超低运维成本,构建自有高性能商业充电运营平台

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS AI 助手,专业版
简介: 奥升新能源技术服务平台,致力于高性能高费效比技术框架研发与实施,致力于为客户提供性价比最优的技术解决方案和运维服务。

一 业务说明

1.1 业务场景与环境:

一万桩在线;一千桩并发充电业务;奥升高性能试验集群,可实现海量TCP充电桩真实通信仿真环境。


1.2 资源:

服务名称 配置 说明 成本
基础设施服务(设备通信与业务交换服务) 阿里云ECS
2CPU 4G
本演示场景使用1台部署 541.44元/年
用户运营商服务(业务交换与业务平台服务) 阿里云ECS
2CPU 4G
本演示场景使用1台部署 541.44元/年
小程序服务(用户服务) 阿里云ECS
2CPU 4G
本演示场景使用1台部署 541.44元/年
数据库 MySQL 阿里云 RDS Mysql8.0
2CPU 4G
最大IOPS 4800
与ECS同使用区,内网连接 227.99元/年
(阿里云特惠)
缓存服务 Redis 阿里云 Redis倚天版
1GB 高可用 2节点
QPS 100K 最大连接数 10K
与ECS同使用区,内网连接 375.12/年
消息队列服务 RabbitMQ 阿里云ECS
2CPU 4G
本演示场景使用1台部署 541.44元/年
业务脚手架 ruoyi-* / xxl-job 阿里云ECS
2CPU 8G
本演示场景使用1台部署 761.76元/年
Nacos服务 阿里云ECS
2CPU 4G
本演示场景使用1台部署 541.44元/年
合计费用 4072.07元/年


1.3 并发业务数量:

业务名称 业务介绍 一般频度(10000标准) 消费业务复杂度
桩心跳上送业务 每台充电桩,10s发送一次心跳 1000/s
桩实时数据上送业务 每台充电桩,闲时60s发送一次数据(通常>=5分钟),充电时15s发送一次数据 空闲实时数据:150/s
充电实时数据:100/s
空闲(低)
充电(高)
桩订单结算上送业务 充电完成时上送 低于10/s 极高
桩充电价格业务 桩启机和价格变动时交互 集中启机(大于1000/s)
本项目桩采用集中上线方式进行高压测试。
业务交换-桩状态改变推送 充电桩状态改变时,向各运营商平台推送状态数据 集中启机、集中插枪
高峰期(大于1000/s)
业务交换-充电状态数据推送 向运营平台推送充电状态数据 100/s
业务交换-订单结算推送 向运营平台推送订单结算数据 低于10/s 极高


二 演示过程

2.1 一万台充电桩并发上电

持续时间 60s-100s

image.png

一万台快充桩开始上线,上线速度约为50-150台/s;
上线后进行充电桩价格校验,并下发充电价格数据至桩侧

image.png

充电桩开机上线中期,数据量逐渐接近心跳1000/s(充电桩10s发送一次心跳);
充电价格下发和其他业务未堆积;

image.png

一万台设备完成开机,无新上线桩(无价格校验和下发);
心跳数据稳定在1000/s,桩状态实时数据稳定在150/s;

2.2 一万台充电桩并发插枪

持续时间20s-26s

image.png

一万台充电桩同时插枪,枪状态数据会立刻发送至服务端,产生消息高峰;(状态数据从150/s迅速上升至400+/s);
由于需要通过互联互通(HTTP)推送至各运营平台,状态推送任务开始小规模堆积;

image.png

一万台插枪进行10s左右,消息处理到达最高峰,受消息推送业务影响,心跳数据存在轻微堆积。

image.png

一万台插枪完成2s左右,消息迅速恢复至正常水平。(当然,现实情况下不存在所有充电枪同时插枪的可能 )

2.3 一千台充电桩并发下单

随机抽取一千台桩进行并发充电(启动速度约为10+单/s,约60s完成启动)

image.png

一千台充电桩逐步启动,心跳数据短暂堆积(由于心跳数据优先级低,因此主要是闲时处理逻辑)

image.png

启动到352个订单时,消息处理逐渐平滑

image.png

启动到750个订单时,充电状态推送和桩实时状态数量逐渐增长,用户运营端消费稳定

image.png

启动到979个订单

image.png

一千订单完成启动,整个业务环境运行稳定,实时数据(realtime)吞吐量200+/s,符合业务规划预期;
用户业务平台侧消费正常,正常向用户展现数据情况。

2.4 充电过程保持(含运营商推送)

image.png

订单持续7分钟,业务队列处理稳定。

2.5 订单陆续结算

image.png

订单结算因为充电进度不完全一致,虽每单均预设10元,单并不会同时结束,因此没有产生数据高峰。


三 消息队列介绍

3.1 基础设施服务层

heartBeat: 桩心跳消费(队列)
realtimeData: 桩实时数据消费(队列)
priceSender: 桩价格下发(队列)
stationPriceSender: 充电基准价格推送至用户运营商(队列)
connectorStatusNotify: 充电桩状态推送至用户运营商(队列)
chargingStatusNotify:  充电订单状态数据推送至用户运营商(队列)
chargeOrderData: 充电结算订单推送至用户运营商(队列)

3.2 用户运营服务商业务层

upStationStatus: 消费充电桩状态推送
upEquipChargeStatus: 消费充电订单状态数据
upChargeOrderInfo: 消费充电结算订单

四 高性能系统架构说明

4.1 MySQL还是InfluxDB?

本文主要以最优系统成本为目标,在满足可用的情况下,MySQL表现足以支撑规划业务量,InfluxDB在运营统计分析和数据吞吐、压缩上有明显优势,但其仅单服务版免费,高可用(多服务)版费用高出MySQL较多,因此作者会在其他的文章里再讨论InfluxDB的方案。

其实重运营类的公司,只要合理分表,MySQL已经可以完全满足业务需要,不要被忽悠了哦,浪费那么多成本。

如果以数据为核心的公司,作者还是推荐InfluxDB方案的,不过MySQL也的确够用!

