在工業(yè)節(jié)能和智能化轉(zhuǎn)型的浪潮中，蘑菇物聯(lián)憑借其自研的靈知 AI 大模型走在行業(yè)前沿，為高能耗設(shè)備和公輔能源車間提供先進(jìn)的 AI 解決方案。此次采訪聚焦于蘑菇物聯(lián)與 TDengine 的合作項(xiàng)目，通過 AI 云智控平臺(tái)的建設(shè)，雙方攜手推動(dòng)制造工廠的能源數(shù)智化管理，助力企業(yè)實(shí)現(xiàn)節(jié)能降碳。在本文中，我們將深入探討蘑菇物聯(lián)選擇 TDengine 的原因、項(xiàng)目實(shí)施中的挑戰(zhàn)與解決方案，以及合作視角下雙方的未來愿景。

在工業(yè)場景中，傳統(tǒng)人工經(jīng)驗(yàn)的控制方法較粗放，如開工后設(shè)備常開、設(shè)備參數(shù)設(shè)置不合理、設(shè)備運(yùn)行組合不合理、冗余供能等情況，這些情況往往造成設(shè)備低效運(yùn)行和巨大的能源浪費(fèi)。加強(qiáng)組織精益管理能力是一個(gè)改善點(diǎn)，更重要的是推動(dòng)基于數(shù)據(jù)的數(shù)智化管理方法和工具在工廠落地，工廠才能充分發(fā)揮數(shù)據(jù)價(jià)值，實(shí)現(xiàn)降本增效提產(chǎn)提質(zhì)。

蘑菇物聯(lián)是一家工業(yè) AI 科技公司，聚焦工業(yè)高能耗的通用工業(yè)設(shè)備以及由這些設(shè)備組成的公輔能源車間，自主研發(fā)通用工業(yè)設(shè)備領(lǐng)域?qū)Ｓ玫?AI 大模型——靈知 AI，率先把人工智能技術(shù)引入工業(yè)節(jié)能場景，全面采集通用設(shè)備、公輔車間數(shù)據(jù)，建模分析計(jì)算工廠能源供給端與需求端數(shù)據(jù)，解決工廠“冗余供能”的難題，實(shí)現(xiàn)按需供能，為工業(yè)企業(yè)創(chuàng)造安全供能、無人值守、可持續(xù)節(jié)能降碳三大可測量價(jià)值。

蘑菇物聯(lián)自主研發(fā)的公輔能源云智控節(jié)能管理平臺(tái)，可實(shí)現(xiàn)設(shè)備級-車間級-工廠級-集團(tuán)級四層架構(gòu)的能源管理與節(jié)能控制優(yōu)化，尤其針對空壓站、制冷站等重點(diǎn)耗能場景進(jìn)行控制優(yōu)化節(jié)能，并且實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測性維護(hù)。該平臺(tái)支持靈活的模塊化部署，既可以按場景拆分獨(dú)立部署，也可支持組合部署以覆蓋水、電、氣、冷等不同類型的能源場景。同時(shí)，通過多租戶模式為客戶提供服務(wù)，目前已服務(wù)超 1600 多家工業(yè)企業(yè)，每天處理約 100GB 的 IoT 數(shù)據(jù)。

在服務(wù)工業(yè)企業(yè)數(shù)智化轉(zhuǎn)型的過程中，蘑菇物聯(lián)面臨的客戶場景，既有行業(yè)共性，又有業(yè)務(wù)的獨(dú)特性，并且“作為一個(gè)平臺(tái)型產(chǎn)品，數(shù)據(jù)存儲(chǔ)需要與業(yè)務(wù)場景解耦，支持動(dòng)態(tài)定義字段名稱?！蹦⒐轿锫?lián)研發(fā)負(fù)責(zé)人解釋道。在公輔場景中，由于設(shè)備種類繁多、品牌各異，IoT 數(shù)據(jù)量天級超過百 GB，管理與數(shù)據(jù)處理面臨一定挑戰(zhàn)，主要存在三個(gè)核心需求：

