TDengine 可以基于采集的數(shù)據(jù)，無(wú)需人的干預(yù)，自動(dòng)生成業(yè)務(wù)洞察所需要的實(shí)時(shí)面板和報(bào)表。即使您沒(méi)有積累足夠的業(yè)務(wù)知識(shí)，不懂SQL, 不懂如何使用分析工具，TDengine 也能讓您了解業(yè)務(wù)運(yùn)行是否正常，效率是否有提升的空間，安全是否存在隱患，幫您大幅降低數(shù)據(jù)價(jià)值挖掘的門檻。

與傳統(tǒng)數(shù)據(jù)分析以及 Chat BI 的對(duì)比

使用正常的BI或可視化工具來(lái)分析數(shù)據(jù)，您需要理解數(shù)據(jù)的來(lái)源、數(shù)據(jù)的結(jié)構(gòu)和每個(gè)字段的含義；需要知道如何對(duì)數(shù)據(jù)進(jìn)行清洗與轉(zhuǎn)換；需要理解星型、雪花型模型，理解事實(shí)表與維度表；需要?jiǎng)?chuàng)建并管理表與表之間的關(guān)系；理解并會(huì)定義業(yè)務(wù)的各種指標(biāo)；掌握一些數(shù)據(jù)分析的方法和算法；熟練掌握各種圖表類型及其適用場(chǎng)景，熟悉各種圖標(biāo)格式的設(shè)置；甚至要掌握 SQL、Python/R 腳本語(yǔ)言等；還要掌握工具本身的很多使用技巧，有相當(dāng)?shù)募夹g(shù)和業(yè)務(wù)門檻。

隨著 LLM 的發(fā)展，市場(chǎng)上涌現(xiàn)了很多 Chat BI 工具，用戶只需要用自然語(yǔ)言描述要做的分析，看板或報(bào)表就能自動(dòng)生成，或使用 Co-Pilot 協(xié)助設(shè)計(jì)看板和報(bào)表，效率得到大幅提升。但它依然依賴提問(wèn)人對(duì)業(yè)務(wù)知識(shí)的掌握程度，因?yàn)椤疤岢鰡?wèn)題就解決了問(wèn)題的一半”。很遺憾的是，即便是熟悉業(yè)務(wù)的專業(yè)人士也因經(jīng)驗(yàn)、關(guān)注點(diǎn)等局限性，不能通過(guò)提問(wèn)挖掘數(shù)據(jù)“全面價(jià)值”。因此數(shù)據(jù)價(jià)值挖掘還無(wú)法真正大眾化，依然有門檻。

TDengine 也具備 Chat BI 的能力，但在 Chat BI 的基礎(chǔ)上更進(jìn)一步，它不需要您提問(wèn)，它基于您采集的數(shù)據(jù)以及數(shù)據(jù)上下文，通過(guò) LLM，自動(dòng)感知應(yīng)用場(chǎng)景，再由 LLM 推薦出該應(yīng)用場(chǎng)景下所需要的實(shí)時(shí)分析、面板或報(bào)表。您可以選擇 Like 或 Dislike，讓系統(tǒng)根據(jù)您的喜愛(ài)推薦更適合您的分析。最后，您如果點(diǎn)擊創(chuàng)建，TDengine 就會(huì)自動(dòng)創(chuàng)建出面板、報(bào)表或?qū)崟r(shí)分析的配置文件，再將最后的報(bào)表、面板直接呈現(xiàn)給您。相對(duì)于“智能問(wèn)數(shù)”的 Chat BI 而言，TDengine 的這項(xiàng)功能被稱之為“無(wú)問(wèn)智推”。

TDengine IDMP 無(wú)問(wèn)智推

AI Agent 的主要流程

自動(dòng)生成面板、報(bào)表、分析的核心組件是 TDengine 內(nèi)置的能處理多任務(wù)的 AI Agent。這個(gè) AI Agent 工作的主要流程如下：

