隨著傳統(tǒng)行業(yè)向工業(yè) 4.0 邁進(jìn)，企業(yè)對數(shù)據(jù)分析的要求越來越高?，F(xiàn)代、先進(jìn)的分析能力，能夠基于大數(shù)據(jù)，為企業(yè)提供異常監(jiān)測，實時報警，并為產(chǎn)能、成本、設(shè)備維護(hù)等提供更好的預(yù)測，讓決策者有更好的宏觀整體把控。隨著 AI 技術(shù)的蓬勃發(fā)展，決策者也正在積極尋求降低決策成本、提高運(yùn)行效率的方法。

傳統(tǒng)的數(shù)據(jù)分析平臺無法滿足現(xiàn)代分析的要求，更不用說引入 AI 了。通常，它們?nèi)狈卸鄠€站點(diǎn)數(shù)據(jù)的能力，導(dǎo)致分析工具無法獲得公司運(yùn)營的全局視圖。更重要的是，它們多為封閉的系統(tǒng)，很難與更為先進(jìn)的第三方分析工具集成。

TDengine 為工業(yè)數(shù)據(jù)提供了一個開放的解決方案，使用戶能夠利用現(xiàn)代的數(shù)據(jù)分析工具進(jìn)一步挖掘數(shù)據(jù)的價值，支持公有云和私有化部署，進(jìn)而實現(xiàn)更為開放、低成本、并具水平擴(kuò)張能力的實時分析。并且，TDengine 是一個開放的系統(tǒng)，可以與最新的 AI 分析工具無縫集成，能夠使 AI 賦能傳統(tǒng)企業(yè)。

尤其值得一提的是，TDengine 在 TDengine 3.3.6.0 版本全新推出了時序數(shù)據(jù)分析 AI 智能體 TDgpt，將 AI 能力原生集成進(jìn)數(shù)據(jù)庫內(nèi)核，大幅降低了智能分析的門檻。無論是預(yù)測還是異常檢測，用戶只需通過 SQL 即可調(diào)用 AI 模型，快速實現(xiàn)智能化運(yùn)維與業(yè)務(wù)優(yōu)化。TDgpt 還支持靈活擴(kuò)展，適配多種時序基礎(chǔ)模型，包括 Uni2TS、Chronos、TimesFM、Time-MoE 以及自研模型 TDtsfm，并開放 SDK，進(jìn)一步提升了 TDengine 在 AI 時代下的分析能力。

借助 SQL 的一致性接口，無論是傳統(tǒng)分析還是 AI 驅(qū)動的智能分析，用戶都可以通過 TDengine 簡單高效地完成復(fù)雜的數(shù)據(jù)探索。通過 TDgpt、超級表、存儲和計算分離、數(shù)據(jù)按時間分區(qū)、預(yù)計算等多種手段，TDengine 提供了強(qiáng)大而又簡單易用的分析能力。具體而言，TDengine 的分析能力具有以下顯著特點(diǎn)：

