ長は４ｂｙｔｅである。
　ｚｌｅｎ３４０３は、圧縮されたデータのブロック長を表し、本実施形態ではデータ長は４ｂｙｔｅである。
　ｚｂｌｋ３４０４は、圧縮されたデータを表す。具体的には、圧縮されたデータそのものである。本実施形態では、ｚｂｌｋ３４０４のデータ長はｎｂｙｔｅである。
　データ構造２（３４１）は、ファイルＢ３１３、ファイルＣ３１４及びファイルＤ３１５に格納されるデータ（バイナリ）のデータ構造である。
　ｄａｔｅｔｉｍｅ３４１１は、日付及び時間等の時刻を表す。本実施形態では、ｄａｔｅｔｉｍｅ３４１１のデータ長は８ｂｙｔｅである。
　ｖａｌｎ３４１２は、データ３４１３の数を表し、本実施形態では、データ長は８ｂｙｔｅである。
　データ３４１３は、データ解凍／並び替え処理部３０５、ストリームデータ処理部３０６及び切り出し処理部３０７によって算出された値を表し、本実施形態では、データ長はそれぞれ、４ｂｙｔｅである。
　例えば、「２００９／１０／１　００：００：００，４，１００，３００，１２，５２」というデータがあった場合、ｄａｔｅｔｉｍｅ３４１１には「２００９／１０／１　００：００：００」が、ｖａｌｎ３４１２には「４」が、ｖａｌｎ［０］には「１００」が、ｖａｌｎ［１］には「３００」が、ｖａｌｎ［２］には「１２」が、ｖａｌｎ［３］には「５２」が格納される。
　データ構造３（３４２）は、検索結果ファイル１５６に格納されるデータのデータ構造である。
　データ構造３（３４２）には、日付及び時間等の時刻、並びに、各センサ１００の値が格納される。
　図８Ａ及び図８Ｂは、本実施形態におけるクエリ１５５、ＳＱＬ３１０及びＣＱＬ３１１の一例を示す説明図である。
　クエリ例１（３５０）及びクエリ例２（３５１）は、クエリ１５５の一例である。
　クエリ例１（３５０）は、ストリームデータ処理が実行される場合のクエリ１５５である。クエリ例１（３５０）は、センサの名称が「Ｓｅｎｓｏｒ１」及び「Ｓｅｎｓｏｒ２」のセンサ１００のデータに対して、ｗｈｅｒｅ＿ｔｉｍｅｒａｎｇｅ句及びｗｈｅｒｅ＿ｃｏｎｄｉｔｏｎ句において指定された条件を満たすデータを抽出し、さらに、抽出されたデータを「ｒｅｓｕｌｔ．ｃｓｖ」に格納することを示す。
　クエリ例２（３５１）は、ストリームデータ処理が実行されない場合のクエリ１５５である。クエリ例２（３５１）は、センサの名称が「Ｓｅｎｓｏｒ１」、「Ｓｅｎｓｏｒ２」及び「Ｓｅｎｓｏｒ３」のセンサ１００のデータに対して、ｗｈｅｒｅ＿ｔｉｍｅｒａｎｇｅ句において指定された時間間隔のデータを抽出し、抽出されたデータを「ｒｅｓｕｌｔ．ｃｓｖ」に格納することを示す。
　ＳＱＬ例１（３５２）は、クエリ例１（３５０）が入力された場合に、ＳＱＬ生成部３０１によって生成されるＳＱＬ３１０の一例である。なお、ＳＱＬ３１０の生成方法については、図１１Ａ及び図１１Ｂを用いて後述する。
　ＣＱＬ例１（３５３）は、クエリ例１（３５０）が入力された場合に、ＣＱＬ生成部３０３によって生成されるＣＱＬ３１１の一例である。なお、ＣＱＬ３１１の生成方法については、図１２Ａ及び図１２Ｂを用いて後述する。
　図９は、本実施形態のデータ検索モジュール１５７によって実行される処理の概要を説明するフローチャートである。
　データ検索モジュール１５７は、データ表示端末１０６からクエリ１５５の入力を受け付け、処理を開始する。
　データ検索モジュール１５７は、入力されたクエリ１５５を解析する（Ｓ３２０）。具体的には、クエリ解析部３００が入力されたクエリ１５５を解析する。
　データ検索モジュール１５７は、入力されたクエリ１５５が特徴値検索の実行を要求するクエリであるか否かを判定する（Ｓ３２１）。具体的には、クエリ解析部３００が、入力されたクエリ１５５にｍｅｔａ＿ｓｅａｒｃｈ句が含まれるか否かを判定する。入力されたクエリ１５５にｍｅｔａ＿ｓｅａｒｃｈ句が含まれる場合、入力されたクエリ１５５が特徴値検索の実行を要求するクエリであると判定される。なお、ｍｅｔａ＿ｓｅａｒｃｈ句を含むクエリ１５５の例については、図２２を用いて後述する。
　入力されたクエリ１５５が特徴値検索の実行を要求するクエリでないと判定された場合、データ検索モジュール１５７は、ＳＱＬ３１０を生成する（Ｓ３２２）。具体的には、ＳＱＬ生成部３０１がＳＱＬ３１０を生成し、Ｓ３２４に進む。
　入力されたクエリ１５５が特徴値検索の実行を要求するクエリであると判定された場合、データ検索モジュール１５７は、特徴値検索用のＳＱＬ３１０を生成する（Ｓ３２３）。具体的には、特徴値検索用ＳＱＬ生成部３０２が特徴値検索用のＳＱＬ３１０を生成し、Ｓ３２４に進む。
　次に、データ検索モジュール１５７は、ストリームデータ処理を実行するか否かを判定する（Ｓ３２４）。具体的には、クエリ解析部３００が、入力されたクエリ１５５にｓｅｌｅｃｔ＿ｉｔｅｍｓ句が含まれるか否かを判定する。入力されたクエリ１５５にｓｅｌｅｃｔ＿ｉｔｅｍｓ句が含まれる場合には、ストリームデータ処理を実行すると判定される。
　ストリームデータ処理を実行しないと判定された場合、データ検索モジュール１５７は、ＳＱＬ生成部３０１又は特徴値検索用ＳＱＬ生成部３０２によって生成されたＳＱＬ３１０に基づいて、データベース１５４を検索する（Ｓ３２５）。具体的にはＤＢ検索部３０４が、ＳＱＬ生成部３０１又は特徴値検索用ＳＱＬ生成部３０２によって生成されたＳＱＬ３１０に基づいて、データベース１５４を検索し、検索された圧縮データをファイルＡ３１２に出力する。
　データ検索モジュール１５７は、ファイルＡ３１２に格納される圧縮データを解凍し、解凍されたデータを並び替える（Ｓ３２６）。具体的には、データ解凍／並び替え処理部３０５が、ファイルＡに格納される圧縮データを解凍し、解凍されたデータを並び替えてファイルＢに出力し、Ｓ３３２に進む。
　Ｓ３２４において、ストリームデータ処理を実行すると判定された場合、データ検索モジュール１５７は、ＣＱＬ３１１を生成する（Ｓ３２７）。具体的には、ＣＱＬ生成部３０３がＣＱＬ３１１を生成する。
　データ検索モジュール１５７は、ＳＱＬ生成部３０１又は特徴値検索用ＳＱＬ生成部３０２によって生成されたＳＱＬ３１０に基づいて、データベース１５４を検索する（Ｓ３２８）。
　データ検索モジュール１５７は、ファイルＡ３１２に格納された圧縮データを解凍し、解凍されたデータを並び替える（Ｓ３２９）。当該処理は、Ｓ３２６と同一の処理である。
　データ検索モジュール１５７は、ＣＱＬ生成部３０３によって生成されたＣＱＬ３１１に基づいて、ストリームデータ処理を実行する（Ｓ３３０）。具体的には、ストリームデータ処理部３０６が、ＣＱＬ生成部３０３によって生成されたＣＱＬ３１１に基づいて、ストリームデータ処理を実行し、実行結果をファイルＣ３１４に出力する。
　データ検索モジュール１５７は、ファイルＣ３１４に格納されるデータから出力対象となるデータを切り出す（Ｓ３３１）。具体的には、切り出し処理部３０７が、ファイルＣ３１４に格納されるデータから出力対象となるデータを切り出し、切り出されたデータをファイルＤ３１５に出力して、Ｓ３３２に進む。
　データ検索モジュール１５７は、ファイルＢ又はファイルＤ３１５に格納されるデータをデータ表示端末１０６に表示するための出力データに変換して、検索結果ファイル１５６に出力し（Ｓ３３２）、処理を終了する。
　以下、各ステップの処理の詳細を説明する。
　図１０Ａは、本実施形態においてクエリ解析部３００によって切り出される文字列を示す説明図である。
　文字切り出し部分３６０は、入力されたクエリ１５５から切り出される文字列を表す。クエリ解析部３００が、切り出しキーワードを指示するテンプレートである文字切り出し部分３６０を保持する。
　図１０Ａに示す例では、９つのキーワードから変数「＄ｉｎｐｕｔ」、「＄ｒａｎｇｅ」、「＄ｓｅｌｅｃｔ」、「＄ｓｔａｒｔ」、「＄ｅｎｄ」、「＄ｃｏｎｄ」、「＄ｐｒｅｖ」、「＄ｐｏｓｔ」、「＄ｓｔｅｐ」、「＄ｆｉｌｅ」及び「＄ｍｅｔａ」が切り出される。ここで、キーワードとは、「ｉｎｐｕｔ＿ｉｔｅｍｓ：」及び「ｓｅｌｅｃｔ＿ｉｔｅｍｓ」等を表す。
　例えば、入力されたクエリ１５５からキーワード「ｉｎｐｕｔ＿ｉｔｅｍｓ：」以下の文字列が切り出され、変数「＄ｉｎｐｕｔ」に切り出された文字列が格納される。
　以下、クエリ解析部３００が実行するクエリ解析処理について説明する。
　図１０Ｂは、本実施形態のクエリ解析部３００によって実行されるクエリ解析処理の一例を説明するフローチャートである。
　クエリ解析部３００は、クエリ１５５の入力を受け付け、処理を開始する。
　まず、クエリ解析部３００は、変数を初期化する（Ｓ３６１）。具体的には、クエリ解析部３００は、「＄ｒａｎｇｅ」、「＄ｃｏｎｄ」及び「＄ｓｔｅｐ」に「１」を設定し、「＄ｐｒｅｖ」及び「＄ｐｏｓｔ」に「０」を設定する。また、クエリ解析部３００は、「＄ｉｎｐｕｔ」、「＄ｓｅｌｅｃｔ」、「＄ｓｔａｒｔ」、「＄ｅｎｄ」、「＄ｆｉｌｅ」及び「＄ｍｅｔａ」についてはＮｕｌｌ初期化を実行する。
　次に、クエリ解析部３００は、文字切り出し部分３６０に基づいて、入力されたクエリ１５５から文字列を切り出し、切り出された文字列を各変数に格納する（Ｓ３６２）。
　具体的には、クエリ解析部３００は、クエリ１５５に含まれる９つの句から文字列を切り出し、切り出された文字列を、それぞれ、変数「＄ｉｎｐｕｔ」、「＄ｒａｎｇｅ」、「＄ｓｅｌｅｃｔ」、「＄ｓｔａｒｔ」、「＄ｅｎｄ」、「＄ｃｏｎｄ」、「＄ｐｒｅｖ」、「＄ｐｏｓｔ」、「＄ｓｔｅｐ」、「＄ｆｉｌｅ」及び「＄ｍｅｔａ」に格納する。
　例えば、クエリ例１（３５０）の場合、変数「＄ｉｎｐｕｔ」には「'Ｓｅｎｓｏｒ１'，'Ｓｅｎｓｏｒ２'」が格納される。
　なお、クエリ１５５に含まれないキーワードについては、Ｓ３６１において設定された値がそのまま用いられる。
　クエリ解析部３００は、変数「＄ｉｎｐｕｔ」及び「＄ｓｅｌｅｃｔ」に含まれる要素の数を算出する（Ｓ３６３）。
　具体的には、クエリ解析部３００は、変数「＄ｉｎｐｕｔ」及び「＄ｓｅｌｅｃｔ」に含まれる文字列において、「，（カンマ）」で区切られた要素の数をそれぞれカウントすることによって、要素の数を算出する。さらに、クエリ解析部３００は、変数「＄ｉｎｐｕｔ」に含まれる要素数を変数「＄ｉｎｕｍ」に代入し、変数「＄ｓｅｌｅｃｔ」に含まれる要素数を変数「＄ｓｎｕｍ」に格納する。