1. AI Agent 從數(shù)據(jù)平臺(tái)獲取每個(gè)設(shè)備或每個(gè)邏輯實(shí)體的表結(jié)構(gòu)，包括表的名字、描述信息，列的名字、列的數(shù)據(jù)類型、描述信息、物理單位等輔助性的元數(shù)據(jù)，同時(shí)獲取每個(gè)實(shí)體的子系統(tǒng)的相應(yīng)信息。
2. AI Agent 基于從數(shù)據(jù)平臺(tái)獲取的元數(shù)據(jù)，構(gòu)建提示詞，要求 LLM 基于描述的場(chǎng)景給出該場(chǎng)景下需要有的實(shí)時(shí)面板、報(bào)表和分析，并按照指定的 JSON 格式提供。
3. LLM 在深度思考后，給出回應(yīng)，AI Agent 做必要的合法性檢查，過(guò)濾掉錯(cuò)誤的內(nèi)容輸出。
4. AI Agent 基于 LLM 的回復(fù)，自動(dòng)構(gòu)建出可視化/報(bào)表模塊所需要的配置文件，發(fā)送給可視化/報(bào)表模塊。
5. 可視化/報(bào)表模塊基于獲得的配置信息，從數(shù)據(jù)平臺(tái)獲取數(shù)據(jù)，將最終結(jié)果呈現(xiàn)給用戶。

為什么TDengine 能做到“無(wú)問(wèn)智推”？

上述的流程看上去很簡(jiǎn)單，也是很多人能想到的，但實(shí)現(xiàn)它有相當(dāng)大的工程技術(shù)的挑戰(zhàn)，因?yàn)閿?shù)據(jù)平臺(tái)里往往有很多數(shù)據(jù)庫(kù)，很多表，在工業(yè)場(chǎng)景里，測(cè)點(diǎn)數(shù)可能超過(guò)千萬(wàn)，設(shè)備種類都是數(shù)千個(gè)，要讓LLM把這些庫(kù)、表之間的關(guān)聯(lián)關(guān)系，每張表以及每個(gè)字段的業(yè)務(wù)意義理解挖掘出來(lái)是極為困難的。對(duì)于復(fù)雜查詢而言，由 LLM 完成 Text to SQL 的任務(wù)是相當(dāng)有挑戰(zhàn)的。那為什么 TDengine 能做到呢？有幾點(diǎn)：

• TDengine 有獨(dú)特的存儲(chǔ)模型，采用“一個(gè)設(shè)備一張表”的建模方式。如果你有一百萬(wàn)個(gè)設(shè)備，就需要建立一百萬(wàn)張表。即使一個(gè)設(shè)備有不同的子系統(tǒng)，每個(gè)子系統(tǒng)的采集頻次完全不一樣，甚至采集點(diǎn)不停增刪改變，通過(guò) TDengine 創(chuàng)新的“虛擬表”設(shè)計(jì)，邏輯上仍然能將一個(gè)設(shè)備用一張表來(lái)描述。而且 TDengine 提出創(chuàng)新的“超級(jí)表”的設(shè)計(jì)，能將同類設(shè)備數(shù)據(jù)的聚合簡(jiǎn)化為一張超級(jí)表的查詢。通過(guò)“虛擬表”與“超級(jí)表”，極大的減少了 JOIN 操作，簡(jiǎn)化了 SQL 查詢，讓 SQL 自動(dòng)生成成為可能。