1. 多個數(shù)據(jù)采集點(diǎn)之間的高效聚合：TDengine 針對時序數(shù)據(jù)的特點(diǎn)，提出創(chuàng)新的超級表概念，將時序數(shù)據(jù)與標(biāo)簽數(shù)據(jù)分離存儲。無需 JOIN，只需要指定超級表的標(biāo)簽過濾條件，就可將同類型的數(shù)據(jù)采集點(diǎn)進(jìn)行高效的聚合操作，這使得組織和查找數(shù)據(jù)更加簡單。此外，TDengine 允許向每個數(shù)據(jù)采集點(diǎn)添加多達(dá) 128 個標(biāo)簽，也支持在以后刪除和更新這些標(biāo)簽。TDengine 提供了一種將數(shù)據(jù)切割成多維立方體以進(jìn)行多維分析的強(qiáng)大方法。
2. 計算存儲分離：從 3.0 起，TDengine 支持存算分離，系統(tǒng)可以根據(jù)需要，啟動一個或多個計算節(jié)點(diǎn)，增加計算資源，加快復(fù)雜查詢的速度，減小 Latency。對于云平臺，計算節(jié)點(diǎn)可以是一個容器，可以快速地啟動或停止，計算存儲分離將充分利用云平臺的彈性計算資源。
3. 歷史與實時數(shù)據(jù)的分析完全統(tǒng)一：TDengine 按時間段對數(shù)據(jù)自動進(jìn)行分區(qū)，即使是 10 年的數(shù)據(jù)，也無需分庫分表，不存在檔案數(shù)據(jù)一說。為降低存儲成本，按照數(shù)據(jù)的新老程度，實行多級存儲，但對用戶而言是完全透明的。無論是查詢最新數(shù)據(jù)還是 10 年前的數(shù)據(jù)，只是查詢的起止時間不同。
4. 時序數(shù)據(jù)分析的特有功能：TDengine 在標(biāo)準(zhǔn) SQL 的基礎(chǔ)上，針對時序數(shù)據(jù)的處理進(jìn)行擴(kuò)展，提供累計求和、時間加權(quán)平均、移動平均、變化率、時間窗口，session 窗口、state 窗口、插值等眾多時序數(shù)據(jù)分析功能。通過時間窗口和插值，可以將不同數(shù)據(jù)采集點(diǎn)的數(shù)據(jù)按固定時間間隔將數(shù)據(jù)的時間戳對齊，便于后續(xù)的進(jìn)一步分析?？梢詤⒖?nbsp;SQL手冊了解更多信息。
5. 實時數(shù)據(jù)分析：TDengine 既提供了時間驅(qū)動的流式計算(連續(xù)查詢)，也提供了事件驅(qū)動的流式計算。不僅可以對單個數(shù)據(jù)采集點(diǎn)生成的數(shù)據(jù)流進(jìn)行流式計算，也可以對多個采集點(diǎn)的數(shù)據(jù)流聚合后進(jìn)行流式計算。對自定義函數(shù)的支持更是讓流計算能方便地提供對數(shù)據(jù)的前置處理、轉(zhuǎn)換或任何其他復(fù)雜計算。關(guān)于流式計算，請看用戶文檔流式計算。
6. 支持Python：不僅提供 Python 連接器，還支持 Pandas 及 data frame，讓喜愛 Python 的數(shù)據(jù)分析師可以很方便地利用各種 Python 庫做時序數(shù)據(jù)分析。
7. 其他便捷的數(shù)據(jù)訪問、分析手段：利用 TDengine 提供的命令行程序，可以在終端執(zhí)行各種即席查詢、或者導(dǎo)入導(dǎo)出數(shù)據(jù)。提供 R 與 Matlab 以及多種編程語言的連接器，支持與 Grafana、Looker 的無縫集成。
8. 與先進(jìn)的 AI 分析工具無縫集成：TDengine 是一個開放系統(tǒng)，提供標(biāo)準(zhǔn)接口，可以輕松與最新的 AI 分析工具集成。
9. AI 分析原生集成，零門檻調(diào)用模型能力：TDengine 內(nèi)置 AI 智能體 TDgpt，用戶僅需通過 SQL 中的 forecast() 和 anomaly_window() 函數(shù)，即可調(diào)用主流時序預(yù)測與異常檢測模型，無需編程經(jīng)驗、無需理解算法細(xì)節(jié)，快速實現(xiàn)智能化分析。TDgpt 還支持通過開放 SDK 動態(tài)集成自研或第三方模型，具備零門檻、零初期投入、零時間差等優(yōu)勢，為工業(yè) 4.0 場景下的智能決策提供更大助力。

在典型的工業(yè) 4.0 場景下，TDengine 可以作為時序數(shù)據(jù)倉庫(Time-Series Data Warehouse) 使用，不再需要將時序數(shù)據(jù)導(dǎo)入到專門的數(shù)據(jù)倉庫或數(shù)據(jù)湖進(jìn)行處理分析，數(shù)據(jù)平臺的成本將大幅降低。