　例えば、変数「＄ｉｎｐｕｔ」に「'Ｓｅｎｓｏｒ１'，'Ｓｅｎｓｏｒ２'」が格納されている場合、「＄ｉｎｕｍ」には「２」が格納される。
　クエリ解析部３００は、各変数をグローバル変数３０９として出力し（Ｓ３６４）、処理を終了する。
　図１１Ａは、本実施形態におけるＳＱＬ３１０を生成するためのＳＱＬテンプレートを示す説明図である。
　ＳＱＬテンプレート３７０は、ＳＱＬ３１０を生成するためのテンプレートであり、ＳＱＬ生成部３０１が保持する。
　図１１Ａに示す例では、ＳＩＤテーブル２０７とＤＡＴテーブル２０８との両テーブルをそれぞれのＩＤカラム（２０７２、２０８２）に示される値で等価結合（ｊｏｉｎオペレーション）したテーブルから、時刻（Ｄａｔｅｔｉｍｅ）、センサ名（ＳＩＤ．Ｎａｍｅ）及び圧縮データ（ＤＡＴ．ＣＤＡＴＡ）を所定の条件に基づいて検索するＳＱＬであることを示す。また、所定の条件は、ｗｈｅｒｅ句以下に定義されている。すなわち、データを時間順に並び替え、指定されたセンサ名及び指定された時間区間に一致するデータを取得するＳＱＬが定義される。
　ＳＱＬ生成部３０１は、グローバル変数３０９を用いて、ＳＱＬテンプレート３７０の太文字及び下線部で示された部分に必要なデータを代入することによって、ＳＱＬ３１０を生成する。具体的には、ＳＱＬ生成部３０１は、「＄ｄｂ＿ｉｎｐｕｔ」、「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」を生成して、生成されたデータをＳＱＬテンプレート３７０に代入する。
　以下、ＳＱＬ生成処理について説明する。
　図１１Ｂは、本実施形態のＳＱＬ生成部３０１によって実行される処理の一例を説明するフローチャートである。
　ＳＱＬ生成部３０１は、グローバル変数３０９を用いて、「＄ｄｂ＿ｉｎｐｕｔ」、「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」を生成する（Ｓ３７１）。
　具体的には、「＄ｄｂ＿ｉｎｐｕｔ」及び「＄ｄｂ＿ｅｎｄ」については、「＄ｄｂ＿ｉｎｐｕｔ」＝「＄ｉｎｐｕｔ」及び「＄ｄｂ＿ｅｎｄ＝＄ｅｎｄ」と生成される。また、「＄ｄｂ＿ｓｔａｒｔ」については、「＄ｄｂ＿ｓｔａｒｔ＝＄ｓｔａｒｔ－＄ｒａｎｇｅ」を計算し、さらに、当該計算結果の分及び秒単位の値が「０」に初期化される。これは、本実施形態では１時間単位に圧縮されたデータを検索するためである。
　次に、ＳＱＬ生成部３０１は、ＳＱＬ３１０を生成し（Ｓ３７２）、処理を終了する。
　具体的には、ＳＱＬ生成部３０１は、生成された「＄ｄｂ＿ｉｎｐｕｔ」、「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」をＳＱＬテンプレート３７０に代入することによってＳＱＬ３１０を生成する。
　図１２Ａは、本実施形態におけるＣＱＬ３１１を生成するためのＣＱＬテンプレートを示す説明図である。
　ＣＱＬテンプレート３８０は、ＣＱＬ３１１を生成するためテンプレートであり、ＣＱＬ生成部３０３が保持する。
　ＣＱＬ生成部３０３は、グローバル変数３０９を用いて、ＣＱＬテンプレート３８０の太文字及び下線部で示された部分に必要なデータを代入することによって、ＣＱＬ３１１を生成する。
　具体的には、ＣＱＬ生成部３０３は、「＄ｃｑｌ＿ｉｎｐｕｔ」、「＄ｃｑｌ＿ｓｅｌｅｃｔ」、「＄ｒａｎｇｅ」、「＄ｃｑｌ＿ｌａｂｅｌ」及び「＄ｃｏｎｄ」を生成して、生成されたデータをＣＱＬテンプレート３８０に代入する。
　以下、ＣＱＬ生成処理について説明する。
　図１２Ｂは、本実施形態において、ＣＱＬ生成部３０３によって実行される処理を説明するフローチャートである。
　ＣＱＬ生成部３０３は、グローバル変数３０９を用いて、「＄ｃｑｌ＿ｉｎｐｕｔ」を生成する（Ｓ３８１）。具体的には、以下の二つの処理が実行される。
　まず、ＣＱＬ生成部３０３は、グローバル変数３０９に含まれる「＄ｉｎｐｕｔ」を用いて、＄ｉｎｐｕｔ分解処理３８５を実行する。すなわち、ＣＱＬ生成部３０３は、「＄ｉｎｐｕｔ」を複数の「＄ｉｎｐｕｔ＿ｉｔｅｍ」に分解する。これは、複数のセンサ名が含まれる「＄ｉｎｐｕｔ」から、個々のセンサ名を取得するための処理である。
　次に、ＣＱＬ生成部３０３は、「＄ｉｎｐｕｔ＿ｉｔｅｍ」を用いて、＄ｃｑｌ＿ｉｎｐｕｔ生成処理３８６を実行する。ＣＱＬ生成部３０３は、「＄ｉｎｐｕｔ＿ｉｔｅｍ」を用いて、＄ｃｑｌ＿ｉｎｐｕｔ生成処理３８６の右辺に示すようにして「＄ｃｑｌ＿ｉｎｐｕｔ」を生成する。
　ＣＱＬ生成部３０３は、グローバル変数３０９を用いて、「＄ｃｑｌ＿ｓｅｌｅｃｔ」を生成する（Ｓ３８２）。具体的には、以下の二つの処理が実行される。
　まず、ＣＱＬ生成部３０３は、グローバル変数３０９に含まれる「＄ｓｅｌｅｃｔ」を用いて、＄ｓｅｌｅｃｔ分解処理３８７を実行する。これは、＄ｓｅｌｅｃｔに含まれる要素を分解するための処理である。ＣＱＬ生成部３０３は、＄ｓｅｌｅｃｔ分解処理３８７を実行することによって、「＄ｆｕｎｃ１」又は「＄ｆｕｎｃ２」及び「＄ｌａｂｅｌ」を取得する。
　次に、ＣＱＬ生成部３０３は、「＄ｆｕｎｃ１」又は「＄ｆｕｎｃ２」及び「＄ｌａｂｅｌ」を用いて、＄ｃｑｌ＿ｓｅｌｅｃｔ生成処理３８８を実行し、「＄ｃｑｌ＿ｓｅｌｅｃｔ」を生成する。ここで「＄ｆｕｎｃ１」は集約関数であり、移動平均（ａｖｇ）、分散、最大値、又は最小値などが記載できる。
　ここで、ＣＱＬでは、ａｖｇ等の集約関数と、「Ｓｅｎｓｏｒ１」等の信号名とを混在させて扱うことができない。そのため、「＄ｓｅｌｅｃｔ」の含まれる要素をｌａｓｔ（）関数を用いて集約関数に変換する必要がある。例えば、文字列「'Ｓｅｎｓｏｒ１'  ａｓ　ＬＡＢＥＬ」は「ｌａｓｔ（'Ｓｅｎｓｏｒ１')　ａｓ　ＬＡＢＥＬ」と集約関数に変換される。
　ＣＱＬ生成部３０３は、グローバル変数３０９を用いて、「＄ｃｑｌ＿ｌａｂｅｌ」を生成する（Ｓ３８３）。具体的には、ＣＱＬ生成部３０３は、「＄ｌａｂｅｌ」を用いて、＄ｃｑｌ＿ｌａｂｅｌ生成処理３８９を実行することによって、「＄ｃｑｌ＿ｌａｂｅｌ」を生成する。
　ＣＱＬ生成部３０３は、Ｓ３８１～Ｓ３８３において生成された「＄ｃｑｌ＿ｉｎｐｕｔ」、「＄ｃｑｌ＿ｓｅｌｅｃｔ」及び「＄ｃｑｌ＿ｌａｂｅｌ」、並びに、グローバル変数３０９に含まれる「＄ｒａｎｇｅ」及び「＄ｃｏｎｄ」をＣＱＬテンプレート３８０に代入することによって、ＣＱＬ３１１を生成する（Ｓ３８４）。
　以上のように、データ検索モジュール１５７は、入力されたクエリ１５５に基づいて、ＳＱＬ３１０及びＣＱＬ３１１を同時に生成することができる。
　以下、生成されたＳＱＬ３１０及びＣＱＬ３１１を用いた処理について説明する。
　図１３は、本実施形態のＤＢ検索部によって実行されるＳＱＬ処理の一例を説明するフローチャートである。
　ＤＢ検索部３０４は、グローバル変数３０９に含まれる「＄ｉｎｐｕｔ」を用いて、配列ＫＥＹ［０］～ＫＥＹ［＄ｉｎｕｍ－１］を生成する（Ｓ４００）。
　具体的には、ＤＢ検索部３０４は、「＄ｉｎｐｕｔ」を用いて、＄ｓｉｇｎａｌ抽出処理４０７を実行する。これによって、「＄ｉｎｕｍ」個の「＄ｓｉｇｎａｌ」が抽出される。ＤＢ検索部３０４は、抽出された各「＄ｓｉｇｎａｌ」を配列ＫＥＹ［０］～ＫＥＹ［＄ｉｎｕｍ－１］に格納する。以上の処理によって、配列ＫＥＹ［０］～ＫＥＹ［＄ｉｎｕｍ－１］が生成される。
　ＤＢ検索部３０４は、生成された配列ＫＥＹ［０］～ＫＥＹ［＄ｉｎｕｍ－１］を用いて、ハッシュ配列ｈａｓｈを生成する（Ｓ４０１）。
　ＤＢ検索部３０４は、データベース１５４に対してＳＱＬ３１０を発行し、データベース１５４がＳＱＬ３１０を実行する（Ｓ４０２）。これによって、発行されたＳＱＬ３１０において指定された条件に一致するデータを実行結果として取得することができる。
　ＤＢ検索部３０４は、取得された実行結果から１行分のデータを取り出し、取り出されたデータから日付及び時間等の時刻（Ｄａｔｅｔｉｍｅ）、センサ名（Ｎａｍｅ）並びに圧縮データ（ＣＤＡＴＡ）を取得する（Ｓ４０３）。なお、取り出される１行分のデータは、１つのセンサの１時間分の圧縮されたデータである。
　ＤＢ検索部３０４は、実行結果から取り出された１行分のデータが空である否かを判定する（Ｓ４０４）。すなわち、全ての実行結果について処理が終了したか否かが判定される。
　実行結果から取り出された１行分のデータが空であると判定された場合、ＤＢ検索部３０４は、処理を終了する。
　実行結果から取り出された１行分のデータが空でないと判定された場合、ＤＢ検索部３０４は、データ構造１（３４０）に示すパケットを生成する（Ｓ４０５）。
　具体的には、ＤＢ検索部３０４は、取り出された１行分のデータに含まれる日付及び時間等の時刻（Ｄａｔｅｔｉｍｅ）をｄａｔｅｔｉｍｅ３４０１に、センサ名（Ｎａｍｅ）をキーにハッシュ配列ｈａｓｈから得られた値をｉｄｘ３４０２に、圧縮データ（ＣＤＡＴＡ）をｚｂｌｋ３４０４に、圧縮データ（ＣＤＡＴＡ）のサイズをｚｌｅｎ３４０３に格納する。
　ＤＢ検索部３０４は、生成されたパケットをファイルＡ３１２に出力し（Ｓ４０６）、Ｓ４０３に戻り、Ｓ４０３～Ｓ４０６の処理を実行する。
　例えば、ＳＱＬ例１（３５２）が実行された場合、センサ名が「'Ｓｅｎｓｏｒ１'」及び「'Ｓｅｎｓｏｒ２'」のセンサ１００について「２００９－０２－０１　２３：００：００」から「２００９－０２－２０　２３：５９：５９」までの間のデータが複数個のデータ構造１（３４０）のパケットに変換され、ファイルＡ３１２に出力される。
　図１４Ａ及び図１４Ｂは、本実施形態のデータ解凍／並び替え処理部３０５によって実行される処理の一例を説明するフローチャートである。
　データ解凍／並び替え処理部３０５は、ｄａｔａ［３６００］［＄ｉｎｕｍ］配列、バッファ配列及びｂｌｋ配列を定義する（Ｓ４５０）。本実施形態では、一つの圧縮データには、１つのセンサ１００について１時間分のデータ、３６００点が格納されているため、ｄａｔａ［３６００］［＄ｉｎｕｍ］配列が定義される。