首先，對于同一類型的設(shè)備而言，各個(gè)設(shè)備的參數(shù)編碼并不固定。雖然核心參數(shù)可以通過物模型進(jìn)行標(biāo)準(zhǔn)化處理，但部分參數(shù)是特定型號設(shè)備才具備的。因此，系統(tǒng)需要具備支持動(dòng)態(tài)數(shù)據(jù)入庫的能力，以確保這些特有參數(shù)的數(shù)據(jù)也能被完整記錄和分析。同時(shí)，為了適應(yīng)業(yè)務(wù)發(fā)展和場景需求的變化，系統(tǒng)還需要支持新的設(shè)備類型的快速接入。這意味著在數(shù)據(jù)結(jié)構(gòu)上必須具備靈活性，能夠根據(jù)不同設(shè)備的特性動(dòng)態(tài)新增字段，確保新設(shè)備接入后的數(shù)據(jù)也能無縫整合到現(xiàn)有系統(tǒng)中。

其次，在每天接入超百 GB 數(shù)據(jù)的情況下，需要保證提供給客戶的數(shù)據(jù)響應(yīng)時(shí)間在 200 毫秒級，因此系統(tǒng)需要具備超強(qiáng)的數(shù)據(jù)查詢實(shí)時(shí)響應(yīng)性能和較高的可用性。

第三，“我們的客戶既有公有云部署需求，也有私有云部署的需求?！睘榱舜_保開發(fā)和運(yùn)維效率的一致性，因此要求數(shù)據(jù)庫具備支持從小規(guī)模私有化部署到大規(guī)模云端集群的能力。

蘑菇物聯(lián)在項(xiàng)目實(shí)踐中嘗試過多種數(shù)據(jù)庫，如 OpenTSDB、HBase、InfluxDB 及某云廠商 TSDB，每種數(shù)據(jù)庫各有特點(diǎn)，最終經(jīng)過綜合考慮高性能、穩(wěn)定性和數(shù)據(jù)壓縮率等因素后，蘑菇物聯(lián)選擇與 TDengine 合作。

虛擬表結(jié)構(gòu)的設(shè)計(jì)

由于 AI 云智控平臺(tái)需要接入大量不同類型的設(shè)備數(shù)據(jù)，其中一些設(shè)備可能包含成千上萬的 code 字段，且無法預(yù)先確定其上報(bào)的字段結(jié)構(gòu)。在這種情況下，蘑菇物聯(lián)無法使用 TDengine 的超級表模型（因字段結(jié)構(gòu)不確定且列數(shù)有限制）。

為了解決這一問題，蘑菇物聯(lián)采納了 TDengine 團(tuán)隊(duì)的建議，采用普通表模型，并為每個(gè)設(shè)備建立字段映射關(guān)系（將 code 映射到子表 ID 和列名），從而實(shí)現(xiàn)了設(shè)備級的 Schema-less 存儲(chǔ)，同時(shí)突破了列數(shù)限制。

高并發(fā)數(shù)據(jù)查詢性能

“我們每個(gè)租戶都會(huì)構(gòu)建大量復(fù)雜的業(yè)務(wù)指標(biāo)，并通過流式和批量方式將數(shù)據(jù)寫入時(shí)序數(shù)據(jù)庫。在實(shí)際業(yè)務(wù)查詢中，往往需要對數(shù)百上千個(gè)業(yè)務(wù)指標(biāo)進(jìn)行二次加工。簡單的二次加工直接在時(shí)序數(shù)據(jù)庫內(nèi)完成，而復(fù)雜的計(jì)算則在業(yè)務(wù)系統(tǒng)的內(nèi)存中處理。因此，這對數(shù)據(jù)庫整體性能提出了極高要求，需要確保其在數(shù)據(jù)寫入與查詢過程中的高效性和穩(wěn)定性，才能滿足復(fù)雜業(yè)務(wù)場景的需求?！?/p>

為驗(yàn)證所選時(shí)序數(shù)據(jù)庫的性能，蘑菇物聯(lián)在 8 核 CPU、32GB 內(nèi)存單機(jī)配置下，對 TDengine（版本 3.2.3.0）、InfluxDB 開源版 1.8 和 InfluxDB 開源版 2.7 進(jìn)行了查詢性能的對比測試。