4.2 框架设计

奥升充电平台采用微服务体系,在合理规划下具备无限拓展的可能,2核4G“基础设施服务器”即可带动一万台充电桩的日常业务量,高可用版本也仅需要增加1-2个“基础设施服务器”节点。

即 50万根充电桩约需要60-80台2核4G“基础设施服务器”即可保障业务正常工作,其余服务根据吞吐量自行换算。

image.png

五 结束语

奥升新能源技术服务平台,致力于高性能高费效比技术框架研发与实施,致力于为客户提供性价比最优的技术解决方案和运维服务。

奥升开源仓库(非商业版)

充电平台微服务源码

https://github.com/NaTieJun/orise-charge-cloud

充电小程序源码

https://github.com/NaTieJun/orise-admin

充电管理后台源码

https://github.com/NaTieJun/orise-mp

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
6月前
|
数据采集 运维 监控
运维靠经验拍脑袋?不如上车:构建“数据驱动”的智能决策系统
运维靠经验拍脑袋?不如上车:构建“数据驱动”的智能决策系统
226 0
|
5月前
|
运维 Linux 网络安全
自动化真能省钱?聊聊运维自动化如何帮企业优化IT成本
自动化真能省钱?聊聊运维自动化如何帮企业优化IT成本
178 4
|
4月前
|
存储 运维 监控
57_大模型监控与运维:构建稳定可靠的服务体系
随着大语言模型(LLM)技术的快速发展和广泛应用,如何确保模型在生产环境中的稳定运行、高效服务和安全合规已成为企业和开发者面临的关键挑战。2025年,大模型服务已从实验室走向各行各业的核心业务流程,其运维复杂度也随之呈指数级增长。与传统软件系统不同,大模型服务具有参数规模庞大、计算密集、行为不确定性高等特点,这使得传统的运维监控体系难以满足需求。
|
6月前
|
运维 BI 数据安全/隐私保护
精简运维,节省成本:如何选择合适的AD域管理工具?
精简运维,节省成本:如何选择合适的AD域管理工具?
129 0
|
11月前
|
Prometheus 运维 监控
运维实战来了!如何构建适用于YashanDB的Prometheus Exporter
今天分享的是构建YashanDB Exporter的核心设计理念和关键方法,希望也能为你的运维实战加分!
|
运维 监控 Cloud Native
构建深度可观测、可集成的网络智能运维平台
本文介绍了构建深度可观测、可集成的网络智能运维平台(简称NIS),旨在解决云上网络运维面临的复杂挑战。内容涵盖云网络运维的三大难题、打造云原生AIOps工具集的解决思路、可观测性对业务稳定的重要性,以及产品发布的亮点,包括流量分析NPM、网络架构巡检和自动化运维OpenAPI,助力客户实现自助运维与优化。
|
数据采集 机器学习/深度学习 人工智能
基于AI的网络流量分析:构建智能化运维体系
基于AI的网络流量分析:构建智能化运维体系
2125 13
|
Prometheus 运维 监控
Prometheus+Grafana+NodeExporter:构建出色的Linux监控解决方案,让你的运维更轻松
本文介绍如何使用 Prometheus + Grafana + Node Exporter 搭建 Linux 主机监控系统。Prometheus 负责收集和存储指标数据,Grafana 用于可视化展示,Node Exporter 则采集主机的性能数据。通过 Docker 容器化部署,简化安装配置过程。完成安装后,配置 Prometheus 抓取节点数据,并在 Grafana 中添加数据源及导入仪表盘模板,实现对 Linux 主机的全面监控。整个过程简单易行,帮助运维人员轻松掌握系统状态。
2116 3
|
运维 监控
构建高效运维体系:从理论到实践
在当今快速发展的信息化时代,高效的运维体系是保障企业信息系统稳定运行的关键。本文旨在探讨如何构建一个高效、可靠的运维体系,通过分析当前运维面临的挑战,提出相应的解决策略,并结合实际案例,展示这些策略的实施效果。文章首先介绍了高效运维的重要性,接着分析了运维过程中常见的问题,然后详细阐述了构建高效运维体系的策略和步骤,最后通过一个实际案例来验证这些策略的有效性。
|
人工智能 运维 监控
构建高效运维体系:理论与实践的深度融合####
本文旨在探讨高效IT运维体系的构建策略,通过理论框架与实际案例并重的方式,深入剖析了现代企业面临的运维挑战。文章开篇概述了当前运维领域的新趋势,包括自动化、智能化及DevOps文化的兴起,随后详细阐述了如何将这些先进理念融入日常运维管理中,形成一套既灵活又稳定的运维机制。特别地,文中强调了数据驱动决策的重要性,以及在快速迭代的技术环境中保持持续学习与适应的必要性。最终,通过对比分析几个典型企业的运维转型实例,提炼出可复制的成功模式,为读者提供具有实操性的指导建议。 ####

热门文章

最新文章