　データ解凍／並び替え処理部３０５は、グローバル変数３０９に含まれる「＄ｓｎｕｍ」が「０」であるか否かを判定する（Ｓ４５１）。これによって、ストリームデータ処理が実行されるか否かが判定される。すなわち、図８Ａのクエリ例２（３５１）に示すようにクエリ１５５にｓｅｌｅｃｔ＿ｉｔｅｍｓ句が含まれない場合、「＄ｓｎｕｍ」は「０」であるため、ストリームデータ処理は実行されないと判定される。
　「＄ｓｎｕｍ」が「０」でないと判定された場合、データ解凍／並び替え処理部３０５は、処理結果を出力するファイルをファイルＢ３１３に決定し（Ｓ４５２）、Ｓ４３４に進む。
　「＄ｓｎｕｍ」が「０」であると判定された場合、データ解凍／並び替え処理部３０５は、処理結果を出力するファイルをファイルＤ３１５に決定し（Ｓ４５３）、Ｓ４３４に進む。
　データ解凍／並び替え処理部３０５は、ｄａｔａ［３６００］［＄ｉｎｕｍ］配列及び時刻を初期化する（Ｓ４５４）。具体的には、データ解凍／並び替え処理部３０５は、ｄａｔａ［３６００］［＄ｉｎｕｍ］をＮａＮ（Ｎｏｔ　ａ　Ｎｕｍｂｅｒ）値を用いて初期化し、また、時刻を表す変数ｌａｓｔｅｔを「０」に初期化する。本実施形態では、配列ｄａｔａの初期化の際、ＮａＮ値を用いたが、数値と重複しない値であれば、何でもよい。
　データ解凍／並び替え処理部３０５は、データ構造１（３４０）に示すパケットを一つ取り出す（Ｓ４５５）。具体的には、データ解凍／並び替え処理部３０５は、バッファからパケットを取り出す。バッファにパケットがない場合には、ファイルＡ３１２からパケットを取り出す。初回の処理時には、バッファにはパケットが格納されていないため、ファイルＡ３１２からパケットが取り出される。
　データ解凍／並び替え処理部３０５は、取り出されたパケットが空であるか否かを判定する（Ｓ４５６）。すなわち、取り出されたパケットに処理対象のデータが含まれているか否かが判定される。
　取り出されたパケットが空でないと判定された場合、データ解凍／並び替え処理部３０５は、当該パケットからデータを抽出する（Ｓ４５７）。具体的には、データ解凍／並び替え処理部３０５は、パケットから、ｄａｔｅｔｉｍｅ３４０１、ｉｄｘ３４０２、ｚｌｅｎ３４０３及びｚｂｌｋ３４０４を抽出する。
　データ解凍／並び替え処理部３０５は、同じ時刻の時系列データブロックを一括して処理するため、取り出されたパケットが処理時間範囲内のデータであるか否かを判定する（Ｓ４５８）。具体的には、ｌａｓｔｅｔには、前回受信したパケットのｄａｔｅｔｉｍｅ３４０１が保持されているので、今回受信したパケット（３４０）のｄａｔｅｔｉｍｅ３４０１とｌａｓｔｅｔとを比較することによって、当該パケットが処理時間の範囲である１時間以内のパケットであるか否かを判定できる。
　取り出されたパケットが処理時間範囲内のデータであると判定された場合、データ解凍／並び替え処理部３０５は、圧縮データを解凍する（Ｓ４５９）。具体的には、データ解凍／並び替え処理部３０５は、取り出されたパケットに含まれるｚｂｌｋ３４０４を解凍し、当該結果をｂｌｋに格納する。
　データ解凍／並び替え処理部３０５は、解凍されたデータを配列ｄａｔａに格納し（Ｓ４６０）、Ｓ４５５に戻りＳ４５５～Ｓ４６０の処理を実行する。具体的には、データ解凍／並び替え処理部３０５は、ｂｌｋを配列ｄａｔａに格納する。また、データ解凍／並び替え処理部３０５は、ｌａｔｅｓｔにｄａｔｅｔｉｍｅ３４０１を格納する。
　Ｓ４５６において取り出されたパケットが空であると判定された場合、又は、Ｓ４５８において取り出されたパケットが処理時間範囲内のデータでないと判定された場合、データ解凍／並び替え処理部３０５は、取り出されたパケットをバッファに書き戻す（Ｓ４６１）。
　データ解凍／並び替え処理部３０５は、ループ回数を示す変数ｉに「０」に設定し、パケット内の１時間分の各データに対して処理４６３、処理４６４を繰り返し実行する（Ｓ４６２）。すなわち、変数ｉが「３６００」より大きくなるまで処理が繰り返し実行される。
　データ解凍／並び替え処理部３０５は、出力結果を生成する（Ｓ４６３）。すなわち、データ解凍／並び替え処理部３０５は、データ構造２（３４１）に示すようなデータを生成する。
　具体的には、変数ｉに対して、ｌａｔｅｓｔ＋ｉをｄａｔｅｔｉｍｅ３４１１に、「＄ｉｎｕｍ」をｖａｌｎ３４１２に、配列ｄａｔａをそれぞれデータ３４１３に格納する。これによって、ｉｎｐｕｔ＿ｉｔｅｍｓ句に指定されるセンサの１秒（１行）のデータに対応する出力結果が得られる。したがって、全ての変数ｉについて同様の処理を繰り返し実行することによって、ｉｎｐｕｔ＿ｉｔｅｍｓ句に指定されたセンサの１時間分のデータが出力結果として得られる。
　データ解凍／並び替え処理部３０５は、生成された出力結果をファイルＢ３１３又はファイルＤ３１５に出力する（Ｓ４６４）。
　データ解凍／並び替え処理部３０５は、１時間分のパケットの処理を終了したか否かを判定する（Ｓ４６５）。すなわち、変数ｉが「３６００」より大きいか否かが判定される。変数ｉが「３６００」未満の場合、１時間分のパケットの処理が終了していないと判定される。
　全ての変数ｉに対して処理が終了していないと判定された場合、すなわち、変数ｉが「３６００」未満の場合、データ解凍／並び替え処理部３０５は、Ｓ４６２に戻りＳ４６２～Ｓ４６６の処理を実行する。
　全ての変数ｉに対して処理が終了したと判定された場合、すなわち、変数ｉが「３６００」より大きい場合、データ解凍／並び替え処理部３０５は、ファイルＡ３１２に格納される全てのパケットについて処理が終了したが否かを判定する（Ｓ４６６）。
　ファイルＡ３１２に格納される全てのパケットについて処理が終了していないと判定された場合、データ解凍／並び替え処理部３０５は、Ｓ４５４に戻りＳ４５４～Ｓ４６６の処理を実行する。
　ファイルＡ３１２に格納される全てのパケットについて処理が終了したと判定された場合、データ解凍／並び替え処理部３０５は、処理を終了する。
　図１５は、本実施形態におけるストリームデータ処理部３０６の構成例を示す説明図である。
　ストリームデータ処理部３０６は、入力制御部５００、入力キュー５０１、ストリームデータ処理エンジン５０２、ユーザ定義関数５０３、出力キュー５０４及び出力制御部５０５を備える。
　入力制御部５００は、入力制御を実行する。具体的には、入力制御部５００は、ファイルＢ３１３から入力されるデータを受信し、受信したデータを入力キュー５０１に出力する。入力キュー５０１は、入力制御部５００に入力されたデータを格納する。
　ストリームデータ処理エンジン５０２は、入力キュー５０１からデータを取り出し、ＣＱＬ３１１に基づいて取り出された情報を分析し、分析結果を出力キュー５０４に出力する。
　ユーザ定義関数５０３は、ＣＱＬ３１１において使用される関数の演算方法の定義を格納する。なお、ユーザ定義関数５０３の詳細については、図１６を用いて後述する。
　出力キュー５０４は、ストリームデータ処理エンジン５０２から入力された分析結果を格納する。
　出力制御部５０５は、出力制御を実行する。具体的には、出力制御部５０５は、出力キュー５０４から分析結果を読み出し、ファイルＣに分析結果を出力する。
　本実施形態では、まず、ファイルＢ３１３に格納されるｖａｌｎ３４１２が「＄ｉｎｕｍ」であるデータ、すなわち、「＄ｉｎｕｍ」個のセンサ１００についての値が格納されたデータがファイルＢ３１３からストリームデータ処理部３０６に入力される。ストリームデータ処理部３０６は、ＣＱＬ３１１に基づいて処理を実行した結果をファイルＣ３１４に出力する。
　具体的には、当該ファイルＣ３１４に格納されるデータのｖａｌｎ３４１２には「＄ｓｎｕｍ＋１」が格納され、データ３４１３のうちｖａｌ［０］～ｖａｌ［＄ｓｎｕｍ－１］には、クエリ１５５のｓｅｌｅｃｔ＿ｉｔｅｍｓ句で指定された処理結果が格納され、データ３４１３のうちｖａｌ［＄ｓｎｕｍ］には、クエリ１５５のｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句で指定された条件に対する処理結果が格納される。
　ここで、ｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句において指定された条件に一致する場合、ｖａｌ［＄ｓｎｕｍ］には「１」が格納される。また、ｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句において指定された条件に一致しない場合、ｖａｌ［＄ｓｎｕｍ］には「０」が格納される。ｖａｌ［＄ｓｎｕｍ］に格納される値は、後述する切り出し処理部３０７が切り出し範囲５５２（図１９参照）を決定するためのフラグとして用いられる。
　本実施形態では、ｓｅｌｅｃｔ＿ｉｔｅｍｓ句で指定された「＄ｓｎｕｍ」個の処理結果に、ｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句の処理結果が一つ付加されるため、ファイルＣ３１４に格納されるデータのデータ３４１３には、「＄ｓｎｕｍ＋１」個の値が含まれる。
　図１６は、本実施形態のユーザ定義関数５０３の一例を示す説明図である。
　ユーザ定義関数５０３は、識別番号５０３１、関数名５０３２、動作説明５０３３及び備考５０３４を含む。
　識別番号５０３１は、ユーザ定義関数５０３に含まれる関数を一意に識別するための識別子である。関数名５０３２は、ＣＱＬ３１１に含まれる関数の名称である。動作説明５０３３は、関数名５０３２に対応する関数の演算内容である。備考５０３４は、関数名５０３２に対応する関数についての付加的情報である。
　図１７に示す例では、識別番号５０３１が「１」～「７」の関数は、「ＬＡＢＥＬ」と「ｎｕｍ」とが動作説明５０３３に示す関係を満たすデータを抽出する関数である。識別番号５０３１が「８」及び「９」は、「ＬＡＢＥＬ」が動作説明５０３３に示す所定の区間内のデータを抽出する関数である。識別番号５０３１が「１０」～「１２」は、動作説明５０３３に示す論理演算を実行する関数である。
　なお、図８Ｂに示すＣＱＬ例１（３５３）のＧｒａｔｅｒＴｈａｎＯｒＥｑｕａｌＴｏ関数では、「ＬＡＢＥＬ」は「Ｌ１」であり、「ｎｕｍ」は「７０」である。ＣＱＬ例１（３５３）のＰｏｓｉｔｉｖｅＴｈｒｅｓｈｏｌｄ関数では、「ＬＡＢＥＬ」は「Ｌ３」であり、「ｎｕｍ１」及び「ｎｕｍ２」は「３００」及び「２００」である。
　以下、識別番号５０３１が「８」及び「９」の関数によって抽出された所定の区間のデータについて説明する。
