设计一个船舶动力设备监控系统，该系统需要实时采集发动机的转速、温度、油压等传感器数据，并存储到数据库中。请描述系统架构（前端、后端、数据库）、数据采集方式（如MQTT、Modbus）、数据存储方案（时序数据库 vs 关系型数据库）及高可用设计。

1) 【一句话结论】
船舶动力设备监控系统采用分层架构（前端可视化、后端处理、数据库存储），通过工业级MQTT（低延迟）和Modbus（工业标准）协议实时采集数据，选用时序数据库（如InfluxDB）存储高频时序数据，通过主从复制、负载均衡实现高可用，并采用端到端加密（传输+存储）确保数据安全，满足船舶环境下抗电磁干扰、传感器冗余的实时监控需求。

2) 【原理/概念讲解】
老师口吻：系统架构分为三层，前端（Web界面）展示实时数据（如转速曲线、仪表盘），后端（服务器）负责数据解析、校验（如异常检测）、业务逻辑，数据库存储原始数据。数据采集需考虑船舶环境特殊需求：比如抗电磁干扰，使用工业级传感器和设备（如屏蔽电缆、冗余传感器），传感器冗余（双传感器数据比对，故障时切换）。数据采集协议：MQTT是发布/订阅模式，低延迟适合物联网设备；Modbus是工业标准，用于读取设备寄存器（如转速、温度）。数据存储选择时序数据库，因为时间序列数据高频写入（如每秒多次），时序数据库通过时间索引优化查询效率。高可用设计：数据库主从复制（主节点写入，从节点同步，Raft算法保证一致性），前端/后端多实例+负载均衡（如Nginx），故障时健康检查（心跳检测）触发自动切换。数据安全：传输层TLS加密（防止窃取），数据库存储加密（如InfluxDB的加密存储），传感器端数据加密（AES，确保数据在采集链路安全）。

3) 【对比与适用场景】

特性	时序数据库（如InfluxDB）	关系型数据库（如MySQL）
定义	专为时间序列数据设计，支持高并发写入，时间索引优化查询	传统关系型数据库，支持ACID事务和复杂SQL查询
特性	高写入性能（每秒百万级）、时间聚合优化、支持标签过滤（如设备ID、时间范围）	ACID事务、支持复杂关联查询（如设备与报警记录关联）、事务一致性
使用场景	传感器数据（转速、温度）、日志、指标监控（高频数据，如每秒多次写入）	设备元数据（设备ID、型号）、配置信息、业务关联数据（如报警记录、设备维护日志）
注意点	不适合复杂关联查询，查询性能在聚合后较好；需关注数据生命周期管理	写入性能较低（适合少量写入），适合结构化查询，不适合高频时间序列
性能对比（船舶监控场景）	写入延迟低（毫秒级），查询时间序列数据（如1小时数据聚合）效率高	写入延迟高（秒级），查询时间序列数据需复杂SQL，效率低

4) 【示例】

• 数据采集（MQTT + Modbus + 消息队列）：伪代码（后端服务）

  // MQTT客户端（持久化连接，重连机制）
  const mqtt = require('mqtt');
  const client = mqtt.connect('wss://industrial-broker.com:8883', {
    protocol: 'wss',
    clientId: 'engine-monitor-E1',
    clean: true,
    reconnectPeriod: 5000,
    will: { topic: 'engine/status', payload: 'disconnected', qos: 2 }
  });
  client.on('connect', () => {
    client.subscribe('engine/data', (err) => {
      if (err) console.error('MQTT订阅失败:', err);
    });
  });
  client.on('message', (topic, message) => {
    try {
      const data = JSON.parse(message.toString());
      // 校验数据（如值范围）
      if (data.rpm < 0 || data.rpm > 6000) throw new Error('转速异常');
      // 存储数据（通过消息队列持久化）
      storeToKafka(data);
    } catch (e) {
      console.error('数据校验失败:', e);
    }
  });
  
