項(xiàng)目背景

在寧夏新能源集控項(xiàng)目中，華東院為電建新能源集團(tuán)打造的區(qū)域集控中心，圍繞集中監(jiān)控、場站協(xié)管、資源共享、維檢支持及電力交易等方面進(jìn)行建設(shè)。該中心依托集控平臺匯聚運(yùn)維資源，開展專業(yè)化能力建設(shè)，通過集約化、標(biāo)準(zhǔn)化、共享化與專業(yè)化的運(yùn)營模式，實(shí)現(xiàn)降本增效，助力下屬新能源場站安全生產(chǎn)與高效運(yùn)維。

目前，寧夏集控中心共接入 9 個新能源場站，涵蓋風(fēng)電、光伏、儲能等多種類型，總發(fā)電裝機(jī)達(dá) 1039.8MW，儲能總裝機(jī)達(dá) 100MW。數(shù)據(jù)測點(diǎn)經(jīng)場站側(cè)篩選與邊緣處理后，約有 80 萬測點(diǎn)進(jìn)入集控中心數(shù)據(jù)庫。

對集控中心數(shù)據(jù)庫而言，需要解決以下三大技術(shù)問題：

1. 持續(xù)寫入問題：當(dāng)前有 80 萬測點(diǎn)持續(xù)寫入，考慮后續(xù)擴(kuò)容需求，中心數(shù)據(jù)庫需要承接 ≥100萬點(diǎn)的持續(xù)寫入壓力；
2. 長期存儲問題：歷史數(shù)據(jù)存儲時間 ≥ 6 年；
3. 實(shí)時性問題：畫面數(shù)據(jù)實(shí)時刷新周期 1s～3s。

也就是說，我們面臨的并不是單一性能問題，而是持續(xù)寫入、長期存儲、實(shí)時應(yīng)用三者并存的綜合性挑戰(zhàn)，這對數(shù)據(jù)庫提出了很高的要求。

選型 TDengine 的原因

集控中心的數(shù)據(jù)庫需要滿足持續(xù)寫入、長期存儲和查詢實(shí)時性的技術(shù)要求，同時還要綜合考慮成本、國產(chǎn)化以及技術(shù)服務(wù)支持能力。我們調(diào)研了多家數(shù)據(jù)庫競品，經(jīng)過綜合對比后選擇了 TDengine TSDB。主要考慮因素有以下幾點(diǎn)：

1. TDengine TSDB 的讀寫性能十分優(yōu)異，能夠滿足集控中心對數(shù)據(jù)持續(xù)寫入以及實(shí)時、歷史數(shù)據(jù)快速查詢的業(yè)務(wù)需求；
2. TDengine TSDB 作為一款開源產(chǎn)品，能夠免費(fèi)下載和試用，選型初期我們在社區(qū)版上進(jìn)行了基礎(chǔ)功能和性能的測試驗(yàn)證，為后續(xù)的溝通交流打下了良好基礎(chǔ)；
3. TDengine TSDB 作為一款開源產(chǎn)品，能夠免費(fèi)下載和試用，選型初期我們在社區(qū)版上進(jìn)行了基礎(chǔ)功能和性能的測試驗(yàn)證，為后續(xù)的溝通交流打下了良好基礎(chǔ)；
4. TDengine TSDB 企業(yè)版帶有完善的售后服務(wù)支持，對于追求業(yè)務(wù)穩(wěn)定性的我們而言，能夠得到原廠快速、專業(yè)支持十分重要。

TDengine 實(shí)施策略

整體架構(gòu)

寧夏新能源集控中心需要接入 9 個新能源場站超過 80 萬測點(diǎn)的數(shù)據(jù)，數(shù)據(jù)寫入 TDengine TSDB 集群的壓力約為 20 萬條/秒。結(jié)合業(yè)務(wù)分區(qū)要求，我們將集控中心安全一區(qū)與三區(qū)的數(shù)據(jù)分別存儲，同時實(shí)現(xiàn)一區(qū)數(shù)據(jù)向三區(qū)的實(shí)時同步。其中，一區(qū)主要支撐遠(yuǎn)程控制系統(tǒng)，三區(qū)主要支撐集中監(jiān)視系統(tǒng)以及高階分析系統(tǒng)。