　図１７は、本実施形態のユーザ定義関数５０３に含まれる関数によって抽出された所定の区間のデータの一例を示す説明図である。
　ＰｏｓｉｔｉｖｅＴｈｒｅｓｈｏｌｄの例は、識別番号５０３１が「８」の関数によって抽出された所定の区間のデータを示す。図１７の動作説明５０３３に示すように、ＰｏｓｉｔｉｖｅＴｈｒｅｓｈｏｌｄでは、「ＬＡＢＥＬ」の値が「ｎｕｍ１」以上になり、「ＬＡＢＥＬ」の値が「ｎｕｍ２」より小さくなるまでの区間のデータが抽出される。
　ＮｅｇａｔｉｖｅＴｈｒｅｓｈｏｌｄの例は、識別番号５０３１が「９」の関数によって抽出された所定の区間のデータを示す。図１７の動作説明５０３３に示すように、ＮｅｇａｔｉｖｅＴｈｒｅｓｈｏｌｄでは、「ＬＡＢＥＬ」が「ｎｕｍ１」以下になり、「ＬＡＢＥＬ」が「ｎｕｍ２」より大きくなるまでの区間のデータが抽出される。
　以下、ストリームデータ処理部３０６が実行する処理について説明する。
　図２７は、本実施形態のストリームデータ処理部３０６によって実行される処理の一例を説明するフローチャートである。
　ストリームデータ処理部３０６は、ＣＱＬを読み出し（Ｓ９００）、更に変数ｒｕｎｎｉｎｇを「１」に設定する（Ｓ９０１）。
　次に、ストリームデータ処理部３０６は、入力制御スレッド及び出力制御スレッドを起動する（Ｓ９０２、Ｓ９０３）。これによって、入力制御部５００及び出力制御部５０５が、処理を開始する。入力制御部５００によって実行される処理については、図２８を用いて後述する。また、出力制御部５０５によって実行される処理については、図２９を用いて後述する。
　ストリームデータ処理部３０６は、出力キュー５０４に空きがあるか否かを判定する（Ｓ９０４）。
　出力キュー５０４に空きがないと判定された場合、ストリームデータ処理部３０６は、出力キュー５０４に空きができるまで待つ続ける（Ｓ９０５）。
　出力キュー５０４に空きがあると判定された場合、ストリームデータ処理部３０６は、入力キュー５０１にデータが格納されているか否かを判定する（Ｓ９０６）。
　入力キュー５０１にデータが格納されていると判定された場合、ストリームデータ処理部３０６は、入力キュー５０１からデータを取得する（Ｓ９０７）。
　ストリームデータ処理部３０６は、ＣＱＬに基づいて取得されたデータを処理する（Ｓ９０８）。具体的には、ストリームデータ処理エンジン５０２が、ＣＱＬを実行する。
　ストリームデータ処理部３０６は、ＣＱＬの実行結果を出力キュー５０４に格納し（Ｓ９０９）、Ｓ９０４に戻り同様の処理を実行する。
　Ｓ９０６において、入力キュー５０１にデータが格納されていないと判定された場合、ストリームデータ処理部３０６は、変数ｒｕｎｎｎｉｎｇが「１」であるか否かを判定する（Ｓ９１１）。
　変数ｒｕｎｎｎｉｎｇが「１」であると判定された場合、ストリームデータ処理部３０６は、処理待ちの待ち状態となって（Ｓ９１０）、Ｓ９０６に戻り同様の処理を実行する。
　変数ｒｕｎｎｎｉｎｇが「１」でないと判定された場合、ストリームデータ処理部３０６は、出力キュー５０４にデータが格納されているか否かを判定する（Ｓ９１２）。
　出力キュー５０４にデータが格納されていないと判定された場合、ストリームデータ処理部３０６は、出力キュー５０４にデータが格納されるまで待ち続ける（Ｓ９１３）。
　出力キュー５０４にデータが格納されていると判定された場合、ストリームデータ処理部３０６は、入力制御スレッド及び出力制御スレッドを停止させ（Ｓ９１４、Ｓ９１５）、処理を終了する。これによって、入力制御部５００及び出力制御部５０５の処理が終了する。
　図２８は、本実施形態の入力制御部５００によって実行される処理の一例を説明するフローチャートである。
　入力制御部５００は、入力制御の処理を開始すると（Ｓ９２０）、入力キュー５０１に空きがあるか否かを判定する（Ｓ９２２）。
　入力キュー５０１に空きがないと判定された場合、入力制御部５００は、入力キュー５０１に空きができるまで待ち続ける（Ｓ９２１）。
　入力キュー５０１に空きがあると判定された場合、入力制御部５００は、ファイルＢ３１３にデータが存在するか否かを判定する（Ｓ９２３）。
　ファイルＢ３１３にデータが存在しないと判定された場合、入力制御部５００は、変数ｒｕｎｎｎｉｎｇを「０」に設定して（Ｓ９２６）、処理を終了する（Ｓ９２７）。
　ファイルＢ３１３にデータが存在すると判定された場合、入力制御部５００は、ファイルＢ３１３からデータを取得し（Ｓ９２４）、取得されたデータを入力キュー５０１に格納し（Ｓ９２５）、Ｓ９２２に戻り同様の処理を実行する。
　図２９は、本実施形態の出力制御部５０５によって実行される処理の一例を説明するフローチャートである。
　出力制御部５０５は、出力制御の処理を開始すると（Ｓ９３０）、出力キュー５０４にデータが存在するか否かを判定する（Ｓ９３１）。
　出力キュー５０４にデータが存在しないと判定された場合、出力制御部５０５は、出力キュー５０４にデータが格納するまで待ち続ける（Ｓ９３２）。
　出力キュー５０４にデータが存在すると判定された場合、出力制御部５０５は、出力キュー５０４からデータを取得し（Ｓ９３３）、取得されたデータをファイルＣ３１４に格納する（Ｓ９３４）。
　出力制御部５０５は、その後、Ｓ９３１に戻り同様の処理を実行する。
　図１８Ａは、本実施形態の切り出し処理部３０７によって実行される処理の一例を説明するフローチャートである。
　切り出し処理部３０７は、ストリームデータ処理部３０６の処理が終了した後に処理を開始する。
　切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔ、変数ｐｏｓｔ＿ｃｎｔ及び変数ｌａｔｅｓｔの初期化と、ＦＩＦＯバッファの生成及び初期化と、ｉｎｄａｔａバッファの定義及び初期化とを実行する（Ｓ５７０）。
　具体的には、切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔ及び変数ｐｏｓｔ＿ｃｎｔを「０」に初期化する。また、切り出し処理部３０７は、変数ｌａｔｅｓｔを「＄ｓｔａｒｔ－＄ｐｒｅｖ－１」と初期化する。また、切り出し処理部３０７は、（＄ｐｒｅｖ＋１）段のＦＩＦＯバッファを生成し、生成されたＦＩＦＯバッファを「０」に初期化する。なお、変数ｐｒｅｖ＿ｃｎｔ及び変数ｐｏｓｔ＿ｃｎｔは、後述する切り出し処理で用いられる変数である。
　切り出し処理部３０７は、ファイルＣ３１４からデータを一つ読み出し、ｉｎｄａｔａに格納する（Ｓ５７１）。なお、ファイルＣ３１４には、ｓｅｌｅｃｔ＿ｉｔｅｍｓ句の演算結果、１行に対応するデータ構造２（３４１）のデータが複数個格納されている。
　切り出し処理部３０７は、ファイルＣ３１４から読み出されたデータが、ファイルＣ３１４に格納される終端のデータであるか否かを判定する（Ｓ５７２）。例えば、読み出されたデータのｄａｔｅｔｉｍｅ３４１１が、グローバル変数３０９に含まれる「＄ｅｎｄ」と同一か否かを判定することによって可能である。
　ファイルＣ３１４から読み出されたデータが、ファイルＣ３１４に格納される終端のデータでないと判定された場合、切り出し処理部３０７は、ｉｎｄａｔａに含まれるｄａｔｅｔｉｍｅ３４１１及び変数ｌａｔｅｓｔを用いて、変数ｄｉｆｆを「ｄａｔｅｔｉｍｅ－ｌａｔｅｓｔ」と設定し（Ｓ５７３）、Ｓ５７５に進む。
　ファイルＣ３１４から読み出されたデータが、ファイルＣ３１４に格納される終端のデータであると判定された場合、切り出し処理部３０７は、変数ｄｉｆｆを「＄ｐｒｅｖ＋１」に設定し（Ｓ５７４）、Ｓ５７５に進む。
　切り出し処理部３０７は、変数ｄｉｆｆに設定された値を変数ｉに代入し、変数ｉが「０」より小さくなるまで繰り返し処理を実行する（Ｓ５７５）。
　切り出し処理部３０７は、変数ｉが「１」であるか否かを判定する（Ｓ５７６）。
　変数ｉが「１」でないと判定された場合、切り出し処理部３０７は、ＦＩＦＯバッファに挿入するダミーデータ（以下、挿入データとも記載する）を生成し（Ｓ５７７）、Ｓ５８０に進む。
　具体的には、データ構造２（３４１）に示すような挿入データが生成される。この場合、挿入データのｄａｔｅｔｉｍｅ３４１１には「ｌａｔｅｓｔ＋１」が設定され、ｖａｌｎ３４１２には「＄ｓｎｕｍ＋１」が設定される。また、挿入データのデータ３４１３のうちｖａｌ［０］～［＄ｓｎｕｍ－１］には空データを示す値（ＮａＮ）が設定され、ｖａｌ［＄ｓｎｕｍ］には「０」が設定される。
　変数ｉが「１」であると判定された場合、切り出し処理部３０７は、ファイルＣ３１４から読み出されたデータ（ｉｎｄａｔｅ）が、ファイルＣ３１４に格納される終端のデータであるか否かを判定する（Ｓ５７８）。当該判定は、Ｓ５７２と同一の方法が用いられる。
　ファイルＣ３１４から読み出されたデータ（ｉｎｄａｔｅ）が、ファイルＣ３１４に格納される終端のデータであると判定された場合、切り出し処理部３０７は、処理を終了する。
　ファイルＣ３１４から読み出されたデータ（ｉｎｄａｔｅ）が、ファイルＣ３１４に格納される終端のデータでないと判定された場合、切り出し処理部３０７は、入力データを生成し（Ｓ５７９）、Ｓ５８０に進む。具体的には、切り出し処理部３０７は、ｉｎｄａｔａに格納された値を入力データに設定に設定する。
　切り出し処理部３０７は、入力データを用いて切り出し処理を実行する（Ｓ５８０）。切り出し処理の詳細については、図１８Ｂを用いて後述する。
　切り出し処理部３０７は、処理を繰り返し実行するか否かを判定する（Ｓ５８１、Ｓ５７５）。すなわち、切り出し処理部３０７は、Ｓ５７５のｆｏｒ文ループの実行を続行するか否かを判定する。具体的には、変数ｉをデクリメントし、「ｉ＞０」であるか否かが判定される。判定結果が真の場合は、処理を繰り返し実行すると判定される。
　処理を繰り返し実行すると判定された場合には、切り出し処理部３０７は、Ｓ５７５に戻り同様の処理（Ｓ５７５～Ｓ５８１）を実行する。
　処理を繰り返し実行しないと判定された場合には、切り出し処理部３０７は、Ｓ５７１に戻り同様の処理（Ｓ５７１～Ｓ５８１）を実行する。
　図１８Ｂは、本実施形態の切り出し処理の詳細を説明するフローチャートである。
　切り出し処理部３０７は、挿入データのｄａｔｅｔｉｍｅを、変数ｌａｔｅｓｔに設定する（Ｓ５８２）。