• TDengine 的內(nèi)核是一個(gè)高性能、分布式時(shí)序數(shù)據(jù)庫(kù)TSDB，它能匯聚、清洗、轉(zhuǎn)換并存儲(chǔ)各種數(shù)據(jù)源的數(shù)據(jù)，包括 MQTT, Kafka, OPC-UA, OPC-DA 等等。而且它內(nèi)置有強(qiáng)大的流式計(jì)算引擎，提供定時(shí)窗口、滑動(dòng)窗口、事件窗口、狀態(tài)窗口、會(huì)話窗口、計(jì)數(shù)窗口等多種觸發(fā)方式，提供表達(dá)式計(jì)算、時(shí)間窗口聚合計(jì)算、不同流之間的聚合計(jì)算，它還能主動(dòng)將窗口的觸發(fā)以及計(jì)算的結(jié)果通知給應(yīng)用。而且用戶是通過(guò) SQL 語(yǔ)句來(lái)創(chuàng)建和管理流計(jì)算的，這樣便于 APP 來(lái)使用，更便于 LLM 生成。
• TDengine 在 TSDB 基礎(chǔ)上，推出了工業(yè)數(shù)據(jù)管理平臺(tái)，讓用戶構(gòu)建統(tǒng)一的數(shù)據(jù)目錄，能夠?qū)Υ鎯?chǔ)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和情景化處理。它容許配置各種設(shè)備、屬性、面板、分析、通知的模版，提供物理單位的自動(dòng)轉(zhuǎn)換，支持計(jì)算表達(dá)式、命名模式、字符串構(gòu)建、數(shù)據(jù)引用等等，讓數(shù)據(jù)實(shí)現(xiàn)標(biāo)準(zhǔn)化；同時(shí)容許給每個(gè)設(shè)備、每個(gè)屬性配置描述信息、極限值、位置、物理單位、標(biāo)簽等等，讓數(shù)據(jù)具有業(yè)務(wù)意義，實(shí)現(xiàn)數(shù)據(jù)的情境化。同時(shí)它還提供樹狀層次結(jié)構(gòu)模型，幫用戶把數(shù)據(jù)目錄建立起來(lái)，不僅便于瀏覽數(shù)據(jù)，更是幫助建立物理或邏輯實(shí)體之間的關(guān)系。

通過(guò)這些基礎(chǔ)性的工作，存儲(chǔ)在 TDengine 數(shù)據(jù)平臺(tái)里的海量數(shù)據(jù)成為 AI-Ready 的數(shù)據(jù)集。如果僅僅是一個(gè)通用型的時(shí)序數(shù)據(jù)庫(kù)，沒(méi)有“超級(jí)表”“虛擬表”帶來(lái)的 SQL 簡(jiǎn)化，沒(méi)有內(nèi)置的流式計(jì)算帶來(lái)的實(shí)時(shí)分析，沒(méi)有數(shù)據(jù)標(biāo)準(zhǔn)化、情景化帶來(lái)的數(shù)據(jù)業(yè)務(wù)語(yǔ)義，自動(dòng)生成實(shí)時(shí)面板、報(bào)表沒(méi)有可能。

從拉到推，數(shù)據(jù)消費(fèi)范式的改變

TDengine 的創(chuàng)新和工程技術(shù)的實(shí)現(xiàn)帶來(lái)的是數(shù)據(jù)消費(fèi)范式的改變(Data Consumption Paradigm Shift)。數(shù)據(jù)分析，歷來(lái)都是由用戶主動(dòng)發(fā)出請(qǐng)求(比如SQL查詢), 然后由系統(tǒng)返回給用戶?，F(xiàn)在依靠 LLM，AI Agent 讓數(shù)據(jù)自己說(shuō)話，主動(dòng)將業(yè)務(wù)分析洞察的結(jié)果推送給你，將分析由“Pull”變成”Push”，用戶的數(shù)據(jù)消費(fèi)變?yōu)楸粍?dòng)消費(fèi)，數(shù)據(jù)分析進(jìn)入”抖音”時(shí)代，數(shù)據(jù)分析的門檻直接降為零。

通過(guò)一系列的數(shù)據(jù)處理的基礎(chǔ)性工作，借助 LLM，數(shù)據(jù)平臺(tái)就可以成為了一個(gè)自治的數(shù)據(jù)平臺(tái)，成為了一個(gè)自我驅(qū)動(dòng)(Self Driving)的實(shí)時(shí)分析平臺(tái)，不再依賴用戶的知識(shí)積累和工具使用技能。TDengine 只是開(kāi)了行業(yè)的先河，相信今后有很多類似系統(tǒng)的出現(xiàn)，而且流行起來(lái)。

TDengine 將更進(jìn)一步，將 AI-Ready 的數(shù)據(jù)通過(guò)開(kāi)放的 API 給第三方應(yīng)用提供。它提供的不再是傳統(tǒng)的數(shù)據(jù)庫(kù)的SQL查詢結(jié)果，而是帶有數(shù)據(jù)業(yè)務(wù)語(yǔ)義、帶有數(shù)據(jù)上下文的 AI-Ready 的查詢結(jié)果，賦能給眾多的 AI 應(yīng)用，讓數(shù)據(jù)的擁有者能最大程度的挖掘出數(shù)據(jù)的價(jià)值。