一三區(qū)整體架構(gòu)示意

數(shù)據(jù)建模

時序數(shù)據(jù)庫與傳統(tǒng)關(guān)系型數(shù)據(jù)庫的建模理念與方法完全不同，好的數(shù)據(jù)建模能夠使將來的業(yè)務(wù)應(yīng)用做到事半功倍。

建庫策略

我們考慮了多種數(shù)據(jù)組織方式，優(yōu)劣分析如下：

經(jīng)過與濤思數(shù)據(jù)專家討論，我們最終確定采用按場站組織數(shù)據(jù)存儲的方式，即 1 個場站對應(yīng) 1 個數(shù)據(jù)庫實(shí)例。每個數(shù)據(jù)庫默認(rèn)包含 104 和 modbus 兩類數(shù)據(jù)，其他數(shù)據(jù)后期按需增加。9 個站的數(shù)據(jù)庫名稱如下：

建表策略

我們的業(yè)務(wù)要求之一，是能夠根據(jù)通道 ID、公共地址（從機(jī)地址）和信息體地址快速定位到測點(diǎn)，或者能夠通過這些字段實(shí)現(xiàn)高效表過濾。

在 TDengine TSDB 的設(shè)念中，我們業(yè)務(wù)上所說的 “測點(diǎn)” ，實(shí)際上對應(yīng) TDengine TSDB 中的 “子表” 概念，TDengine TSDB 將數(shù)據(jù)字段分為數(shù)據(jù)列與標(biāo)簽列，并為標(biāo)簽列過濾進(jìn)行了特殊優(yōu)化，我們只需把上述篩選字段作為超級表的標(biāo)簽列，即可很方便地對測點(diǎn)進(jìn)行條件篩選。

例如對于 st_telemetry_short_float 超級表，將常用的測點(diǎn)（子表）篩選條件 channel_id、 common_address、 object_address 作為 tag（標(biāo)簽） 列，就能通過超級表快速篩選涉及的一張或一批子表，并執(zhí)行數(shù)據(jù)查詢。

TDengine TSDB 這種針對物聯(lián)網(wǎng)設(shè)備的特殊建模方式，對我們進(jìn)行數(shù)據(jù)建模以及后續(xù)應(yīng)用提供了很多便利。

TDengine TSDB 針對這種查詢專門進(jìn)行了優(yōu)化，可以配置最新值緩存策略，將所有子表的最新一條非空值或最新一行記錄緩存到 cache 中，從而在查詢時獲得更快的響應(yīng)速度和更好的并發(fā)支持能力。

具體來說，我們通過建庫參數(shù) cachemodel 和 cachesize 來設(shè)置緩存策略以及緩存占用空間大小。

由于我們的業(yè)務(wù)對 last 和 last_row 都有需求，因此所有場站數(shù)據(jù)庫都開啟了緩存策略，并將 cachemodel 統(tǒng)一設(shè)置為 both，也就是同時緩存 last 與 last_row。

不過，緩存并不是越大越好。由于每個數(shù)據(jù)庫的子表數(shù)量和表結(jié)構(gòu)都不完全相同，緩存空間需要結(jié)合實(shí)際情況進(jìn)行配置：設(shè)置過大會浪費(fèi)內(nèi)存，設(shè)置過小則會導(dǎo)致緩存頻繁刷新，反而影響寫入效率并浪費(fèi)系統(tǒng)資源。

經(jīng)過持續(xù)調(diào)整，目前三區(qū)的緩存配置如下圖所示：

數(shù)據(jù)訂閱

為了實(shí)現(xiàn)大屏組態(tài)的實(shí)現(xiàn)數(shù)據(jù)刷新，我們通過訂閱方式實(shí)時獲取所關(guān)注子表數(shù)據(jù)的最新記錄。

在 TDengine TSDB 中，我們可以直接通過 SQL 語句創(chuàng)建帶篩選條件的 topic。業(yè)務(wù)程序只需要訂閱對應(yīng) topic，就能夠持續(xù)獲取符合條件的最新數(shù)據(jù)。

例如，我們創(chuàng)建 topic 的 SQL 如下：

create topic prod_djnx_zwdwse_lg_st_telemetry_short_float as select ts,`channel_id`,`object_address`, `r32` from db_solar_wz52.st_telemetry_short_float;