  // Modbus通信（读取传感器寄存器）
  const modbus = require('modbus');
  const clientModbus = new modbus.client.TCP({ host: '192.168.1.100', port: 502 });
  clientModbus.connect((err) => {
    if (err) console.error('Modbus连接失败:', err);
    // 定时读取（每秒一次）
    setInterval(() => {
      clientModbus.readHoldingRegisters(0, 1, (err, data) => {
        if (err) console.error('Modbus读取失败:', err);
        const rpm = data.registers[0] * 100; // 转速寄存器
        const temp = clientModbus.readHoldingRegisters(2, 1).registers[0]; // 温度寄存器
        const pressure = 2.5; // 油压（假设固定或从其他寄存器读取）
        const point = {
          rpm,
          temp,
          pressure,
          timestamp: new Date()
        };
        storeToKafka(point);
      });
    }, 1000);
  });
  
  // 消息队列（Kafka）持久化（避免MQTT丢失）
  const kafka = require('kafka-node');
  const clientKafka = new kafka.KafkaClient({ kafkaHost: 'kafka:9092' });
  const producer = new kafka.Producer(clientKafka);
  producer.on('ready', () => {
    producer.send([{ topic: 'engine-data', messages: JSON.stringify(data) }], (err, data) => {
      if (err) console.error('Kafka发送失败:', err);
    });
  });
  
  // 数据存储（InfluxDB写入）
  const influx = require('influx');
  const db = new influx.InfluxDB({ host: 'influxdb:8086', database: 'engine' });
  db.writePoints([
    {
      measurement: 'engine',
      tags: { id: 'E1', type: 'diesel' },
      fields: { rpm, temp, pressure },
      timestamp: new Date()
    }
  ], { database: 'engine' }, (err) => {
    if (err) console.error('InfluxDB写入失败:', err);
  });
  

• 高可用配置（数据库主从）：InfluxDB集群配置（主节点写入，从节点同步，Raft协议保证一致性），负载均衡器（如HAProxy）分发请求到后端多实例。

5) 【面试口播版答案】
面试官您好，针对船舶动力设备监控系统，我设计的方案采用分层架构：前端通过Web界面展示实时转速、温度等数据图表，后端处理数据解析和异常检测，数据库存储原始数据。数据采集方面，传感器通过工业级MQTT（低延迟）和Modbus（工业标准）协议传输数据，传输过程采用TLS加密确保安全。考虑到船舶环境特殊需求，系统采用抗电磁干扰的工业设备（如屏蔽电缆）和传感器冗余（双传感器数据比对，故障时切换），保障数据采集可靠性。数据存储选择时序数据库（如InfluxDB），因为它专为高频时间序列数据优化，写入性能高（每秒百万级），支持时间索引和聚合查询。高可用设计上，数据库采用主从复制（主节点写入，从节点同步，Raft算法保证一致性），前端/后端部署多实例并通过负载均衡实现高并发访问，同时配置MQTT客户端重连和消息队列（Kafka）持久化，确保数据不丢失。这样既能满足船舶环境下实时监控的需求，又能保证系统稳定和数据安全。

6) 【追问清单】

• 问：数据库主从复制如何保证数据一致性？
  回答要点：主节点写入数据后，通过Raft算法同步到从节点，故障时主从切换，确保数据一致性。
• 问：如果MQTT消息丢失，系统如何处理？
  回答要点：客户端配置重连机制（定时重连），消息重传，并结合消息队列（Kafka）持久化，避免数据丢失。
• 问：为什么选择时序数据库而不是关系型数据库？
  回答要点：时序数据库专为高频时间序列数据优化，写入性能高（支持每秒百万级写入），时间索引和聚合查询效率高，适合传感器数据的高频采集。
• 问：船舶环境下数据安全如何保障？
  回答要点：数据传输采用TLS加密，防止数据在传输中被窃取；数据库存储加密（如InfluxDB的加密存储），传感器端数据加密（AES），确保数据在采集、传输、存储全链路安全。
• 问：高可用设计中的故障切换流程是怎样的？
  回答要点：当主数据库故障时，负载均衡器检测到健康检查失败，自动切换到从节点，后端服务快速恢复，确保系统无中断。

7) 【常见坑/雷区】

• 坑1：忽略船舶环境特殊需求，未提及抗电磁干扰、传感器冗余，导致切题不足。
• 坑2：高可用设计不具体，仅说“集群”，未说明主从复制、健康检查机制。
• 坑3：数据采集容错机制缺失，未提及MQTT重连、消息队列持久化，导致数据丢失风险。
• 坑4：数据安全不全面，仅提及传输加密，未考虑数据库存储加密或传感器端加密。
• 坑5：存储选择错误，用关系型数据库存储时序数据，导致写入性能差，无法满足高频数据需求。