“總體而言，除了在查詢大量明細(xì)數(shù)據(jù)時(shí)表現(xiàn)稍弱外，TDengine 在其他聚合場景的查詢性能均明顯優(yōu)于 InfluxDB 開源版 1.8 和 2.7，提升幅度達(dá) 3-10 倍，完全滿足我們的性能需求。相比 HBase 和 InfluxDB，TDengine 使大多數(shù)復(fù)雜數(shù)據(jù)查詢的響應(yīng)時(shí)間從秒級縮短至毫秒級，復(fù)雜報(bào)表的性能也得到了顯著提升，極大地優(yōu)化了產(chǎn)品的用戶體驗(yàn)。這點(diǎn)讓我們非常驚艷。”

云端與私有化部署的統(tǒng)一性

“TDengine 在保證數(shù)據(jù)庫單機(jī)性能的前提下，開源支持了集群化部署的能力，且基于 C++ 語言開發(fā)，可以在資源受限的環(huán)境中部署，基于上述兩點(diǎn)特性，可以滿足我們公有云和私有云部署的架構(gòu)一致性?！?/p>

大量指標(biāo)的流/批輸出和高效查詢

“在我們的典型場景中，采集到的物聯(lián)網(wǎng)數(shù)據(jù)會(huì)經(jīng)過多維度的數(shù)據(jù)加工，不同的業(yè)務(wù)場景由此生成多種類型的指標(biāo)。例如，電量和電費(fèi)計(jì)算、折煤折碳計(jì)算、設(shè)備運(yùn)行時(shí)長統(tǒng)計(jì)、稼動(dòng)率分析、設(shè)備單機(jī)能效評估、空壓站氣電比、中央空調(diào)站 COP、單位產(chǎn)品能耗、萬元產(chǎn)值、壓力和流量預(yù)測、節(jié)能率計(jì)算等場景?！?/p>

部分指標(biāo)通過流批計(jì)算直接存入數(shù)據(jù)庫，另一些則需基于原始數(shù)據(jù)進(jìn)行查詢時(shí)二次加工。為應(yīng)對這些復(fù)雜場景，蘑菇物聯(lián)定制了多種復(fù)雜內(nèi)置函數(shù)，以滿足業(yè)務(wù)對數(shù)據(jù)處理的多樣化需求。這些操作對時(shí)序數(shù)據(jù)庫的寫入和查詢效率提出了嚴(yán)格要求。經(jīng)過多輪驗(yàn)證，TDengine 在寫入與查詢性能上表現(xiàn)出色，很好地滿足了蘑菇物聯(lián)的業(yè)務(wù)需求。

未來展望

“TDengine 為我們的項(xiàng)目帶來了更高的性能和靈活性，同時(shí)在云端與私有化部署方面也讓開發(fā)和運(yùn)維更加高效?！蹦⒐轿锫?lián)團(tuán)隊(duì)表示，“在未來的合作中，我們期待與 TDengine 一起，為更多的企業(yè)創(chuàng)造更大的價(jià)值?！?/p>

展望未來，蘑菇物聯(lián)計(jì)劃在五年內(nèi)連接 300 萬臺(tái)通用工業(yè)設(shè)備，幫助 3 萬家企業(yè)完成數(shù)智化轉(zhuǎn)型。通過深化與 TDengine 的合作，蘑菇物聯(lián)將繼續(xù)探索更多節(jié)能降碳場景，為社會(huì)的可持續(xù)發(fā)展貢獻(xiàn)力量。

接下來，TDengine 也將繼續(xù)專注于提升時(shí)序數(shù)據(jù)的處理能力，為各行業(yè)提供高效、靈活的數(shù)據(jù)解決方案。不論是在物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)，還是在智能制造等領(lǐng)域，TDengine 希望通過技術(shù)創(chuàng)新和不斷優(yōu)化，為用戶帶來更卓越的體驗(yàn)，與企業(yè)一同把握機(jī)遇，共同推動(dòng)數(shù)字化時(shí)代的發(fā)展。