TDengine TSDB 的數(shù)據(jù)訂閱依賴 WAL 文件。由于數(shù)據(jù)寫入后會第一時間進(jìn)入 WAL，數(shù)據(jù)訂閱能夠保障訂閱程序第一時間獲取更新的數(shù)據(jù)內(nèi)容，這對于需要實(shí)時刷新的監(jiān)視類應(yīng)用非常關(guān)鍵。

目前，三區(qū)正在使用的 topic 一共有 29 個：

多級存儲節(jié)省存儲成本

為了節(jié)省存儲成本，我們采購了 NAS 來存儲長期歷史數(shù)據(jù)，結(jié)合 TDengine TSDB 的多級存儲功能，利用不同的存儲介質(zhì)存儲不同時間段、不同訪問頻率的數(shù)據(jù)，有效降低了數(shù)據(jù)存儲成本。

NAS（Network Attached Storage，網(wǎng)絡(luò)附加存儲）是一種專門用于數(shù)據(jù)存儲和共享的網(wǎng)絡(luò)設(shè)備，它通過局域網(wǎng)（LAN）為多用戶或其他設(shè)備提供集中化的存儲空間。TDengine TSDB 只能支持 iSCSI 掛載方式，不支持 NFS、CIFS 等掛載方式。

在濤思服務(wù)中心專家的支持下，通過增加 NAS 設(shè)備掛載點(diǎn)、修改數(shù)據(jù)庫的 KEEP 參數(shù)以及 taos.cfg 配置文件操作，實(shí)現(xiàn)了數(shù)據(jù)的多級存儲。具體操作步驟如下：

1. 在服務(wù)器上增加 NAS 掛載點(diǎn) data1；

2. 修改 KEEP 參數(shù)，修改策略為：8 個月 （240 天）之內(nèi)的數(shù)據(jù)存儲在本機(jī)磁盤上，超過 240 天的數(shù)據(jù)會存儲到 NAS 上；

3. 修改 taos.cfg配置文件，指定 0 級存儲與 1 級存儲路徑。

通過上述配置，即可實(shí)現(xiàn)數(shù)據(jù)按照時間范圍的多級存儲。

TDengine 業(yè)務(wù)應(yīng)用

全局監(jiān)視系統(tǒng)

依托 TDengine TSDB ，全局監(jiān)視系統(tǒng)實(shí)現(xiàn)了監(jiān)視頁面數(shù)據(jù)實(shí)時刷新以及歷史數(shù)據(jù)查詢快速響應(yīng)。

如下圖所示，在場站監(jiān)視頁面，通過實(shí)時數(shù)據(jù)訂閱，監(jiān)視畫面就能夠?qū)崟r獲取所有場站當(dāng)前的狀態(tài)信息以及關(guān)鍵的統(tǒng)計信息、告警內(nèi)容等。

數(shù)據(jù)分析系統(tǒng)

依托 TDengine TSDB 的高性能查詢能力，數(shù)據(jù)分析系統(tǒng)實(shí)現(xiàn)了大量統(tǒng)計指標(biāo)的定期更新。

如圖所示，數(shù)據(jù)分析系統(tǒng)主要用于定時統(tǒng)計任務(wù)，會按照固定時間周期從 TDengine TSDB 中進(jìn)行大量數(shù)據(jù)查詢。例如在電廠生產(chǎn)對標(biāo)應(yīng)用場景中，將各種關(guān)鍵指標(biāo)與去年同期進(jìn)行對比分析，計算同比，為經(jīng)營分析與生產(chǎn)優(yōu)化提供支撐。

未來展望

寧夏新能源集控中心自投入運(yùn)行以來，TDengine TSDB 集群整體保持穩(wěn)定運(yùn)行。在集控中心成功應(yīng)用 TDengine TSDB 的經(jīng)驗(yàn)，進(jìn)一步堅(jiān)定了電建新能源集團(tuán)深耕新能源數(shù)字化領(lǐng)域的信心。后續(xù)，集團(tuán)計劃將 TDengine TSDB 的應(yīng)用范圍拓展至電力交易等更多業(yè)務(wù)環(huán)節(jié)，與 TDengine 攜手為新能源領(lǐng)域客戶創(chuàng)造更大價值。