　切り出し処理部３０７は、ＦＩＦＯバッファに一つの挿入データを入力し、また、ＦＩＦＯバッファから一つのデータを出力する（Ｓ５８３）。以下では、ＦＩＦＯバッファから出力されるデータを出力データとも記載する。
　切り出し処理部３０７は、入力された挿入データのｖａｌ［＄ｓｎｕｍ］が「１」であるか否かを判定する（Ｓ５８４）。
　入力された挿入データのｖａｌ［＄ｓｎｕｍ］が「１」でないと判定された場合、切り出し処理部３０７は、Ｓ５８６に進む。
　入力された挿入データのｖａｌ［＄ｓｎｕｍ］が「１」であると判定された場合、切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔの値を「１」加算し（Ｓ５８５）、Ｓ５８６に進む。
　切り出し処理部３０７は、出力された出力データのｖａｌ［＄ｓｎｕｍ］が「１」であるか否かを判定する（Ｓ５８６）。
　出力された出力データのｖａｌ［＄ｓｎｕｍ］が「１」でないと判定された場合、切り出し処理部３０７は、Ｓ５８８に進む。
　出力された出力データのｖａｌ［＄ｓｎｕｍ］が「１」であると判定された場合、切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔの値を「１」減算し（Ｓ５８７）、Ｓ５８８に進む。
　切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔ、変数ｐｏｓｔ＿ｃｎｔ及び入力された挿入データのｖａｌ［＄ｓｎｕｍ］の値に基づいて、切り出し条件判定処理を実行する（Ｓ５８８）。具体的には以下に示す判定処理が実行される。
　Ｓ５８８では、切り出し処理部３０７は、３つの判定処理を実行する。
　第１に、切り出し処理部３０７は、変数ｐｒｅｖ＿ｃｎｔの値が「０」より大きいか否かを判定する。以下、当該判定を切り出し条件（１）と記載する。
　第２に、切り出し処理部３０７は、出力された出力データのｖａｌ［＄ｓｎｕｍ］の値が「１」であるか否かを判定する。以下、当該判定を切り出し条件（２）と記載する。
　第３に、切り出し処理部３０７は、変数ｐｏｓｔ＿ｃｎｔの値が「０」より大きいか否かを判定する。以下、当該判定を切り出し条件（３）と記載する。
　切り出し処理部３０７は、切り出し条件判定処理の実行結果に基づいて、切り出し条件（１）、（２）又は（３）の少なくともいずれかを満たすか否かを判定する（Ｓ５８９）。
　切り出し条件（１）、（２）又は（３）のいずれも満たさないと判定された場合、切り出し処理部３０７は、切り出し処理Ｓ５８０の処理を終え、Ｓ５８１へ進む。
　切り出し条件（１）、（２）又は（３）の少なくともいずれかを満たすと判定された場合、切り出し処理部３０７は、切り出し条件判定処理の実行結果に基づいて、切り出し条件（１）又は（２）の少なくともいずれかを満たすか否かを判定する（Ｓ５９０）。
　切り出し条件（１）又は（２）の少なくともいずれかを満たすと判定された場合、切り出し処理部３０７は、「＄ｐｏｓｔ」の値を変数ｐｏｓｔ＿ｃｎｔに設定し（Ｓ５９１）、Ｓ５９３に進む。
　切り出し条件（１）又は（２）のいずれも満たさないと判定された場合、切り出し処理部３０７は、変数ｐｏｓｔ＿ｃｎｔを「１」減算し（Ｓ５９２）、Ｓ５９３に進む。
　切り出し処理部３０７は、ｆｏｕｔデータをファイルＤ３１５に出力し（Ｓ５９３）、切り出し処理Ｓ５８０の処理を終え、Ｓ５８１へ進む。
　当該処理によって、切り出し条件を満たすもののみがファイルＤ３１５に出力される。なお、ファイルＤ３１５には、クエリ１５５のｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句で指定された条件を満たすデータを含む前後のオフセットが付加された出力結果が格納される。
　具体的には、切り出し処理部３０７は、Ｓ５８８、Ｓ５８９において、切り出し条件（１）を満たすこと示すフラグ、切り出し条件（２）を満たすことを示すフラグ、及び切り出し条件（３）を満たすことを満たすフラグを各挿入データに付与する。さらに、切り出し処理部３０７は、当該フラグに基づいて各切り出し条件の判定を行う。
　以下、当該切り出し処理部３０７が実行する処理によって出力される出力結果について説明する。
　図１９は、本実施形態の切り出し処理部３０７によって出力される出力結果の一例を示す説明図である。
　クエリ例３（５５０）が入力された場合に、切り出し処理部３０７は、出力結果５５１に示すような結果が出力される。
　具体的には、ｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句においてＬＡＢＥＬが「Ｌ１」であるＳｅｎｓｏｒ１の値が「１００」以上である条件成立範囲５５４、前方オフセット５５３及び後方オフセット５５５を含む切り出し範囲５５２、又は、条件成立範囲５５４、前方オフセット５５３、後方オフセット５５５及び結合オフセット５５６を含む切り出し範囲５５２が出力される。
　すなわち、切り出し範囲５５２に示すような範囲のデータが切り出され、出力結果として出力される。
　なお、結合オフセット５５６は、前方オフセット５５３と後方オフセット５５５とが重なる部分を一つのオフセットとして結合したものである。
　当該出力結果は、図１８のＳ５８９において付与されたフラグに基づいて生成されたものである。すなわち、切り出し条件（１）～（３）のいずれかのフラグが付与された挿入データが切り出し範囲５５２と出力される。具体的には以下の通りである。
　切り出し条件（２）のフラグが付与された挿入データは、切り出し範囲５５２のうち条件成立範囲５５４に含まれるデータとして出力される。
　切り出し条件（１）のフラグが付与された挿入データは、切り出し範囲５５２のうち前方オフセット５５３に含まれるデータとして出力される。
　切り出し条件（３）のフラグが付与された挿入データは、切り出し範囲５５２のうち後方オフセット５５５に含まれるデータとして出力される。
　切り出し処理部３０７は、それぞれの切り出し条件（１）～（３）に一致する挿入データを切り出し、切り出されたデータを時間順に並び替えて（ソートして）、出力する。
　なお、切り出し条件（１）～（３）のいずれかのフラグが２以上付与された挿入データは、結合オフセット５５６を含む切り出し範囲５５２として出力される。
　図２０は、本発明の実施形態のデータ出力部３０８によって実行される処理の一例を説明するフローチャートである。
　データ出力部３０８は、ｔｍｐバッファを定義する（Ｓ６０５）。
　データ出力部３０８は、ファイルＤ３１５からデータを読み出し、読み出されたデータをｔｍｐに格納する（Ｓ６００）。読み出されるデータは、ｓｅｌｅｃｔ＿ｉｔｅｍｓ句の演算結果、１行に対応するデータ構造２（３４１）に示すようなデータである。
　データ出力部３０８は、読み出されたデータのｄａｔｅｔｉｍｅ３４１１を参照し、検索結果抽出処理を実行する（Ｓ６０１）。具体的には、以下の２つの処理が実行される。
　第１に、データ出力部３０８は、ｄａｔｅｔｉｍｅ３４１１に格納される値が、クエリ１５５のｗｈｅｒｅ＿ｔｉｍｅｒａｎｇｅ句において指定された時間範囲に含まれるか否かを判定する。すなわち、ｄａｔｅｔｉｍｅ３４１１に格納される値が、「＄ｓｔａｒｔ」以上かつ「＄ｅｎｄ」以下であるか否かを判定する。以下、当該判定を出力条件（１）と記載する。
　出力条件（１）を満たすか否かの判定処理が実行される理由は、ＳＱＬ３１０によって検索される範囲のデータが、クエリ１５５において指定された時間範囲より広い範囲のデータが対象となっているためである。すなわち、図１１Ｂにおいて説明したように、ＳＱＬ３１０を生成するときに用いられる「＄ｄｂ＿ｓｔａｒｔ」（図１１Ｂ参照）は、「＄ｓｔａｒｔ」より前の時刻のデータについても処理しているためである。
　第２に、データ出力部３０８は、間引き処理を実行する。具体的には、ｄａｔｅｔｉｍｅ３４１１に格納される値を、クエリ１５５のｓｔｅｐ句において指定された値、すなわち、「＄ｓｔｅｐ」で除算した余りが「０」となるか否かを判定する。以下、当該判定を出力条件（２）と記載する。クエリ例１（３５０）に示す例では、出力条件（２）によって、５秒ごとのデータが出力される。
　データ出力部３０８は、Ｓ６０１における検索結果抽出処理の結果に基づいて、出力条件（１）及び出力条件（２）を満たすか否かを判定する（Ｓ６０２）。
　出力条件（１）及び出力条件（２）の両判定を同時に満たさないと判定された場合、データ出力部３０８は、Ｓ６０４に進む。すなわち、当該データは出力されない。
　出力条件（１）及び出力条件（２）を満たすと判定された場合、データ出力部３０８は、検索結果生成処理を実行する（Ｓ６０３）。具体的には、データ出力部３０８は、ｔｍｐに格納されるデータをデータ構造３（３４２）に示すようなＣＳＶ形式に変換して検索結果ファイル１５６に出力する。
　データ出力部３０８は、ファイルＤ３１５に格納される全てのデータについて処理が完了したか否かを判定する（Ｓ６０４）。
　本実施形態では、データベース検索処理では１時間単位に圧縮された圧縮データを検索し、データ解凍／並び替え処理では１時間単位に圧縮された圧縮データを解凍して１秒単位のデータを生成し、以後、ストリームデータ処理、切り出し処理、出力データ生成処理では１秒単位のデータについて処理を実行する。なお、出力データ生成処理では、１秒単位でデータを処理するが、＄ｓｔｅｐで指定した単位でデータを出力する。
　これによって、プラント１０２において異常が発生した場合に、当該異常の検索精度を落とすことなく、高速に検索することができ、また、異常発生の原因を特定するためのデータ範囲を出力することが可能となる。
　図２１は、本実施形態において、特徴値検索処理を実行する場合のクエリ１５５及びＳＱＬ３１０の一例を示す説明図である。
　特徴値検索処理を実行する場合、クエリ１５５にｍｅｔａ＿ｓｅａｒｃｈ句が追加される点が異なる。これによって、ＤＡＴテーブル２０８に含まれるＭａｘＶａｌカラム２０８４及びＭｉｎＶａｌカラム２０８５を用いた検索が可能となる。
　図２１に示すようにクエリ例４（７００）には、ＭａｘＶａｌカラム２０８４の値が「１００」より大きいデータが検索の対象となる。
