工業(yè)現(xiàn)場(chǎng)的設(shè)備數(shù)據(jù)散落在各個(gè)車間、各個(gè)廠區(qū)，決策者無法只憑局部信息形成全局認(rèn)知。TDengine 基于內(nèi)置的數(shù)據(jù)訂閱能力，讓數(shù)據(jù)從邊緣側(cè)逐級(jí)上報(bào)、按需匯聚——邊緣側(cè)負(fù)責(zé)實(shí)時(shí)監(jiān)控與告警，中心側(cè)負(fù)責(zé)全局分析與洞察，同一套數(shù)據(jù)模型貫穿始終。

數(shù)據(jù)在邊緣沉睡，全局洞察遙不可及

在工業(yè)互聯(lián)網(wǎng)場(chǎng)景中，邊緣設(shè)備只用來處理局部數(shù)據(jù)——某個(gè)車間里的實(shí)時(shí)生產(chǎn)數(shù)據(jù)、某條產(chǎn)線上的設(shè)備狀態(tài)。這些數(shù)據(jù)在本地完成了監(jiān)控和告警，但決策者無法只根據(jù)邊緣設(shè)備采集的信息，形成對(duì)整個(gè)系統(tǒng)的全局認(rèn)知。

在以前的工業(yè)數(shù)據(jù)采集流程中，數(shù)據(jù)從 PLC 中采集后進(jìn)入 Historian（工業(yè)實(shí)時(shí)庫(kù)），再支撐業(yè)務(wù)應(yīng)用。這種系統(tǒng)多采用主備架構(gòu)，不易水平擴(kuò)展，且嚴(yán)重依賴 Windows 生態(tài)，相對(duì)封閉。許多企業(yè)仍在使用過時(shí)的系統(tǒng)處理數(shù)據(jù)，而這些系統(tǒng)往往相互獨(dú)立，形成了所謂的數(shù)據(jù)孤島。

要讓數(shù)據(jù)真正產(chǎn)生價(jià)值，邊緣側(cè)的數(shù)據(jù)需要逐級(jí)上報(bào)到中心平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)的匯聚與信息融合。但整體數(shù)據(jù)量非常大，必須有選擇地上報(bào)——例如將一秒鐘采集一次的原始記錄降采樣至一分鐘一次，在大幅減少數(shù)據(jù)量的同時(shí)保留關(guān)鍵信息。

數(shù)據(jù)孤島 — 各廠區(qū)、各車間系統(tǒng)獨(dú)立，數(shù)據(jù)無法互通，決策者無法獲得全局視角

離線同步，時(shí)效性差 — 很多企業(yè)采用離線方式同步數(shù)據(jù)，定期傳輸導(dǎo)致帶寬阻塞和資源浪費(fèi)

傳統(tǒng)架構(gòu)封閉 — 主備架構(gòu)不易擴(kuò)展，依賴 Windows 生態(tài)，與現(xiàn)代云原生架構(gòu)脫節(jié)

TDengine 內(nèi)置數(shù)據(jù)訂閱，邊云協(xié)同無需額外組件

TDengine 基于內(nèi)置的數(shù)據(jù)訂閱功能實(shí)現(xiàn)邊云協(xié)同，不需要集成消息隊(duì)列等第三方中間件，大幅降低系統(tǒng)復(fù)雜度和運(yùn)維成本。

高效數(shù)據(jù)同步 — 支持每秒百萬條數(shù)據(jù)的同步效率，確保數(shù)據(jù)在邊緣側(cè)和云端之間快速、穩(wěn)定地傳輸。

靈活配置同步規(guī)則 — 可配置的同步規(guī)則使用戶能夠根據(jù)實(shí)際需求自定義數(shù)據(jù)同步的策略和方式，按需上報(bào)。

斷線續(xù)傳與重新訂閱 — 網(wǎng)絡(luò)不穩(wěn)定或中斷時(shí)，支持?jǐn)嗑€續(xù)傳和重新訂閱，確保數(shù)據(jù)同步的連續(xù)性和完整性。

多數(shù)據(jù)源對(duì)接 — 兼容 AVEVA PI System、OPC-UA、OPC-DA、MQTT 等多種外部數(shù)據(jù)源，實(shí)現(xiàn)廣泛接入。

歷史數(shù)據(jù)遷移 — 支持歷史數(shù)據(jù)的遷移，方便在升級(jí)或更換系統(tǒng)時(shí)，將歷史數(shù)據(jù)無縫遷移到新系統(tǒng)中。

統(tǒng)一數(shù)據(jù)模型 — 邊云均采用 TDengine TSDB，數(shù)據(jù)模型完全統(tǒng)一，降低數(shù)據(jù)治理難度，消除語義鴻溝。

逐級(jí)上報(bào)，按需匯聚

在生產(chǎn)車間，設(shè)備產(chǎn)生的實(shí)時(shí)數(shù)據(jù)存儲(chǔ)至部署在邊緣側(cè)的 TDengine TSDB。分廠的 TDengine TSDB 訂閱車間的數(shù)據(jù)，集團(tuán)側(cè)再訂閱各分廠的數(shù)據(jù)——逐級(jí)匯聚，層層過濾。