關(guān)于華東院

中國電建集團(tuán)華東勘測設(shè)計研究院有限公司（簡稱華東院）成立于 1954 年，具有工程設(shè)計綜合甲級、工程勘察綜合甲級、工程咨詢綜合甲級、工程總承包與設(shè)備成套等十多個國家最高等級的資質(zhì)證書。全院新能源從業(yè)人員達(dá) 1000 余人，業(yè)務(wù)涉及海上風(fēng)電、陸上風(fēng)電、光伏、儲能、微電網(wǎng)、地?zé)崮堋⒑Ｑ竽艿?。憑借著工程 + IT 的優(yōu)勢，自 2012 年啟動海上風(fēng)電三維數(shù)字化設(shè)計以來，持續(xù)深耕風(fēng)電、光伏、綜合能源領(lǐng)域的數(shù)字化，具備頂層規(guī)劃、方案設(shè)計、產(chǎn)品研發(fā)、工程交付、實(shí)施運(yùn)維等全鏈路的服務(wù)能力。

作者：林子義，劉藝博（濤思數(shù)據(jù)）

背景和挑戰(zhàn)

中國石油智慧運(yùn)營平臺是中國石油推進(jìn)油氣田生產(chǎn)數(shù)字化、智能化管理的核心系統(tǒng)。圍繞這個平臺，我們需要持續(xù)接入全國數(shù)十個油田現(xiàn)場的實(shí)時生產(chǎn)數(shù)據(jù)，數(shù)據(jù)類型覆蓋壓力、溫度、流量、示功圖等上百種工況參數(shù)，具有高頻產(chǎn)生、連續(xù)寫入、規(guī)模龐大的典型時序特征。

這些數(shù)據(jù)直接服務(wù)于多項(xiàng)關(guān)鍵業(yè)務(wù)：一是對全國油田單井、站庫、管道的設(shè)備運(yùn)行狀態(tài)和生產(chǎn)工藝參數(shù)進(jìn)行全天候監(jiān)測；二是對抽油機(jī)停機(jī)、壓力驟升、工藝超標(biāo)等異常情況進(jìn)行秒級識別和告警，保障安全生產(chǎn)；三是基于歷史數(shù)據(jù)分析單井生產(chǎn)效率、設(shè)備能耗和生產(chǎn)制度優(yōu)化空間；四是為集團(tuán)和油田公司各級管理人員提供統(tǒng)一、實(shí)時的大屏視圖，支撐遠(yuǎn)程生產(chǎn)調(diào)度與指揮。

隨著平臺從 1.0 向 2.0 演進(jìn)，原有技術(shù)架構(gòu)的局限逐漸顯現(xiàn)。傳統(tǒng)關(guān)系型數(shù)據(jù)庫難以承受每秒數(shù)十萬數(shù)據(jù)點(diǎn)的高頻寫入，容易造成數(shù)據(jù)堆積和延遲；海量傳感器數(shù)據(jù)使存儲空間快速增長，磁盤擴(kuò)容成本持續(xù)上升，歷史數(shù)據(jù)保存周期也受到擠壓；在查詢分析方面，簡單歷史數(shù)據(jù)檢索往往需要數(shù)十秒，跨設(shè)備、跨時間段的聚合分析可能耗時數(shù)分鐘，難以滿足交互式分析需求；同時，原架構(gòu)依賴多個異構(gòu)數(shù)據(jù)庫和中間件，系統(tǒng)鏈路復(fù)雜，運(yùn)維工作量大，故障定位和擴(kuò)展也較為困難。

這些痛點(diǎn)嚴(yán)重制約了平臺價值的發(fā)揮，因此，尋找一個專為時序數(shù)據(jù)設(shè)計、高性能、低成本的數(shù)據(jù)庫解決方案成為項(xiàng)目成敗的關(guān)鍵。

對比選型

在智慧運(yùn)營平臺 2.0 的數(shù)據(jù)庫選型階段，我們項(xiàng)目團(tuán)隊(duì)首先明確了幾個核心要求：系統(tǒng)既要支撐油氣田現(xiàn)場高頻采集數(shù)據(jù)的持續(xù)寫入，也要滿足后續(xù)生產(chǎn)分析、設(shè)備監(jiān)測和業(yè)務(wù)查詢的實(shí)時性需求；同時，隨著數(shù)據(jù)規(guī)模不斷擴(kuò)大，存儲成本、系統(tǒng)可用性以及后期運(yùn)維復(fù)雜度也必須被納入統(tǒng)一考量。因此，團(tuán)隊(duì)重點(diǎn)從寫入吞吐、查詢效率、壓縮能力、SQL 兼容性、集群高可用能力以及架構(gòu)簡潔度等方面，對多種時序數(shù)據(jù)庫和大數(shù)據(jù)平臺方案進(jìn)行了驗(yàn)證。