　データ検索モジュール１５７は、ｍｅｔａ＿ｓｅａｒｃｈ句が含まれるクエリ１５５を受け付けた場合、特徴値検索用ＳＱＬ生成部３０２は、図２１に示すようなＳＱＬ例４－１（７０１）を生成し、ＳＱＬ例４－１（７０１）が実行された後に、ＳＱＬ例４－２（７０２）を生成する。
　ＳＱＬ例４－１（７０１）は、時刻切り出し用ＳＱＬであり、特徴値に一致するデータの時刻（Ｄａｔｅｔｉｍｅ）を抽出するためのＳＱＬである。
　ＳＱＬ例４－２（７０２）は、特徴値検索用ＳＱＬであり、ＳＱＬ例４－１（７０１）によって抽出されたＤａｔｅｔｉｍｅの範囲において、データベース１５４の検索を実行するためのＳＱＬである。
　ＳＱＬ例４－２（７０２）は、ＳＱＬ例１（３５２）と同様のＳＱＬ３１０であるが、ＳＱＬ例１（３５２）と比較して、ＳＱＬ例４－２（７０２）ではＳＱＬ例４－１（７０１）の実行によって検索範囲が限定されるため、検索処理の時間を大幅に短縮することが可能となる。
　例えば、異常値があらかじめわかっている場合は、当該異常値を用いて検索処理を実行することによって、全検索する場合に比べて検索するデータの範囲を絞り込むことが可能になるため、処理時間を短縮することができる。
　また、図２１のクエリ例４において、ユーザは必ずしもｍｅｔａ＿ｓｅｒａｃｈ句を指定する必要はない。一般に閾値判定において、ある閾値を超過した時系列データは、最大値が当該閾値を超過したパケット集合に含まれている。また同様に、ある閾値を下回る時系列データは、最小値が当該閾値を下回るパケット集合に含まれている。このようなクエリ変換規則を管理することにより、ｍｅｔａ＿ｓｅａｒｃｈ句を自動生成することができる。具体的には、図２１のクエリ例４において、ｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句においてｇｒｅａｔｅｒｔｈａｎ句と閾値が指定されている場合、ｍｅｔａ＿ｓｅａｔｃｈ句において最大値が閾値を超過する句としてＭａｘＶａｌ＞閾値を自動付与する。またｗｈｅｒｅ＿ｃｏｎｄｉｔｉｏｎ句においてｌｅｓｓｔｈａｎ句と閾値が指定されている場合、ｍｅｔａ＿ｓｅａｔｃｈ句において最大値が閾値を超過する句としてＭｉｎＶａｌ＜閾値を自動付与する。このようなクエリ変換規則は、システムにおいてあらかじめ登録しておいてもよいし、ユーザが後で登録可能にしておいてもよい。
　図２２は、本実施形態において、特徴値検索用のＳＱＬ３１０を生成するためのＳＱＬテンプレートを示す説明図である。
　特徴値検索用ＳＱＬ生成部３０２は、時刻切り出し用ＳＱＬテンプレート７１０及び特徴値検索用ＳＱＬテンプレート７１１を保持する。
　時刻切り出し用ＳＱＬテンプレート７１０は、特徴値検索を実行する場合のＳＱＬ３１０を生成するためのテンプレートであり、特徴値に一致するデータが含まれる圧縮データの時刻を抽出するためのＳＱＬである。
　具体的には、ＩＤカラム２０７２とＩＤカラム２０８２とが同一であるＳＩＤテーブル２０７とＤＡＴテーブル２０８とを組み合わせたテーブルから、時刻（Ｄａｔｅｔｉｍｅ）を所定の条件に基づいて検索するＳＱＬであることを示す。
　所定の条件は、ｗｈｅｒｅ句以下に定義されている。すなわち、データを時間順に並び替え、指定されたセンサ名、指定された特徴値及び指定された時間区間に一致するデータを抽出することが定義されている。
　特徴値検索用ＳＱＬテンプレート７１１は、特徴値検索を実行する場合のＳＱＬ３１０を生成するためのテンプレートであり、時刻切り出し用ＳＱＬテンプレート７１０を用いて生成されたＳＱＬによって抽出された時刻範囲において、圧縮データを検索するためのＳＱＬである。
　図２２に示す例では、ＩＤカラム２０７２とＩＤカラム２０８２とが同一であるＳＩＤテーブル２０７とＤＡＴテーブル２０８とを組み合わせたテーブルから、時刻（Ｄａｔｅｔｉｍｅ）、センサ名（ＳＩＤ．Ｎａｍｅ）及び圧縮データ（ＤＡＴ．ＣＤＡＴＡ）を所定の条件に基づいて検索するＳＱＬであることを示す。
　所定の条件は、ｗｈｅｒｅ句以下に定義される。すなわち、データを時間順に並び替え、指定されたセンサ名及び指定された時間区間に一致するデータを取得することが定義されている。
　図２３は、本実施形態の特徴値検索用ＳＱＬ生成部３０２によって実行される処理の一例を説明するフローチャートである。
　特徴値検索用ＳＱＬ生成部３０２は、グローバル変数３０９を用いて、「＄ｍｅｔａ＿ｓｉｇｎａｌ」及び「＄ｍｅｔａ＿ｃｏｎｄ」を生成する（Ｓ７２０）。具体的には、特徴値検索用ＳＱＬ生成部３０２は、グローバル変数３０９に含まれる「＄ｍｅｔａ」を用いて、＄ｍｅｔａ分解処理７３０を実行する。すなわち、特徴値検索用ＳＱＬ生成部３０２は、「＄ｍｅｔａ」を「＄ｍｅｔａ＿ｓｉｇｎａｌ」及び「＄ｍｅｔａ＿ｃｏｎｄ」に分解する。
　特徴値検索用ＳＱＬ生成部３０２は、ワーク用の変数＄ｄｔ＿ｔｍｐを定義する（Ｓ７２０１）。
　特徴値検索用ＳＱＬ生成部３０２は、時刻切り出し用ＳＱＬを生成する（Ｓ７２１）。
　具体的には、まず、特徴値検索用ＳＱＬ生成部３０２は、「＄ｍｅｔａ＿ｓｔａｒｔ」＝「＄ｓｔａｒｔ」と設定し、さらに、分及び秒単位の値を「０」に初期化する。また、特徴値検索用ＳＱＬ生成部３０２は、「＄ｍｅｔａ＿ｅｎｄ」＝「＄ｅｎｄ」と設定する。次に、特徴値検索用ＳＱＬ生成部３０２は、「＄ｍｅｔａ＿ｓｉｇｎａｌ」、「＄ｍｅｔａ＿ｃｏｎｄ」、「＄ｍｅｔａ＿ｓｔａｒｔ」及び「＄ｍｅｔａ＿ｅｎｄ」を時刻切り出し用ＳＱＬテンプレート７１０に代入して、時刻切り出し用ＳＱＬを生成する。
　特徴値検索用ＳＱＬ生成部３０２は、時刻切り出し用ＳＱＬをデータベース１５４に対して発行する（Ｓ７２２）。
　特徴値検索用ＳＱＬ生成部３０２は、時刻切り出し用ＳＱＬを実行したデータベース１５４から実行結果を取得し、＄ｄｔ＿ｔｍｐへ格納する（Ｓ７２３）。具体的には、時刻切り出し用ＳＱＬにおいて指定された条件に一致する時刻データが実行結果として取得され、＄ｄｔ＿ｔｍｐへ格納される。
　特徴値検索用ＳＱＬ生成部３０２は、＄ｄｔ＿ｔｍｐに格納された１行分のデータがＮｕｌｌである否かを判定する（Ｓ７２４）。すなわち、全ての実行結果について処理が終了したか否かが判定される。
　＄ｄｔ＿ｔｍｐに格納された１行分のデータがＮｕｌｌであると判定された場合、特徴値検索用ＳＱＬ生成部３０２は、＄ｄｂ＿ｉｎｐｕｔ＝＄ｉｎｐｕｔとして＄ｄｂ＿ｉｎｐｕｔを生成し、さらに、特徴値検索用ＳＱＬを生成し（Ｓ７２５）、処理を終了する。具体的には、特徴値検索用ＳＱＬ生成部３０２は、特徴値検索用ＳＱＬテンプレート７１１に「＄ｄｂ＿ｉｎｐｕｔ」及び「＄ｄｂ＿ｄｔｓｅｔ」を代入することによって特徴値検索用ＳＱＬを生成する。
　＄ｄｔ＿ｔｍｐに格納された１行分のデータがＮｕｌｌでないと判定された場合、特徴値検索用ＳＱＬ生成部３０２は、時刻＄ｄｔ＿ｔｍｐのセンサデータが格納されている、時系列データブロックの開始時刻、及び、終了時刻、すなわち、「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」を算出する（Ｓ７２６）。
　具体的には、「＄ｄｂ＿ｓｔａｒｔ」については、特徴値検索用ＳＱＬ生成部３０２は「＄ｄｂ＿ｓｔａｒｔ＝＄ｄｔ＿ｔｍｐ－＄ｒａｎｇｅ」を計算し、さらに、当該計算結果の分及び秒単位の値を「０」に初期化される。また、「＄ｄｂ＿ｅｎｄ」については、「＄ｄｂ＿ｅｎｄ＝＄ｄｂ＿ｓｔａｒｔ＋３５９９」を計算した値が格納される。「３５９９」を加算する理由は、本実施形態では１時間単位でデータを圧縮してデータベースへ格納しているためである。
　特徴値検索用ＳＱＬ生成部３０２は、Ｓ７２６で算出された「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」を用いて、「＄ｄｂ＿ｄｔｓｅｔ」を生成し（Ｓ７２７）、Ｓ７２３に戻り同様の処理を実行する。具体的には、特徴値検索用ＳＱＬ生成部３０２は、「＄ｄｂ＿ｓｔａｒｔ」及び「＄ｄｂ＿ｅｎｄ」を用いて、＄ｄｂ＿ｄｔｓｅｔ生成処理を実行する。
　図２４は、本実施形態において、データ検索モジュール１５７によって実行される処理を並列に実行する場合を説明するフローチャートである。
　ＣＰＵ１２１は、複数のコアを備えており、図１０に示すように、ＤＢ検索３２０４の実行と同時に、各プロセス１～４においてそれぞれの処理を実行することも可能である。
　Ｓ３２００～Ｓ３２０２は、図９のＳ３２０～Ｓ３２３及びＳ３２７と同一の処理であるため説明を省略する。
　データ検索モジュール１５７は、プロセス１～４を起動し（Ｓ３２０３）、各プロセスでそれぞれの処理を実行する（Ｓ３２０４～Ｓ３２０８）。
　具体的には、プロセス１ではデータ解凍／並び替え処理が実行され、プロセス２ではストリームデータ処理が実行され、プロセス３では切り出し処理が実行され、また、プロセス４では出力データ生成処理が実行される。
　これによって、各処理の結果をファイルＡ３１２～ファイルＤ３１５に出力するのではなく、一つのプロセスの出力結果を他のプロセスに受け渡すことによって高速に処理することが可能となる。
　本実施形態によれば、時系列データを所定の時間単位に圧縮した圧縮データをデータベースに格納することによって、データベースに格納されるデータ量を削減できる。また、一つのクエリを受け付けることによって、圧縮データ検索のためのＳＱＬと、解凍されたデータを処理するＣＱＬとを生成できる。さらに、ＣＱＬにおいて指定された条件を満たす範囲と、当該範囲の前後の区間とをあわせた切り出し範囲を出力することによって、異常が発生した箇所だけではなく、異常が発生した前後の時系列データも出力することができ、異常箇所及び異常原因の特定のための追跡が容易になる。
　これによって、センタサーバ１０４のディスク容量の増加を抑制するとともに、プラントにおける異常原因を解析することが容易となる。
　さらに、特徴値とともに圧縮データをデータベース１５４に格納し、当該特徴値を用いて検索を実行することによって、処理時間を削減することが可能となる。
　以上、本発明を添付の図面を参照して詳細に説明したが、本発明はこのような具体的構成に限定されるものではなく、添付した請求の範囲の趣旨内における様々な変更及び同等の構成を含むものである。
　本発明は、膨大なデータを扱う工場やプラントにおける設備等の予防保全に適用することができる。

