飞行简短和来源的信息，因为飞行阶段和来源只是用作检索到的数据来进行查看，并不作为检索条件，因此只作为value进行存储，飞行阶段和数据来源统一存储各自的唯一标识ID。
[0014]本发明步骤6中将key与value进行绑定，存储至发动机相应的文件目录，包含以下内容:经过第4步和第5步处理之后，得到的数据模型是:
ModeIList={modelList}
Model={ESN,key,paramList}
Key={StandardParam+date}
paramListModel ={ Flight_phase,datafrom,value}
Mode I List为所有数据的列表，包含多个modelList，一个mode I List包含多个Mode I，Model中ESN为发动机唯一标识信息，key为行键，由监控属性和时间组成，value为键值，由飞行阶段、数据来源和监控值组成；
根据Engine，将数据保存到相应的文件中，首先先检测ESN目录是否存在，如果不存在，需要创建目录，再进行数据存储，如果已经存在，则直接进行数据存储，过程如下:If(Exist(ESN))
Then SaveCEngine,ModelList)
Else create(ESN)，Save(Engine,ModelList)。
[0015]本发明步骤7所述及时增量更新监控数据，并同步更新文件系统包含以下内容:系统定时进行进行数据采集，对原始文件目录进行扫描，一旦发现新的原始文件，立即进行适用解析模板的匹配，能够匹配到解析模板，则立即进行文件的解析，并存储到文件系统，进行数据的及时更新，如果不能匹配到解析模板，则将文件移动到错误目录中，并发送报警到系统进行提示。
[0016]本发明步骤8中对监控数据进行报警规则检测包括:
解析原始文件数据后得到的数据模型为:
ModeIList={modelList}
Model={Airplane,Engine,Date,Flight_phase,datafrom,paramList}paramListModeI ={StandardParam,value}
从该模型中可以得到Engine列表和Date列表，以此作为报警过则数据来源的基本依据；
从发动机的数据模型知道，每个发动机对应一个适用的报警规则列表。从Engine列表和Date列表中依次抽取Engine和Date两两结合作为报警数据来源的基础检索条件。
[0017]本发明步骤8中报警规则包括:简单报警规则;较复杂报警规则；
复杂报警规则。
[0018]本发明步骤9中完成监控数据的快速检索，进行趋势分析包括:
通过不同的图表方式展示监控属性的趋势变化，能够对监控属性的变化进行直观的监控，趋势分析的数据模型为:AnalyzeRule = {ID，esnarray，chartStyle，dataRange，basiclnfo,paramList}
Esnarray可以确定趋势分析要求的ESN组合，chartStyle为趋势分析的图表类型，以下依次说明:
(1)单Y轴参数VS时间:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramList的长度只为I，因为是单Y轴，此时dataRange为时间范围，根据paramList.get(0)可以得到参数信息，根据参数信息的唯一标识和开始时间与结束时间，得到该时间段的监控值；
(2)单Y轴参数VS采样点:此种方法通过循环的方式得到最近时间的采样点，并且param List的长度只为I，因为是单Y轴，此时dataRange表示采样点范围，根据paramList.get(0)可以得到参数信息，根据参数信息的唯一标识和采样点数，得到相应的监控值；
(3)单Y轴参数VS参数:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramLi st的长度只为2，因为X轴和Y轴均为参数，此时dataRange为时间范围，根据paramList.get(O)和paramList.get( I)可以得到X轴的参数信息和Y轴的参数信息，根据参数信息的唯一标识和开始时间与结束间，得到该时间段的监控值；
(4)多Y轴参数VS时间:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramList的长度必须大于I ,dataRange为时间范围，循环根据paramList可以得到参数信息，根据参数信息的唯一标识和开始时间与结束时间，得到相应时间段的监控值；
(5)多Y轴参数VS采样点:此种方法通过循环的方式得到最近时间的采样点，并且paramList的长度必须大于I ,dataRange为采样点数，循环根据paramLi st可以得到参数信息，根据参数信息的唯一标识和采样点数，得到相应的监控值。
[0019]本发明还提出了一种面向航空发动机性能监控的海量数据管理系统，其特征在于设有依次相连接的发动机基础数据录入模块、发动机监控数据采集及预处理模块、key生成模块、value生成模块、key-value绑定模块、监控数据存储模块、报警检测模块、趋势分析模块，还设有监控数据增量更新模块，其中监控数据增量更新模块的输入端与报警检测模块相连接，监控数据增量更新模块的输出端与发动机监控数据采集及预处理模块相连接。
[0020]本发明针对航空发动机的海量监控数据，利用关系数据库实现数据量小的基础数据管理，同时，利用分布式文件系统，基于key-value的模式实现海量数据的高性能存储管理，利用属性传递各种监控数据进行管理。
[0021]【附图说明】:
附图1是本发明的系统流程图。
[0022]【具体实施方式】:
下面结合附图对本发明作进一步的说明。
[0023]如附图所示，本发明提出了一种面向航空发动机性能监控的海量数据管理方法，其特征在于包括以下步骤:
步骤I:录入基础数据，将其存储到关系数据库；
步骤2:确定分布式文件系统模型；
步骤3:采集航空发动机监控数据，并进行预处理处理；
步骤4:将解析后的可操作数据处理后形成key;
步骤5:将解析后的可操作数据处理后形成value;
步骤6:将key与value进行绑定，存储至发动机相应的文件目录；
步骤7:及时增量更新监控数据，并同步更新文件系统；
步骤8:对监控数据进行报警规则检测；
步骤9:完成监控数据的快速检索，进行趋势分析。
[0024]本发明所述步骤I中所述基础数据包括飞机、发动机、监控属性、飞行阶段、数据来源、报警规则、趋势分析规则、报文解析模板、数据解析模板，用于提供基于关系模型的数据查询服务和基础数据增量服务，
飞机模型如下:
Airplane={ID,basiclnfo}
其中ID为飞机的全局唯一标识，长度必须为32位数字和字母组合，basiclnfo为飞机基本信息。一台飞机至少有两台发动机，而且发动机会不断变化，此模型用来辅助查询不同时段的飞机发动机信息；
发动机模型如下:
Engine={ESN,basicInfο,historyList ,alertRuleList}
其中ESN为发动机的全局唯一标识，作为分布式文件系统的子目录唯一标识，basiclnfo为发动机基本信息，historyList为发动机的历史信息，记录发动机的动态变化信息，通过它可以查询发动机在不同时段的所在飞机信息，alertRuleList为关联该发动机的报警规则，将增量监控数据存储到分布式文件系统之后需要进行报警规则的检查，触发报警管理；
监控属性模型如下:
StandardParam={ID,basiclnfo}
其中ID为监控属性的全局唯一标识，长度必须为32位数字和字母组合，作为存储分布式文件系统的key的重要组成部分，也用它来进行报警规则和趋势分析规则的信息记录，basiclnfo为监控属性基本信息。
[0025]飞行阶段模型如下:
FlightPhase={ID,basiclnfo}
其中ID为飞行阶段的全局唯一标识，长度必须为32位数字和字母组合，作为存储分布式文件系统value的一部分，basiclnfo为飞行阶段基本信息；
数据来源模型如下:
DataSource={ID,basiclnfo}
其中ID为数据来源的全局唯一标识，长度必须为32位数字和字母组合，作为存储分布式文件系统value的一部分，basiclnfo为数据来源基本信息；
报警规则模型如下:
AlertRule={ID,ruleContent,basiclnfo}
其中ID为报警规则的全局唯一标识，长度必须为32位数字和字母