在概念驗(yàn)證過程中，TDengine TSDB 的整體表現(xiàn)更符合項(xiàng)目需求。油氣田場景中設(shè)備數(shù)量眾多、采集指標(biāo)相對固定，TDengine TSDB “一個設(shè)備一張表” 的建模方式與“超級表”概念，與這一業(yè)務(wù)特征具有較高匹配度。在相同硬件測試環(huán)境下，TDengine TSDB 展現(xiàn)出了更高的寫入效率，其寫入速度達(dá)到 InfluxDB 的 2.5 倍；同時，數(shù)據(jù)壓縮比達(dá)到 1:10，優(yōu)于 TimescaleDB 的 1:7，能夠有效降低長期數(shù)據(jù)留存帶來的存儲壓力。此外，TDengine TSDB 對標(biāo)準(zhǔn) SQL 的支持，也降低了原有業(yè)務(wù)系統(tǒng)遷移和改造的難度，使開發(fā)團(tuán)隊(duì)能夠更順暢地完成平臺升級；其強(qiáng)大的集群與高可用能力也保證了平臺 7×24 小時穩(wěn)定運(yùn)行。

相比之下，InfluxDB 在開源版本中缺少集群能力，若采用企業(yè)版則會帶來較高成本；并且在超大規(guī)模數(shù)據(jù)場景下，查詢性能會出現(xiàn)較明顯下降。TimescaleDB 依托 PostgreSQL 生態(tài)，在 SQL 兼容性方面具備一定優(yōu)勢，但面對典型的物聯(lián)網(wǎng)時序數(shù)據(jù)場景，其壓縮率和查詢性能與 TDengine TSDB 相比仍有差距。

經(jīng)過多輪驗(yàn)證和綜合評估，我們最終選擇 TDengine TSDB 作為智慧運(yùn)營平臺 2.0 的核心時序數(shù)據(jù)庫。它在性能、成本、功能完整性和易用性之間形成了較好的平衡，能夠滿足平臺長期穩(wěn)定運(yùn)行和后續(xù)業(yè)務(wù)擴(kuò)展的要求。

智慧運(yùn)營升級 2.0 系統(tǒng)

平臺架構(gòu)

下圖為基于 TDengine TSDB 重構(gòu)后的智慧運(yùn)營平臺簡化架構(gòu)圖：

整體數(shù)據(jù)流可以概括為以下幾個環(huán)節(jié)：

1. 各油田現(xiàn)場的 OPC 服務(wù)器通過 OPC DA/UA 協(xié)議采集 PLC 與 RTU 設(shè)備數(shù)據(jù)。
2. taosX Agent 作為輕量級代理，部署在邊緣側(cè)，負(fù)責(zé)可靠地采集 OPC 數(shù)據(jù)并將其轉(zhuǎn)換為 TDengine TSDB 的寫入?yún)f(xié)議。
3. 數(shù)據(jù)通過 taosX 匯聚后，批量、高效地寫入部署在數(shù)據(jù)中心的 TDengine TSDB 集群。
4. 所有業(yè)務(wù)微服務(wù)（如實(shí)時告警、效能分析、報表服務(wù)）均通過標(biāo)準(zhǔn) JDBC/Go Connector 等方式直接訪問 TDengine TSDB，獲取實(shí)時或歷史數(shù)據(jù)。
5. 前端大屏、Web 平臺和移動 APP 通過調(diào)用業(yè)務(wù)微服務(wù) API，實(shí)現(xiàn)數(shù)據(jù)的可視化與應(yīng)用。

數(shù)據(jù)零代碼接入 TDengine TSDB

TDengine TSDB 企業(yè)版配備了一個強(qiáng)大的零代碼數(shù)據(jù)接入工具——taosX。借助 taosX，我們只需在瀏覽器中簡單配置，就能輕松地向 TDengine TSDB 提交任務(wù)，實(shí)現(xiàn)以零代碼方式將來自不同數(shù)據(jù)源的數(shù)據(jù)無縫導(dǎo)入 TDengine TSDB。