生產(chǎn)車間 → 數(shù)據(jù)訂閱 · 降采樣 → 分廠 / 區(qū)域中心 → 數(shù)據(jù)訂閱 · 匯聚 → 集團(tuán)總部

• 不需要一行代碼，只須在邊緣側(cè)和云端進(jìn)行簡(jiǎn)單配置即可實(shí)現(xiàn)數(shù)據(jù)同步
• 數(shù)據(jù)無須緩存，減少批量發(fā)送，避免流量高峰阻塞帶寬
• 規(guī)則可配置，支持降采樣、閾值過濾，簡(jiǎn)單、靈活、實(shí)時(shí)性高
• 數(shù)據(jù)模型統(tǒng)一，邊云均采用 TDengine TSDB，降低數(shù)據(jù)治理難度

數(shù)據(jù)訂閱，選擇性同步的靈活性

TDengine 的數(shù)據(jù)訂閱功能為訂閱方提供了極大的靈活性，允許用戶根據(jù)需要配置訂閱對(duì)象，實(shí)現(xiàn)選擇性的數(shù)據(jù)同步。

在工業(yè)場(chǎng)景中，整體數(shù)據(jù)量非常大，因此必須有選擇地上報(bào)。TDengine 的數(shù)據(jù)訂閱功能允許用戶訂閱一個(gè)數(shù)據(jù)庫(kù)、一張超級(jí)表，甚至是一個(gè)包含篩選條件的查詢語句。

這意味著用戶可以將真正關(guān)心的數(shù)據(jù)——包括離線數(shù)據(jù)和亂序數(shù)據(jù)——從一個(gè)集群同步到另一個(gè)集群，以滿足各種復(fù)雜場(chǎng)景下的數(shù)據(jù)需求。例如，邊緣側(cè)一秒鐘采集一次的原始記錄，上報(bào)至中心側(cè)時(shí)可以降采樣至一分鐘一次，這種降采樣極大地減少了數(shù)據(jù)量，但仍保留有關(guān)鍵信息，可用于長(zhǎng)期數(shù)據(jù)的分析和預(yù)測(cè)。

制造業(yè)企業(yè)通常面臨的痛點(diǎn)就是數(shù)據(jù)同步。很多企業(yè)目前采用離線方式來同步數(shù)據(jù)，但 TDengine TSDB 實(shí)現(xiàn)了數(shù)據(jù)的實(shí)時(shí)同步，而且規(guī)則可配置，能夠避免定期傳輸大數(shù)據(jù)量導(dǎo)致的資源浪費(fèi)和帶寬阻塞風(fēng)險(xiǎn)。

1. 訂閱整個(gè)數(shù)據(jù)庫(kù) — 將指定數(shù)據(jù)庫(kù)中的全部數(shù)據(jù)實(shí)時(shí)同步到目標(biāo)集群
2. 訂閱超級(jí)表 — 按設(shè)備類型同步，只上報(bào)某一類設(shè)備的數(shù)據(jù)
3. 訂閱帶條件的查詢 — 通過 SQL 篩選條件，只同步超過閾值或符合特定條件的數(shù)據(jù)
4. 降采樣同步 — 邊緣秒級(jí)數(shù)據(jù)降采樣為分鐘級(jí)，大幅減少傳輸量，保留關(guān)鍵趨勢(shì)

廣泛接入，打破數(shù)據(jù)孤島

TDengine TSDB Enterprise 兼容多種外部數(shù)據(jù)源和工業(yè)協(xié)議，能夠快速匯聚來自各類系統(tǒng)的數(shù)據(jù)，實(shí)現(xiàn)跨廠站、跨系統(tǒng)的統(tǒng)一管理。

AVEVA PI System — 對(duì)接工業(yè)實(shí)時(shí)數(shù)據(jù)庫(kù)，兼容傳統(tǒng) Historian 系統(tǒng)

OPC-UA / OPC-DA — 工業(yè)自動(dòng)化標(biāo)準(zhǔn)協(xié)議，廣泛覆蓋 PLC 與傳感器

MQTT — 物聯(lián)網(wǎng)輕量級(jí)消息協(xié)議，支持海量設(shè)備接入

標(biāo)準(zhǔn) SQL 接口 — JDBC、ODBC、REST API 等標(biāo)準(zhǔn)接口，無縫對(duì)接 BI 與 AI 工具

數(shù)據(jù)匯聚之后，全局洞察水到渠成

當(dāng)所有數(shù)據(jù)匯聚于一個(gè)系統(tǒng)時(shí)，企業(yè)能夠更迅速地做出反應(yīng)、更有效地解決問題，并利用 AI 分析工具進(jìn)行更精準(zhǔn)的預(yù)測(cè)和決策。