Claims (28)

  1. 　プロセッサと、前記プロセッサに接続されるメモリとを備え、データベースを管理する計算機におけるデータベース管理方法であって、
    　前記データベースは、所定の条件に基づいて圧縮された複数の圧縮データを格納し、
    　前記方法は、
    　前記計算機に接続されるクライアント計算機から前記データベースへのクエリを受け付けた場合に、前記計算機が、前記受け付けたクエリを解析する第１のステップと、
    　前記計算機が、前記受け付けたクエリの解析結果に基づいて、前記データベースから一つ以上の前記圧縮データを検索するための第１の問い合わせを生成する第２のステップと、
    　前記計算機が、前記受け付けたクエリの解析結果に基づいて、前記第１の問い合わせの応答結果である前記一つ以上の圧縮データから取得される複数の時系列データに対する検索を実行するための第２の問い合わせを生成する第３のステップと、
    　前記計算機が、前記データベースに前記第１の問い合わせを発行して、前記データベースから前記第１の問い合わせの応答結果として一つ以上の前記圧縮データを取得する第４のステップと、
    　前記計算機が、前記第１の問い合わせに対する応答結果として取得された一つ以上の圧縮データを解凍することによって前記複数の時系列データを取得する第５のステップと、
    　前記計算機が、前記取得された複数の時系列データに対して前記第２の問い合わせを実行する第６のステップと、
    　前記計算機が、前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出する第７のステップと、
    　前記計算機が、前記第７のステップにおいて抽出された所定のデータから前記クライアント計算機に出力するためのデータを抽出し、出力結果を生成する第８のステップと、を含むことを特徴とするデータベース管理方法。
  2. 　前記圧縮データは、前記複数の時系列データが所定の時間単位に圧縮された圧縮データであり、
    　前記第２の問い合わせは、前記複数の時系列データから所定の閾値の条件を満たす第１のデータ範囲を検索するための問い合わせであり、
    　前記第６のステップは、前記計算機が、前記第１のデータ範囲に含まれる前記時系列データにフラグを付与し、
    　前記第７のステップは、前記計算機が、前記時系列データに付与されたフラグに基づいて、前記第１のデータ範囲を含む第２のデータ範囲を抽出することを特徴とする請求項１に記載のデータベース管理方法。
  3. 　前記第２のデータ範囲は、
    　前記第１のデータ範囲の時刻が最も過去の前記時系列データから第１の時間さかのぼった範囲に含まれる前記時系列データを抽出する第３のデータ範囲と、
    　前記第１のデータ範囲の時刻が最新の前記時系列データから第２の時間進んだ範囲に含まれる前記時系列データを抽出する第４のデータ範囲と、を含むことを特徴とする請求項２に記載のデータベース管理方法。
  4. 　前記第８のステップは、前記第２のデータ範囲に含まれる時系列データのうち、所定の時間間隔の前記時系列データを抽出するステップを含むことを特徴とする請求項２に記載のデータベース管理方法。
  5. 　前記データベースは、検索キーとなる特徴情報を付加した前記圧縮データを格納し、
    　前記第１の問い合わせは、
    　前記特徴情報を含み、
    　当該第１の問い合わせに含まれる特徴情報に一致する前記特徴情報が付加された前記圧縮データを検索するための問い合わせであることを特徴とする請求項１に記載のデータベース管理方法。
  6. 　前記特徴情報は、前記圧縮データが圧縮される前の複数の時系列データにおける最大値、最小値、平均値、分散値又は周波数スペクトル上の特定点の少なくともいずれかであることを特徴とする請求項５に記載のデータベース管理方法。
  7. 　前記第１の問い合わせは、前記データベースから前記圧縮データを検索するためのＳＱＬであり、
    　前記第２の問い合わせは、前記時系列データから所定のデータを抽出するためのＣＱＬであることを特徴とする請求項１に記載のデータベース管理方法。
  8. 　プロセッサと、前記プロセッサに接続されるメモリとを備え、データベースを管理する計算機であって、
    　前記データベースは、所定の条件に基づいて圧縮された複数の圧縮データを格納し、
    　前記計算機は、
    　前記計算機に接続されるクライアント計算機から前記データベースへのクエリを受け付けた場合に、前記受け付けたクエリを解析し、
    　前記受け付けたクエリの解析結果に基づいて、前記データベースから一つ以上の前記圧縮データを検索するための第１の問い合わせを生成し、
    　前記受け付けたクエリの解析結果に基づいて、前記第１の問い合わせの応答結果である前記一つ以上の圧縮データから取得される複数の時系列データに対する検索を実行するための第２の問い合わせを生成し、
    　前記データベースに前記第１の問い合わせを発行して、前記データベースから前記第１の問い合わせの応答結果として一つ以上の前記圧縮データを取得し、
    　前記第１の問い合わせに対する応答結果として取得された一つ以上の圧縮データを解凍することによって前記複数の時系列データを取得し、
    　前記取得された複数の時系列データに対して前記第２の問い合わせを実行し、
    　前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出し、
    　前記抽出された所定のデータから前記クライアント計算機に出力するためのデータを抽出し、出力結果を生成することを特徴とする計算機。
  9. 　前記圧縮データは、前記複数の時系列データが所定の時間単位に圧縮された圧縮データであり、
    　前記第２の問い合わせは、前記複数の時系列データから所定の閾値の条件を満たす第１のデータ範囲を検索するための問い合わせであり、
    　前記計算機は、
    　前記取得された複数の時系列データに対して前記第２の問い合わせを実行する場合に、前記第１のデータ範囲に含まれる前記時系列データにフラグを付与し、
    　前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出する場合に、前記時系列データに付与されたフラグに基づいて、前記第１のデータ範囲を含む第２のデータ範囲を抽出することを特徴とする請求項８に記載の計算機。
  10. 　前記第２のデータ範囲は、
    　前記第１のデータ範囲の時刻が最も過去の前記時系列データから第１の時間さかのぼった範囲に含まれる前記時系列データを抽出する第３のデータ範囲と、
    　前記第１のデータ範囲の時刻が最新の前記時系列データから第２の時間進んだ範囲に含まれる前記時系列データを抽出する第４のデータ範囲と、を含むことを特徴とする請求項９に記載の計算機。
  11. 　前記データベースは、検索キーとなる特徴情報を付加した前記圧縮データを格納し、
    　前記第１の問い合わせは、
    　前記特徴情報を含み、
    　当該第１の問い合わせに含まれる特徴情報に一致する前記特徴情報が付加された前記圧縮データを検索するための問い合わせであることを特徴とする請求項８に記載の計算機。
  12. 　前記特徴情報は、前記圧縮データが圧縮される前の複数の時系列データにおける最大値、最小値、平均値、又は分散値の少なくともいずれかであることを特徴とする請求項１１に記載の計算機。
  13. 　前記第１の問い合わせは、前記データベースから前記圧縮データを検索するためのＳＱＬであり、
    　前記第２の問い合わせは、前記時系列データから所定のデータを抽出するためのＣＱＬであることを特徴とする請求項８に記載の計算機。
  14. 　観測対象の物理量を測定するセンサと、前記センサが測定した前記物理量を時系列データとして収集する計算機と、前記第１の計算機から前記時系列データをデータベースに格納する管理サーバと、を備えるセンサノードシステムにおいて、
    　前記計算機は、第１のプロセッサと、前記第１のプロセッサに接続される第１のメモリとを備え、
    　前記管理サーバは、第２のプロセッサと、前記第２のプロセッサに接続される第２のメモリとを備え、
    　前記計算機と前記管理サーバとはネットワークを介して接続され、
    　前記データベースは、所定の条件に基づいて前記時系列データが圧縮された複数の圧縮データを格納し、
    　前記管理サーバは、
    　前記管理サーバに前記ネットワークを介して接続されるクライアント計算機から前記データベースへのクエリを受け付けた場合に、前記受け付けたクエリを解析し、
    　前記受け付けたクエリの解析結果に基づいて、前記データベースから一つ以上の前記圧縮データを検索するための第１の問い合わせを生成し、
    　前記受け付けたクエリの解析結果に基づいて、前記第１の問い合わせの応答結果である前記一つ以上の圧縮データから取得される複数の前記時系列データに対する検索を実行するための第２の問い合わせを生成し、
    　前記データベースに前記第１の問い合わせを発行して、前記データベースから前記第１の問い合わせの応答結果として一つ以上の前記圧縮データを取得し、
    　前記第１の問い合わせに対する応答結果として取得された一つ以上の圧縮データを解凍することによって前記複数の時系列データを取得し、
    　前記取得された複数の時系列データに対して前記第２の問い合わせを実行し、
    　前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出し、
    　前記抽出された所定のデータから前記クライアント計算機に出力するためのデータを抽出し、出力結果を生成することを特徴とするセンサネットワークシステム。
  15. 　前記圧縮データは、前記複数の時系列データが所定の時間単位に圧縮された圧縮データであり、
    　前記第２の問い合わせは、前記複数の時系列データから所定の閾値の条件を満たす第１のデータ範囲を検索するための問い合わせであり、
    　前記管理サーバは、
    　前記取得された複数の時系列データに対して前記第２の問い合わせを実行する場合に、前記第１のデータ範囲に含まれる前記時系列データにフラグを付与し、
    　前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出する場合に、前記時系列データに付与されたフラグに基づいて、前記第１のデータ範囲を含む第２のデータ範囲を抽出することを特徴とする請求項１４に記載のセンサネットワークシステム。
  16. 　前記第２のデータ範囲は、
    　前記第１のデータ範囲の時刻が最も過去の前記時系列データから第１の時間さかのぼった範囲に含まれる前記時系列データを抽出する第３のデータ範囲と、
    　前記第１のデータ範囲の時刻が最新の前記時系列データから第２の時間進んだ範囲に含まれる前記時系列データを抽出する第４のデータ範囲と、を含むことを特徴とする請求項１５に記載のセンサネットワークシステム。
  17. 　前記データベースは、検索キーとなる特徴情報を付加した前記圧縮データを格納し、
    　前記第１の問い合わせは、
    　前記特徴情報を含み、
    　当該第１の問い合わせに含まれる特徴情報に一致する前記特徴情報が付加された前記圧縮データを検索するための問い合わせであることを特徴とする請求項１４に記載のセンサネットワークシステム。
  18. 　前記特徴情報は、前記圧縮データが圧縮される前の複数の時系列データにおける最大値、最小値、平均値、又は分散値の少なくともいずれかであることを特徴とする請求項１７に記載のセンサネットワークシステム。
  19. 　前記第１の問い合わせは、前記データベースから前記圧縮データを検索するためのＳＱＬであり、
    　前記第２の問い合わせは、前記時系列データから所定のデータを抽出するためのＣＱＬであることを特徴とする請求項１４に記載のセンサネットワークシステム。
  20. 　プロセッサと、前記プロセッサに接続されるメモリとを備え、データベースを管理する計算機におけるデータベース検索プログラムであって、
    　前記データベースは、所定の条件に基づいて圧縮された複数の圧縮データを格納し、
    　前記プログラムは、
    　前記計算機に接続されるクライアント計算機から前記データベースへのクエリを受け付けた場合に、前記受け付けたクエリを解析する手順と、
    　前記受け付けたクエリの解析結果に基づいて、前記データベースから一つ以上の前記圧縮データを検索するための第１の問い合わせを生成する手順と、
    　前記受け付けたクエリの解析結果に基づいて、前記第１の問い合わせの応答結果である前記一つ以上の圧縮データから取得される複数の時系列データに対する検索を実行するための第２の問い合わせを生成する手順と、
    　前記データベースに前記第１の問い合わせを発行して、前記データベースから前記第１の問い合わせの応答結果として一つ以上の前記圧縮データを取得する手順と、
    　前記第１の問い合わせに対する応答結果として取得された前記一つ以上の圧縮データを解凍することによって前記複数の時系列データを取得する手順と、
    　前記取得された複数の時系列データに対して前記第２の問い合わせを実行する手順と、
    　前記第２の問い合わせに対する応答結果に基づいて、前記取得された複数の時系列データから所定のデータを抽出する手順と、
    　前記抽出された所定のデータから前記クライアント計算機に出力するためのデータを抽出し、出力結果を生成する手順と、を前記計算機に実行させることを特徴とするデータベース検索プログラム。
  21. 　時系列データに対して時系列処理を行うことで特徴量を生成し、時系列を時系列ブロックに分割し、該特徴量を検索キーとなるメタ情報として時系列ブロックとともに時系列蓄積装置に格納する時系列データ格納手段と、
    　ユーザからの問い合わせに応じて該特徴量を検索キーに時系列ブロックを検索する第一の問合せと、時系列ブロック内の時系列を検索する第二の問い合わせを生成する手段と、
    　第一の問い合わせにより該時系列ブロックを検索する第一の検索手段と、
    　得られた時系列ブロックを逐次第二の問い合わせに基づき時系列処理を行って時系列を検索し、問合せ結果を出力する第二の検索手段と、を有することを特徴とする時系列データ管理方法。
  22. 　利用者の最も利用する検索期間を統計処理により生成することにより前記時系列ブロックの分割範囲を得る請求項２１に記載の時系列データ管理方法。
  23. 　時系列の特徴変化が起こる最小期間を統計処理により生成することにより前記時系列ブロックの分割範囲を得る請求項２１に記載の時系列データ管理方法。
  24. 　前記時系列データ格納手段では時系列ブロックを圧縮する手段を、前記第二の検索手段では圧縮された時系列ブロックを展開する手段を備えることを特徴とする請求項２１に記載の時系列データ管理方法。
  25. 　前記ユーザからの問い合わせが閾値超過ないし未満判定の場合、前記第一の検索手段で最大値ないし最小値との超過判定ないし未満判定で時系列ブロックを絞り込むことを特徴とする請求項２１に記載の時系列データ管理方法。
  26. 　時系列データに対して時系列処理を行うことで特徴量を生成し、時系列を時系列ブロックに分割し、該特徴量を検索キーとなるメタ情報として時系列ブロックとともに時系列蓄積装置に格納する時系列データ格納手段と、
    　ユーザからの問い合わせに応じて該特徴量を検索キーに時系列ブロックを検索する第一の問合せと、時系列ブロック内の時系列を検索する第二の問い合わせを生成する手段と、
    　第一の問い合わせにより該時系列ブロックを検索する第一の検索手段と、
    　得られた時系列ブロックを逐次第二の問い合わせに基づき時系列処理を行って時系列を検索し、問合せ結果を出力する第二の検索手段と、を有することを特徴とする計算機。
  27. 　リアルタイムに到来する時系列データを所定期間メモリ上に蓄積し、時系列解析を行うことで前記特徴量を生成するストリームデータ処理エンジンを備えることを特徴とする請求項２６に記載の計算機。
  28. 　前記第二の検索手段において、移動平均、区間抽出、間引き処理の少なくともいずれかを行うストリームデータ処理エンジンを備えることを特徴とする請求項２６に記載の計算機。
PCT/JP2010/062343 2010-04-09 2010-07-22 データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム Ceased WO2011125237A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP10849477.4A EP2557504A4 (en) 2010-04-09 2010-07-22 DATABASE MANAGEMENT, COMPUTER, SENSOR NETWORK, AND DATABASE SEARCH PROGRAM
CN201080065327.7A CN102792282B (zh) 2010-04-09 2010-07-22 数据库管理方法、计算机、传感器网络系统
US13/583,108 US8898189B2 (en) 2010-04-09 2010-07-22 Database management method, computer, sensor network system and time-series data management method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010090491A JP5423553B2 (ja) 2010-04-09 2010-04-09 データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム
JP2010-090491 2010-04-09