在實(shí)際業(yè)務(wù)中，我們以 OPC DA 數(shù)據(jù)接入為例，簡單介紹下操作過程。整體流程比較清晰：

1. 首先部署 taosX Agent 代理程序，檢測代理是否正常通信（OPC DA 的代理必須部署在 windows 操作系統(tǒng)上）。

2. 配置 OPC DA 服務(wù)連接信息，檢測連通性是否正常。

3. 配置點(diǎn)位映射信息，可選用 csv 文件配置上傳方式，便于配置批量點(diǎn)位信息，映射配置完成后，直接提交任務(wù)即可。

通過這種方式，我們不僅提高了多油田、多現(xiàn)場的數(shù)據(jù)接入效率，也顯著降低了后續(xù)維護(hù)和變更成本。

業(yè)務(wù)價值

智慧運(yùn)營平臺 2.0 引入 TDengine TSDB 之后，獲得的收益并不局限于數(shù)據(jù)庫層面，而是貫穿了平臺架構(gòu)、成本控制、查詢體驗(yàn)、實(shí)時預(yù)警和生產(chǎn)決策幾個方面：

• 架構(gòu)簡化與穩(wěn)定提升：以 TDengine TSDB 為核心構(gòu)建的統(tǒng)一時序數(shù)據(jù)層，取代了原有復(fù)雜的多組件異構(gòu)架構(gòu)。系統(tǒng)整體復(fù)雜度大幅降低，運(yùn)維效率提升超 50%，為平臺 7×24 小時穩(wěn)定運(yùn)行奠定了堅(jiān)實(shí)基礎(chǔ)。
• 運(yùn)維成本降低：通過零代碼接入，大大降低了各油田數(shù)據(jù)接入的復(fù)雜度和后期維護(hù)成本。
• 存儲成本顯著下降：TDengine TSDB 在項(xiàng)目中的實(shí)際表現(xiàn)達(dá)到了 1:10 的存儲壓縮比，有效緩解了海量傳感器數(shù)據(jù)帶來的存儲擴(kuò)容壓力。
• 查詢性能顯著提升：原本分鐘級的各種指標(biāo)聚合等查詢，現(xiàn)在通過一句簡單的 SQL 即可毫秒級別返回結(jié)果。實(shí)測來看，各類業(yè)務(wù) SQL 查詢速度已經(jīng)能夠滿足生產(chǎn)要求，尤其在數(shù)據(jù)統(tǒng)計、匯算等方面表現(xiàn)優(yōu)異。

數(shù)據(jù)接入后查詢展示如下：

更重要的是，底層能力提升之后，平臺業(yè)務(wù)價值也被放大了，主要體現(xiàn)在以下幾個方面：

• 運(yùn)營效率提升：實(shí)現(xiàn)了生產(chǎn)全過程的可視、可管、可控，指揮決策從事后分析變?yōu)槭虑邦A(yù)警。
• 安全生產(chǎn)保障：通過實(shí)時告警，成功預(yù)警多次潛在設(shè)備故障，避免了非計劃停機(jī)和安全事故?；诤撩爰壯舆t的實(shí)時數(shù)據(jù)流與強(qiáng)大的時序計算能力，平臺實(shí)現(xiàn)了對設(shè)備異常、工藝超標(biāo)等風(fēng)險的秒級檢測與精準(zhǔn)預(yù)警。
• 數(shù)據(jù)驅(qū)動決策：為單井效率分析、設(shè)備能效評估、生產(chǎn)制度優(yōu)化等提供了堅(jiān)實(shí)、高效的數(shù)據(jù)基座，為優(yōu)化生產(chǎn)制度、降低能耗提供了精準(zhǔn)的數(shù)據(jù)依據(jù)。
• 平滑升級：標(biāo)準(zhǔn) SQL 支持確保了從舊系統(tǒng)向新平臺的平滑遷移，原有業(yè)務(wù)邏輯和數(shù)據(jù)分析經(jīng)驗(yàn)得以快速復(fù)用，極大保護(hù)了已有投資并加速了價值兌現(xiàn)進(jìn)程。

