OPC DA/OpenOPC二次读取标签值时出现超时错误求助

我运行以下Python代码时，移除二次读取标签的代码可正常执行，但保留该代码会触发超时错误：

import OpenOPC
import pywintypes

pywintypes.datetime = pywintypes.TimeType
opc = OpenOPC.client()

opc.connect('server_name')

value = opc['tag_name']
print(value)

opc['tag_name'] = value + 1

value = opc['tag_name'] # 该行出现超时
print(value)

opc.close()

触发的超时错误如下：

Exception                                 Traceback (most recent call last)
Cell In[40], line 15
     11 print(value)
     13 opc['tag_name'] = value + 1
---> 15 value = opc['tag_name']
     16 print(value)
     18 opc.close()

File c:\Users\username\.pyenv\pyenv-win\versions\3.9.0-win32\lib\site-packages\OpenOPC\opcda.py:262, in client.__getitem__(self, key)
    260 def __getitem__(self, key):
    261     if self.win32os:
---> 262         return self.clientIO.__getitem__(self._opc, self.clientTools, key)
    263     else:
    264         return None

File c:\Users\username\.pyenv\pyenv-win\versions\3.9.0-win32\lib\site-packages\OpenOPC\opcdaio.py:660, in ClientIO.__getitem__(self, _opc, clientTools, key)
    658 def __getitem__(self, _opc, clientTools, key):
    659     """Read single item (tag as dictionary key)"""
---> 660     value, quality, time_str = self.read(_opc, clientTools, key)
    661     return value

File c:\Users\username\.pyenv\pyenv-win\versions\3.9.0-win32\lib\site-packages\OpenOPC\opcdaio.py:387, in ClientIO.read(self, _opc, clientTools, tags, group, size, pause, source, update, timeout, sync, include_error, rebuild)
    384     results = self.iread(_opc, clientTools, tags, group, size, pause, source, update, timeout, sync, include_error, rebuild)
    386 if single:
---> 387     return list(results)[0]
    388 else:
    389     return list(results)

File c:\Users\username\.pyenv\pyenv-win\versions\3.9.0-win32\lib\site-packages\OpenOPC\opcdaio.py:307, in ClientIO.iread(self, _opc, clientTools, tags, group, size, pause, source, update, timeout, sync, include_error, rebuild)
    305 now = time.time() * 1000
    306 if now - start > timeout:
---> 307     raise TimeoutError('Callback: Timeout waiting for data')
    309 if self.callback_queue.empty():
    310     pythoncom.PumpWaitingMessages()

Exception: ('TimeoutError', 'Callback: Timeout waiting for data')

环境与背景说明 #

• 运行环境：Windows，32位Python 3.9.0
• pywin32依赖已升级至最新
• 可正常多次向服务器写入数据
• 使用的OpenOPC版本为OpenOPC-DA
• 临时解决方案：每次读取前重新创建并连接OPC客户端（代码如下），可实现多次读取，但不够高效

import OpenOPC
import pywintypes

pywintypes.datetime = pywintypes.TimeType
opc = OpenOPC.client()

opc.connect('server_name')

value = opc['tag_name']
print(value)

opc['tag_name'] = value + 1

opc.close()
opc = OpenOPC.client()
opc.connect('server_name')
value = opc['tag_name']
print(value)

opc.close()

问题原因分析 #

这个超时问题主要源于OpenOPC-DA的异步回调机制在写入操作后出现异常：

1. 默认情况下，OpenOPC使用异步读取模式，依赖pywin32的消息泵处理服务器回调。写入操作可能干扰了回调队列的状态，导致后续读取的回调信号无法被正确捕获。
2. OPC服务器的组（Group）资源在写入后未正确刷新，导致读取请求无法触发服务器返回数据。
3. 部分OPC服务器对连续读写的响应有延迟要求，快速连续操作会导致服务器未及时响应读取请求。

解决方案 #

1. 使用同步读取模式

显式指定sync=True跳过异步回调，直接同步读取数据，避免回调队列异常：

import OpenOPC
import pywintypes

pywintypes.datetime = pywintypes.TimeType
opc = OpenOPC.client()

opc.connect('server_name')

# 同步读取标签值
value = opc.read('tag_name', sync=True)[0]
print(value)

# 写入新值
opc.write(('tag_name', value + 1))

# 再次同步读取
value = opc.read('tag_name', sync=True)[0]
print(value)

opc.close()

2. 加入操作延迟

在写入和第二次读取之间加入短暂延迟，给服务器足够时间处理写入并准备响应读取请求：

import time
import OpenOPC
import pywintypes

pywintypes.datetime = pywintypes.TimeType
opc = OpenOPC.client()

opc.connect('server_name')

value = opc['tag_name']
print(value)

opc['tag_name'] = value + 1
time.sleep(0.3)  # 根据服务器响应速度调整延迟时间

value = opc['tag_name']
print(value)

opc.close()

3. 重置OPC组

如果异步模式必须保留，可以在写入后重新创建OPC组，避免组状态异常：

import OpenOPC
import pywintypes

pywintypes.datetime = pywintypes.TimeType
opc = OpenOPC.client()

opc.connect('server_name')

value = opc['tag_name']
print(value)

opc['tag_name'] = value + 1

# 重新创建组（销毁旧组并新建）
opc.remove_group()
opc.add_group()

value = opc['tag_name']
print(value)

opc.close()

4. 检查服务器配置

确认OPC服务器是否允许快速连续读取，部分服务器可能需要调整超时时间或更新频率设置，以适配客户端的连续操作。

内容的提问来源于stack exchange，提问作者Trygve Ruud