做上位机历史趋势，迟早遇到这个矛盾：曲线数据想长期保存，可一秒一个点、几十上百个测点，一年下来数据量大得查不动。全量存当然最精确，但成本高且大部分点是冗余的。这篇讲工业上最经典的两类趋势压缩方法——死区压缩和旋转门算法（SDT），原理、参数和误差一次讲清。
趋势数据为什么能压缩
先看一组真实感受：温度、压力、液位这类缓变模拟量，连续相邻的采样值往往只差零点几，把每个原始点都存下来，曲线视觉上和抽稀后几乎没有区别。真正需要完整保留的是变化段——设备升温、阀门动作、故障发生时，数据变化快，每个点都有意义。
所以好的压缩不是均匀隔几个点丢一个，而是"平的地方多丢、变的地方多留"，按变化率自适应。死区压缩和旋转门都是这个思路，区别只在判断规则和压缩率。
先搞懂最简单的死区压缩
死区压缩（也叫例外报告 Exception Reporting）规则一句话：以最近一次发送/保存的值为基准，新值和它的差值绝对值不超过死区 V 就不保存，一旦超过就保存这个新值，并把基准更新为它。再配合最大最小间隔：即使一直没变化，超过最大间隔也强制存一个点，保证断档不会无限长；变化再快，两次保存也不小于最小间隔，防止抖动期刷爆数据。
死区法实现最简单、无状态好理解，缺点是对"缓慢但持续"的单向漂移不友好——只要每步变化都不超过死区，它就一直不存点，还原时趋势线是平的，累积偏差可能很大。旋转门算法就是为解决这个问题设计的。
旋转门 SDT 到底怎么"转"
旋转门（Swinging Door Trending）的名字很形象：把数据序列想成时间轴上的点，从一个已保存点出发，上下各有一扇"门"，门宽对应压缩偏差 E。逐点看时，两扇门随着新数据不断调整角度，只要两扇门还能保持"门不交叉"（上门斜率始终不小于下门斜率），就认为这段趋势可以用一条直线近似，继续往里加点；一旦门要交叉了，就把交叉前的最后一个点保存下来，再以它为起点重新开门。
用更工程化的语言描述，算法实际维护的是两条边界斜率：从起点到当前各点连线的最大斜率和最小斜率，新点进来更新这两个极值；保存的不是起点，而是触发结束那个区间的关键转折点附近的值。不同实现（是否带起始/结束偏移、取哪个点落盘）细节略有差别，但"两条发散边界夹住一条线性趋势"的核心不变。
对比死区法就能看出它的优势：缓慢线性漂移时，边界斜率持续发散，最终一定会触发保存，累积偏差被限制在 E 附近，不会出现长期平台段。
压缩偏差 E 怎么取值
E 是唯一核心参数，直接决定压缩率和精度。取法不能拍脑袋，正确姿势是结合测点的工程意义：
- 按显示精度取：操作员看曲线能分辨的最小变化，比如温度显示到 0.1℃，E 取 0.1~0.2℃，再小的误差肉眼也看不出；
- 按工艺允许误差取：控制和考核关心的精度，比如压力允许 0.5% 的偏差，E 就不能超过它；
- 按量程百分比取：传感器本身误差量程的 0.2%~0.5%，E 设得比传感器误差还小毫无意义，存的是噪声；
- 不同测点分级配置：关键质量点 E 小甚至不压缩，普通监视点 E 放大，压缩率能差好几倍。
务必带上超时保存（比如最长 10 分钟一个点），长时间真正平稳时也能证明"这段时间确实没数据变化"，而不是数据丢了让人猜。
压缩后怎么还原，误差怎么评估
压缩后相邻保存点之间用直线连接还原，原始数据偏离这条直线的幅度被算法保证不超过 E（上下各一个偏差，总带宽约 2E），这是可验证的数学性质，不是"感觉差不多"。
上线前建议拿现场真实数据做一次离线评估：同一段原始数据，分别用不同 E 跑压缩，统计三个数——压缩率（原始点数比保存点数）、最大绝对误差、平均绝对误差。压缩十几倍而最大误差不超过工艺容忍值，参数就能定下来。别拿实验室方波数据评估，真实工艺数据的曲线形态才作数。
工程落地的几个要点
- 压缩在采集网关或存储服务上做，每测点维护少量状态即可，计算量极小；但要保证压缩是逐点在线进行的，不能事后批量算（事后压缩可以做归档，实时链路必须在线）；
- 报警、状态切换、启停事件点强制保存为转折点，事件前后的曲线必须完整，不能被算法省掉；
- 压缩数据和原始数据可以分层：近期（如一个月）保留全量方便精细分析，远期归档用压缩数据，兼顾成本和追溯；
- 点表中给每个测点记录压缩方法和 E，参数可配置，工艺调整后跟着改。
一句话建议：先在一条数据线上用真实数据试参数，压缩率和误差都达标再推广，千万别全站一个 E 用到底。需要压缩算法的参考实现或离线评估脚本，可以找赢式科技索取，电话 15001875806、邮箱 ys_soft@163.com。