總結(jié)而言，TDengine TSDB 不僅解決了智慧運(yùn)營平臺 2.0 面臨的核心技術(shù)痛點(diǎn)，更在降低成本、提升效率、保障安全、賦能決策等方面產(chǎn)生了巨大的綜合效益。

結(jié)語

TDengine TSDB 在智慧運(yùn)營平臺 2.0 中的成功實(shí)踐，堅(jiān)定了我們將其作為企業(yè)級時序數(shù)據(jù)基石的信心。接下來，我們還會繼續(xù)沿著三個方向深化應(yīng)用：

1. 場景深化：將 TDengine TSDB 的應(yīng)用從生產(chǎn)監(jiān)控擴(kuò)展到設(shè)備預(yù)測性維護(hù)、能效碳效管理等更深層次的業(yè)務(wù)場景，利用其強(qiáng)大的時序分析能力挖掘數(shù)據(jù)價值。
2. 邊緣協(xié)同：探索使用 TDengine TSDB 的邊緣計算版本，在油田邊緣側(cè)實(shí)現(xiàn)數(shù)據(jù)的本地聚合與初步分析，形成“云-邊-端”一體化的數(shù)據(jù)體系。
3. 生態(tài)集成：進(jìn)一步將 TDengine TSDB 與流處理平臺、AI 算法平臺深度融合，構(gòu)建從數(shù)據(jù)接入、處理、分析到機(jī)器學(xué)習(xí)應(yīng)用的完整閉環(huán)，持續(xù)賦能中國石油的數(shù)字化轉(zhuǎn)型。

關(guān)于昆侖數(shù)智

昆侖數(shù)智科技有限公司是中國石油集團(tuán)控股的數(shù)字化智能化科技公司，致力于為油氣行業(yè)提供全產(chǎn)業(yè)鏈的數(shù)字化解決方案，推動“數(shù)字中國石油”建設(shè)。公司已持續(xù)為中國石油集團(tuán)、下屬專業(yè)公司、地區(qū)公司、海外公司提供了油氣行業(yè)數(shù)字化轉(zhuǎn)型專業(yè)服務(wù)；為國資委、中央企業(yè)提供了國資監(jiān)管、黨建等產(chǎn)品和服務(wù)；為海外 NOC 客戶提供了 ERP 咨詢、智慧油田、智慧管道等專業(yè)服務(wù)。

作者：袁文飛

在工業(yè) 4.0 與智能制造持續(xù)推進(jìn)的背景下，工業(yè)現(xiàn)場正以前所未有的速度產(chǎn)生海量時序數(shù)據(jù)。對于擁有大量 CNC 機(jī)床、機(jī)器人及各類工業(yè)傳感器的制造場景來說，如何高效完成數(shù)據(jù)采集、寫入、存儲、分析與實(shí)時應(yīng)用，已經(jīng)成為數(shù)字化升級中的關(guān)鍵問題。發(fā)那科在推進(jìn)新一代工廠物聯(lián)網(wǎng)平臺建設(shè)過程中，面臨高并發(fā)寫入、歷史數(shù)據(jù)存儲成本、實(shí)時分析延遲和系統(tǒng)運(yùn)維復(fù)雜等多重挑戰(zhàn)。為應(yīng)對這些問題，其平臺引入了 TDengine 時序數(shù)據(jù)庫，作為設(shè)備數(shù)據(jù)底座，支撐設(shè)備狀態(tài)透明化、工藝優(yōu)化和預(yù)測性維護(hù)等業(yè)務(wù)場景。

在我們的生產(chǎn)現(xiàn)場，海量設(shè)備數(shù)據(jù)并不只是“被記錄下來”的信息，而是貫穿設(shè)備運(yùn)行、工藝執(zhí)行、質(zhì)量控制與生產(chǎn)管理全過程的關(guān)鍵資產(chǎn)。隨著 CNC 機(jī)床、機(jī)器人、AGV 以及多類工業(yè)傳感器的全面接入，我們對底層數(shù)據(jù)平臺的能力提出了更高要求：既要扛住持續(xù)不斷的高頻寫入，也要讓數(shù)據(jù)能夠被實(shí)時看見、及時分析、快速調(diào)用。

正是在這樣的背景下，我們將 TDengine 時序數(shù)據(jù)庫（Time Series Database）引入到新一代工廠物聯(lián)網(wǎng)平臺中，希望構(gòu)建一個面向工業(yè)場景的高性能時序數(shù)據(jù)底座，更好支撐設(shè)備監(jiān)控、生產(chǎn)優(yōu)化與智能運(yùn)維。