Publications (1)

Publication Number Publication Date
WO2011125237A1 true WO2011125237A1 (ja) 2011-10-13

Family

ID=44762214

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/062343 Ceased WO2011125237A1 (ja) 2010-04-09 2010-07-22 データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム

Country Status (5)

Country Link
US (1) US8898189B2 (ja)
EP (1) EP2557504A4 (ja)
JP (1) JP5423553B2 (ja)
CN (1) CN102792282B (ja)
WO (1) WO2011125237A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6085359B1 (ja) * 2015-12-17 2017-02-22 西日本電信電話株式会社 データベースシステム及びデータ処理方法

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101380936B1 (ko) * 2006-10-05 2014-04-10 스플렁크 인코퍼레이티드 시계열 검색 엔진
US9298854B2 (en) * 2010-05-14 2016-03-29 Hitachi, Ltd. Time-series data management device, system, method, and program
JP5510760B2 (ja) 2010-05-17 2014-06-04 株式会社日立製作所 計算機システム、及び、規則生成方法
JP5890963B2 (ja) * 2011-03-17 2016-03-22 富士通株式会社 データ保存プログラム及びデータ保存方法
JP5843636B2 (ja) * 2012-02-01 2016-01-13 三菱電機株式会社 時系列データ照会装置、時系列データ照会方法及び時系列データ照会プログラム
US10311513B2 (en) * 2012-03-14 2019-06-04 Nasdaq Technology Ab Method and system for facilitating access to recorded data
JPWO2013137067A1 (ja) * 2012-03-15 2015-08-03 日本電気株式会社 演算装置、演算方法及び演算プログラム
US9563663B2 (en) 2012-09-28 2017-02-07 Oracle International Corporation Fast path evaluation of Boolean predicates
JP6041431B2 (ja) * 2012-10-16 2016-12-07 株式会社日立製作所 ストリームデータ処理方法、ストリームデータ処理装置及びプログラム
US9069824B2 (en) * 2012-11-15 2015-06-30 International Business Machines Corporation Accelerating time series data base queries using dictionary based representations
US9015183B2 (en) * 2012-11-26 2015-04-21 International Business Machines Corporation Accelerating time series data base queries using dictionary based representations
WO2014148176A1 (ja) * 2013-03-19 2014-09-25 株式会社ｓｍａｒｔ－ＦＯＡ 情報収集システム、情報収集方法、及び記憶媒体
JP6011421B2 (ja) * 2013-03-29 2016-10-19 富士通株式会社 ストレージシステム、情報処理装置の制御プログラム及びストレージシステムの制御方法
JP6021741B2 (ja) * 2013-06-05 2016-11-09 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 時空間データベースの処理方法、プログラム及びシステム
JP6038324B2 (ja) 2013-07-19 2016-12-07 株式会社日立製作所 データ処理装置およびデータ処理方法
WO2015015559A1 (ja) 2013-07-30 2015-02-05 株式会社日立製作所 検索システムおよび検索方法
JP6188588B2 (ja) * 2014-01-15 2017-08-30 三菱電機株式会社 データ処理装置及びデータ処理方法及びプログラム
EP3144749B1 (en) * 2014-05-12 2020-11-25 Mitsubishi Electric Corporation Time-series data processing device and time-series data processing program
CN105224543A (zh) * 2014-05-30 2016-01-06 国际商业机器公司 用于处理时间序列的方法和装置
US9870410B2 (en) * 2014-09-15 2018-01-16 Microsoft Technology Licensing, Llc Constructed data stream for enhanced event processing
US10452651B1 (en) 2014-12-23 2019-10-22 Palantir Technologies Inc. Searching charts
US20180097886A1 (en) * 2015-03-27 2018-04-05 Nec Corporation Sensor network system
JP6241449B2 (ja) 2015-05-21 2017-12-06 横河電機株式会社 データ管理システム及びデータ管理方法
US9672257B2 (en) 2015-06-05 2017-06-06 Palantir Technologies Inc. Time-series data storage and processing database system
JP6581842B2 (ja) * 2015-08-20 2019-09-25 株式会社日立製作所 データ管理システム
CN105260404B (zh) 2015-09-22 2019-03-26 北京百度网讯科技有限公司 存储时间序列数据的方法和装置
JP6460961B2 (ja) * 2015-11-19 2019-01-30 日本電信電話株式会社 データ圧縮収集システムおよび方法
US9753935B1 (en) * 2016-08-02 2017-09-05 Palantir Technologies Inc. Time-series data storage and processing database system
JP7199345B2 (ja) 2017-03-30 2023-01-05 ドットデータ インコーポレイテッド 情報処理システム、特徴量説明方法および特徴量説明プログラム
GB201708818D0 (en) 2017-06-02 2017-07-19 Palantir Technologies Inc Systems and methods for retrieving and processing data
US10417224B2 (en) 2017-08-14 2019-09-17 Palantir Technologies Inc. Time series database processing system
US10216695B1 (en) 2017-09-21 2019-02-26 Palantir Technologies Inc. Database system for time series data storage, processing, and analysis
EP3696686A4 (en) 2017-10-05 2021-07-07 dotData, Inc. CHARACTERISTIC VALUE GENERATION DEVICE, CHARACTERISTIC VALUE GENERATION PROCESS AND CHARACTERISTIC VALUE GENERATION PROGRAM
US11281726B2 (en) 2017-12-01 2022-03-22 Palantir Technologies Inc. System and methods for faster processor comparisons of visual graph features
US11016986B2 (en) 2017-12-04 2021-05-25 Palantir Technologies Inc. Query-based time-series data display and processing system
CN107871022B (zh) * 2017-12-20 2018-12-11 清华大学 一种时序数据列式存储、查询方法及系统
US10579375B2 (en) 2018-02-06 2020-03-03 International Business Machines Corporation Method to build reconfigurable variable length comparators
US10740098B2 (en) 2018-02-06 2020-08-11 International Business Machines Corporation Aligning most significant bits of different sized elements in comparison result vectors
DE102018210380A1 (de) 2018-06-26 2020-01-02 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Verarbeitung von Messdaten
KR102075540B1 (ko) * 2018-08-17 2020-02-10 주식회사 마크베이스 센서 태그 데이터의 실시간 생성 및 검색 장치
JP7028133B2 (ja) * 2018-10-23 2022-03-02 オムロン株式会社 制御システムおよび制御方法
JP7315339B2 (ja) * 2019-02-26 2023-07-26 東京エレクトロンデバイス株式会社 時系列データの分割方法及び分割装置、並びにプログラム
US11294921B2 (en) * 2019-03-12 2022-04-05 General Electric Company Multivariate time-series data search
CN110057407A (zh) * 2019-05-27 2019-07-26 山东黄河河务局工程建设中心 一种大坝安全监测方法及系统
GB201908091D0 (en) 2019-06-06 2019-07-24 Palantir Technologies Inc Time series databases
US11138200B1 (en) * 2019-12-04 2021-10-05 Tubular Labs, Inc. Efficient aggregation of time series data
US11397736B2 (en) * 2020-01-27 2022-07-26 Salesforce, Inc. Large scale data ingestion
US11403310B2 (en) * 2020-02-28 2022-08-02 Verizon Patent And Licensing Inc. Systems and methods for enhancing time series data compression for improved data storage
JP2021189569A (ja) * 2020-05-26 2021-12-13 富士通株式会社 データ更新プログラム、データ更新装置及びデータ更新方法
KR102897335B1 (ko) * 2021-05-25 2025-12-05 구글 엘엘씨 머신 러닝 시계열 이상 검출
JP2023028252A (ja) * 2021-08-19 2023-03-03 株式会社日立製作所 データ管理装置及びプログラム
US12488284B2 (en) 2022-02-28 2025-12-02 Google Llc Machine learning super large-scale time-series forecasting
KR102667631B1 (ko) * 2023-11-28 2024-05-22 한화시스템(주) 다출처데이터 계보관계 분석 시스템 및 방법
KR102828521B1 (ko) * 2024-10-07 2025-07-02 주식회사 파인브이티 IoT 센서로부터 수집된 센싱 데이터의 크기를 감소시켜 데이터 보관 서버로 전달하기 위한 엣지 컴퓨팅 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05181720A (ja) * 1991-12-27 1993-07-23 Nippon Telegr & Teleph Corp <Ntt> データベース管理システム
JP2002358117A (ja) 2001-06-04 2002-12-13 Mitsubishi Chemicals Corp プラント運転制御装置
JP2006338432A (ja) * 2005-06-03 2006-12-14 Hitachi Ltd ストリームデータ処理システムのクエリ処理方法
JP2008310634A (ja) * 2007-06-15 2008-12-25 Mitsubishi Electric Corp データベース検索装置及びデータベース検索プログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7249356B1 (en) * 1999-04-29 2007-07-24 Fisher-Rosemount Systems, Inc. Methods and structure for batch processing event history processing and viewing
US6421571B1 (en) * 2000-02-29 2002-07-16 Bently Nevada Corporation Industrial plant asset management system: apparatus and method
US7783679B2 (en) * 2005-01-12 2010-08-24 Computer Associates Think, Inc. Efficient processing of time series data
US7865501B2 (en) * 2005-11-15 2011-01-04 International Business Machines Corporation Method and apparatus for locating and retrieving data content stored in a compressed digital format
KR101380936B1 (ko) * 2006-10-05 2014-04-10 스플렁크 인코퍼레이티드 시계열 검색 엔진
US8219574B2 (en) * 2009-06-22 2012-07-10 Microsoft Corporation Querying compressed time-series signals
CN101692226B (zh) * 2009-09-25 2012-07-04 中国人民解放军国防科学技术大学 海量归档流数据存储方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05181720A (ja) * 1991-12-27 1993-07-23 Nippon Telegr & Teleph Corp <Ntt> データベース管理システム
JP2002358117A (ja) 2001-06-04 2002-12-13 Mitsubishi Chemicals Corp プラント運転制御装置
JP2006338432A (ja) * 2005-06-03 2006-12-14 Hitachi Ltd ストリームデータ処理システムのクエリ処理方法
JP2008310634A (ja) * 2007-06-15 2008-12-25 Mitsubishi Electric Corp データベース検索装置及びデータベース検索プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2557504A4

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6085359B1 (ja) * 2015-12-17 2017-02-22 西日本電信電話株式会社 データベースシステム及びデータ処理方法
JP2017111647A (ja) * 2015-12-17 2017-06-22 西日本電信電話株式会社 データベースシステム及びデータ処理方法

Also Published As

Publication number Publication date
JP2011221799A (ja) 2011-11-04
CN102792282B (zh) 2015-12-16
JP5423553B2 (ja) 2014-02-19
US20120330931A1 (en) 2012-12-27
EP2557504A1 (en) 2013-02-13
EP2557504A4 (en) 2016-08-31
CN102792282A (zh) 2012-11-21
US8898189B2 (en) 2014-11-25

Similar Documents

Publication Publication Date Title
JP5423553B2 (ja) データベース管理方法、計算機、センサネットワークシステム及びデータベース検索プログラム
US20220291984A1 (en) Monitoring statuses of monitoring modules of a distributed computing system
JP4925143B2 (ja) ストリームデータ処理システム、ストリームデータ処理方法及びストリームデータ処理プログラム
US12189644B1 (en) Creating dashboards for viewing data in a data storage system based on natural language requests
US9922102B2 (en) Templates for defining fields in machine data
US10572863B2 (en) Systems and methods for managing allocation of machine data storage
CN104204980B (zh) 信息收集系统以及信息收集方法
WO2012073526A1 (ja) データ処理システム、及びデータ処理装置
CN112084224A (zh) 一种数据管理方法、系统、设备及介质
US11048760B1 (en) Techniques for placing content in and applying layers in an extended reality environment
US10216862B1 (en) Predictive estimation for ingestion, performance and utilization in a data indexing and query system
CN113485763B (zh) 一种数据处理方法、装置、电子设备及计算机可读介质
CN107451846A (zh) 业务规则的管理方法和管理装置
CN116955468A (zh) 一种基于运行数据分析的生产设备可视化方法
US11861767B1 (en) Streaming data visualizations
CN120525648B (zh) 财务分析平台的搭建方法、搭建架构及相关设备
CN120278134B (zh) 基于电子表格的多维度数据管理方法及系统
CN111680072A (zh) 基于社交信息数据的划分系统及方法
CN120013010A (zh) 一种基于物联网的功能陶瓷生产车间智能监测方法及系统
CN119311375A (zh) 多源异构数据处理方法、装置及系统
CN118740863A (zh) 基于区块链的动态分布式存储方法及系统
CN108388581A (zh) 一种组态软件中历史数据的读取方法及装置
CN116414905A (zh) 一种数据处理方法、系统、装置、电子设备及存储介质
CN114297211A (zh) 一种数据在线分析系统、方法、设备及存储介质
US12254045B1 (en) Querying a telemetry dataset

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080065327.7

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10849477

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 13583108

Country of ref document: US

Ref document number: 2010849477

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 7862/DELNP/2012

Country of ref document: IN

NENP Non-entry into the national phase

Ref country code: DE