Q&A

Q：TDengine 在支持 AI 的高級數(shù)據(jù)分析中，核心亮點(diǎn)是什么？什么是 TDgpt？

A：TDengine 的核心亮點(diǎn)是原生集成 AI 能力，其在 3.3.6.0 版本推出的時序數(shù)據(jù)分析 AI 智能體 “TDgpt” 是關(guān)鍵：TDgpt 集成于數(shù)據(jù)庫內(nèi)核，用戶無需編程或理解算法細(xì)節(jié)，僅通過 SQL 的forecast()（預(yù)測）和anomaly_window()（異常檢測）函數(shù)就能調(diào)用 AI 模型；同時支持?jǐn)U展適配 Uni2TS、Chronos、TDtsfm（自研）等模型，開放 SDK，大幅降低工業(yè)場景智能分析門檻。

Q：用戶如何在 TDengine 中調(diào)用 AI 模型進(jìn)行預(yù)測或異常檢測？需要額外編程嗎？

A：無需額外編程，通過 SQL 即可零門檻調(diào)用：TDengine 內(nèi)置 TDgpt AI 智能體，將預(yù)測、異常檢測等 AI 能力封裝為標(biāo)準(zhǔn) SQL 函數(shù)，用戶只需在查詢中使用forecast()函數(shù)實現(xiàn)時序預(yù)測，用anomaly_window()函數(shù)實現(xiàn)異常檢測；整個過程無需掌握 AI 算法細(xì)節(jié)，也不用修改業(yè)務(wù)代碼，適合快速落地智能化運(yùn)維與業(yè)務(wù)優(yōu)化。

Q：相比傳統(tǒng)數(shù)據(jù)分析平臺，TDengine 在處理工業(yè)時序數(shù)據(jù)時，有哪些獨(dú)特的分析能力？

A：TDengine 針對工業(yè)時序數(shù)據(jù)設(shè)計了多重獨(dú)特能力：① 用 “超級表” 實現(xiàn)多采集點(diǎn)高效聚合，無需 JOIN，支持 128 個標(biāo)簽與多維分析；② 存算分離架構(gòu)，可彈性擴(kuò)展計算節(jié)點(diǎn)，加快復(fù)雜查詢速度；③ 歷史與實時數(shù)據(jù)統(tǒng)一分析，自動按時間分區(qū)，10 年數(shù)據(jù)無需分庫分表，多級存儲對用戶透明；④ 擴(kuò)展 SQL 支持累計求和、移動平均、時間窗口、插值等時序特有功能。

?Q：TDengine 支持哪些數(shù)據(jù)分析工具或編程語言集成？能和 AI 分析工具無縫對接嗎？

A：TDengine 支持多工具與語言集成，且可無縫對接 AI 分析工具：① 編程語言方面，提供 Python（支持 Pandas/DataFrame）、R、Matlab 連接器，方便數(shù)據(jù)分析師使用；② 可視化與 BI 工具方面，可與 Grafana、Looker 無縫集成；③ 作為開放系統(tǒng)，它通過標(biāo)準(zhǔn)接口支持與最新 AI 分析工具對接，同時內(nèi)置 TDgpt 實現(xiàn) AI 原生集成，無需額外搭建數(shù)據(jù)鏈路。

Q：在工業(yè) 4.0 場景中，TDengine 作為時序數(shù)據(jù)倉庫使用，能帶來什么優(yōu)勢？

A：在工業(yè) 4.0 場景中，TDengine 作為時序數(shù)據(jù)倉庫的核心優(yōu)勢是降低成本 + 簡化流程：① 無需將時序數(shù)據(jù)導(dǎo)入專門的數(shù)據(jù)倉庫或數(shù)據(jù)湖，直接在 TDengine 內(nèi)完成從實時采集、存儲到 AI 分析的全流程；② 支持公有云與私有化部署，具備水平擴(kuò)張能力，能集中多站點(diǎn)數(shù)據(jù)提供全局視圖，避免傳統(tǒng)封閉系統(tǒng)的局限；③ 結(jié)合實時流計算（時間 / 事件驅(qū)動）與自定義函數(shù)，可快速處理設(shè)備監(jiān)控、產(chǎn)能預(yù)測等工業(yè)核心需求。