10 倍以上工作效率的提升

數(shù)據(jù)消費(fèi)范式的改變帶來(lái)的是工作效率的指數(shù)級(jí)提升。在過(guò)去，數(shù)據(jù)分析嚴(yán)重依賴數(shù)據(jù)分析師或 IT 工程師與業(yè)務(wù)人員的溝通交流。因?yàn)檎嬲畼I(yè)務(wù)知識(shí)的業(yè)務(wù)主管往往不懂?dāng)?shù)據(jù)分析和工具的使用，而工程師又往往不懂業(yè)務(wù)，兩個(gè)人群之間存在一個(gè)巨大的縫隙，導(dǎo)致業(yè)務(wù)提出分析的需求，無(wú)法實(shí)時(shí)滿足。流程壓縮和快速獲取數(shù)據(jù)結(jié)論，會(huì)使洞察更深入，及時(shí)，決策更快更準(zhǔn)。

另外一方面，業(yè)務(wù)人員需要有行業(yè)知識(shí)的積累。一個(gè)行業(yè)，特別是傳統(tǒng)行業(yè)，比如鋼鐵、石油、電力等，往往需要至少五年到十年的行業(yè)知識(shí)的積累，才能真正提出有價(jià)值的分析需求。現(xiàn)在對(duì)于普通的分析，不再需要多年知識(shí)和技能的積累，幾天就夠。對(duì)更高級(jí)的分析，往往依賴管理和技術(shù)的創(chuàng)新，還需要專家的深度參與。

對(duì)于一個(gè)物聯(lián)網(wǎng)、工業(yè)數(shù)據(jù)平臺(tái)的建設(shè)，您只要采用 TDengine, 把數(shù)據(jù)源的管理做好，制定好數(shù)據(jù)治理的標(biāo)準(zhǔn)，通過(guò) TDengine 提供的工具實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化、情景化，一切工作就完成了。

Q&A

Q：什么是 TDengine 無(wú)問(wèn)智推？它主要解決時(shí)序數(shù)據(jù)分析中的什么問(wèn)題？

A：TDengine 無(wú)問(wèn)智推是針對(duì)時(shí)序數(shù)據(jù)設(shè)計(jì)的 “主動(dòng)式智能分析能力”，無(wú)需人工預(yù)設(shè)需求或編寫代碼，能自動(dòng)挖掘數(shù)據(jù)中的異常、趨勢(shì)與關(guān)聯(lián)關(guān)系，并將分析結(jié)果主動(dòng)推送。它主要解決傳統(tǒng)時(shí)序分析 “被動(dòng)、低效、門檻高” 的問(wèn)題 —— 避免用戶手動(dòng)寫 SQL、查數(shù)據(jù)、找規(guī)律，讓不懂技術(shù)的業(yè)務(wù)人員也能快速獲取數(shù)據(jù)洞察，讓時(shí)序數(shù)據(jù)從 “需主動(dòng)查詢” 變?yōu)?“能主動(dòng)輸出價(jià)值”。

Q：TDengine 無(wú)問(wèn)智推和傳統(tǒng)的時(shí)序數(shù)據(jù)分析工具相比，最大的區(qū)別是什么？

A：最大區(qū)別在于 “無(wú)需預(yù)設(shè)需求” 和 “主動(dòng)推送”：① 傳統(tǒng)工具需用戶先明確需求（如 “查設(shè)備 A 近 3 天溫度是否異?！保偻ㄟ^(guò) SQL、代碼或可視化操作查詢；② 無(wú)問(wèn)智推無(wú)需預(yù)設(shè)，會(huì)自動(dòng)掃描全量時(shí)序數(shù)據(jù)，識(shí)別異常波動(dòng)、趨勢(shì)變化、關(guān)聯(lián)影響等信息，然后通過(guò)面板主動(dòng)推送給相關(guān)人員，大幅降低分析成本。