01 打破數(shù)據(jù)孤島

整合分散在各個(gè)角落的系統(tǒng)及其采集的數(shù)據(jù)，將來自不同數(shù)據(jù)源的數(shù)據(jù)清洗、加工和處理，整合到一個(gè)統(tǒng)一的平臺(tái)上，消除信息壁壘。

02 實(shí)時(shí)響應(yīng)，高效協(xié)同

數(shù)據(jù)匯聚后，訪問和處理數(shù)據(jù)的效率顯著提高。企業(yè)在應(yīng)對(duì)實(shí)時(shí)數(shù)據(jù)時(shí)能夠更迅速地做出反應(yīng)，企業(yè)內(nèi)外的工作人員也能實(shí)現(xiàn)高效合作。

03 AI 賦能，精準(zhǔn)預(yù)測(cè)

數(shù)據(jù)匯聚之后，可以利用 TDengine 提供的 IDMP 工業(yè)大數(shù)據(jù)管理平臺(tái)或者接入第三方 AI 分析工具進(jìn)行更優(yōu)質(zhì)的異常監(jiān)測(cè)、實(shí)時(shí)告警，并為產(chǎn)能、成本、設(shè)備維護(hù)等方面提供更精準(zhǔn)的預(yù)測(cè)。

04 助力數(shù)字化轉(zhuǎn)型

決策者能夠更好地把握整體宏觀情況，為企業(yè)的發(fā)展提供有力支持，助力傳統(tǒng)產(chǎn)業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型和智能化升級(jí)。

Q&A

Q：邊云協(xié)同和普通的數(shù)據(jù)復(fù)制有什么區(qū)別？

A：普通的數(shù)據(jù)復(fù)制通常是全量同步，而 TDengine 的邊云協(xié)同基于數(shù)據(jù)訂閱功能，支持選擇性同步。用戶可以訂閱一個(gè)數(shù)據(jù)庫(kù)、一張超級(jí)表，甚至是一個(gè)包含篩選條件的查詢語句，實(shí)現(xiàn)按需上報(bào)。例如可以將邊緣側(cè)秒級(jí)采集的原始記錄降采樣至分鐘級(jí)后再上報(bào)，大幅減少傳輸量同時(shí)保留關(guān)鍵信息。此外，TDengine 的數(shù)據(jù)同步是實(shí)時(shí)的，不需要額外的消息隊(duì)列組件。

Q：網(wǎng)絡(luò)中斷時(shí)數(shù)據(jù)會(huì)丟失嗎？

A：不會(huì)。TDengine TSDB 支持?jǐn)嗑€續(xù)傳和重新訂閱功能，確保在網(wǎng)絡(luò)不穩(wěn)定或中斷時(shí)數(shù)據(jù)同步的連續(xù)性和完整性。網(wǎng)絡(luò)恢復(fù)后，系統(tǒng)會(huì)自動(dòng)從斷點(diǎn)處繼續(xù)同步，不會(huì)丟失任何數(shù)據(jù)。

Q：邊緣側(cè)和中心側(cè)必須使用相同版本的 TDengine 嗎？

A：邊云協(xié)同基于 TDengine 的數(shù)據(jù)訂閱功能實(shí)現(xiàn)，邊云均采用 TDengine TSDB，數(shù)據(jù)模型完全統(tǒng)一。由于數(shù)據(jù)訂閱涉及集群間的通信協(xié)議，建議保持版本兼容以確保功能的穩(wěn)定性。具體的版本兼容性要求請(qǐng)參考 TDengine 官方文檔。

Q：能否將已有的 Historian 系統(tǒng)中的歷史數(shù)據(jù)遷移到 TDengine？

A：可以。TDengine TSDB 支持歷史數(shù)據(jù)的遷移，并且兼容 AVEVA PI System 等傳統(tǒng)工業(yè)實(shí)時(shí)數(shù)據(jù)庫(kù)。用戶在升級(jí)或更換系統(tǒng)時(shí)，可以將歷史數(shù)據(jù)無縫遷移到新系統(tǒng)中，保護(hù)已有的數(shù)據(jù)資產(chǎn)。

Q：配置邊云協(xié)同需要編寫代碼嗎？

A：不需要。TDengine 的邊云協(xié)同不需要一行代碼，只須在邊緣側(cè)和云端進(jìn)行簡(jiǎn)單配置即可。數(shù)據(jù)訂閱通過 SQL 創(chuàng)建和管理，熟悉 SQL 的工程師可以直接編寫；同時(shí) TDengine 也提供了圖形化配置方式，無需編寫代碼即可完成數(shù)據(jù)同步規(guī)則的設(shè)定。

Q：邊云協(xié)同支持哪些工業(yè)協(xié)議和數(shù)據(jù)源？

A：TDengine TSDB 兼容多種外部數(shù)據(jù)源，包括 AVEVA PI System、OPC-UA、OPC-DA、MQTT 等，實(shí)現(xiàn)數(shù)據(jù)的廣泛接入和整合。同時(shí)支持標(biāo)準(zhǔn) SQL 接口（JDBC、ODBC、REST API），可以無縫對(duì)接各類 BI、可視化工具和 AI 分析平臺(tái)。