背景與痛點(diǎn)

我們圍繞 CNC 全面解決方案，持續(xù)推進(jìn)機(jī)加工場景的數(shù)字化能力建設(shè)。該方案源自 FANUC 在全球機(jī)床業(yè)、加工工業(yè)、工廠自動化產(chǎn)業(yè)的長期實(shí)踐經(jīng)驗(yàn)，植根于中國 10 萬家工業(yè)客戶制造現(xiàn)場，立足行業(yè) 30 余年，逐步形成了貫穿機(jī)加工全流程、涵蓋機(jī)加工全技術(shù)要素、適用于各種機(jī)加工全產(chǎn)業(yè)場景的全面解決方案。我們希望通過數(shù)控技術(shù)、機(jī)加工藝、精益制造、自動化、數(shù)字化等能力，持續(xù)幫助先進(jìn)制造伙伴提升生產(chǎn)力。

在這一方案中，我們建設(shè)的是一個高度自動化的示范產(chǎn)線，內(nèi)部部署了數(shù)百臺自產(chǎn) CNC 加工中心、協(xié)作機(jī)器人、AGV，以及大量視覺傳感器、力覺傳感器和振動傳感器。隨著設(shè)備持續(xù)運(yùn)行，現(xiàn)場每時每刻都在產(chǎn)生大量時序數(shù)據(jù)，主要包括以下幾類：

• 設(shè)備狀態(tài)數(shù)據(jù)：包括 CNC 的主軸轉(zhuǎn)速、負(fù)載電流、各軸位置、報警代碼，以及機(jī)器人的關(guān)節(jié)角度、扭矩、末端位姿、碰撞信號
• 工藝參數(shù)數(shù)據(jù)：包括加工件的 G 代碼執(zhí)行進(jìn)度、切削進(jìn)給率、刀具壽命計數(shù)；
• 傳感監(jiān)控數(shù)據(jù)：包括關(guān)鍵部件的振動頻譜、溫度、壓力、能耗；
• 生產(chǎn)管理數(shù)據(jù)：工件 ID、加工開始/結(jié)束時間、良品/不良品標(biāo)記。

隨著數(shù)據(jù)規(guī)模不斷增長，我們也越來越明顯地感受到傳統(tǒng)方案的局限。具體來說主要包含以下幾點(diǎn)核心痛點(diǎn)：

1. 數(shù)據(jù)寫入與存儲壓力：高峰期每秒需處理超過 50 萬數(shù)據(jù)點(diǎn)的寫入，原有方案經(jīng)常因?qū)懭胪掏虏蛔銓?dǎo)致數(shù)據(jù)堆積和丟失。原始數(shù)據(jù)膨脹迅速，存儲成本成為沉重負(fù)擔(dān)。
2. 實(shí)時分析與監(jiān)控延遲：生產(chǎn)經(jīng)理和工程師無法實(shí)時查看全廠設(shè)備 OEE、設(shè)備綜合狀態(tài)。基于 Hadoop 生態(tài)的離線分析，從數(shù)據(jù)產(chǎn)生到生成報表通常有數(shù)小時延遲，這種時效性顯然無法支持實(shí)時告警和快速決策。
3. 復(fù)雜查詢性能低下：進(jìn)行跨設(shè)備、跨時間段的統(tǒng)計分析（例如“過去 24 小時所有同型號 CNC 主軸平均負(fù)載對比”）或鉆取查詢（例如“追溯某個不良品生產(chǎn)過程中所有傳感器數(shù)據(jù)”）耗時極長，嚴(yán)重制約了工藝優(yōu)化和根因分析的效率。
4. 運(yùn)維復(fù)雜性高：原有架構(gòu)由多種數(shù)據(jù)庫、消息隊(duì)列和計算引擎集成而成，系統(tǒng)復(fù)雜，運(yùn)維團(tuán)隊(duì)需要掌握多種技術(shù)棧，故障排查困難。

為了解決上述問題，我們需要尋找一個能夠一站式解決海量時序數(shù)據(jù)高效寫入、高壓縮存儲、閃電查詢的專用數(shù)據(jù)庫，從而簡化架構(gòu)、降低成本，并釋放數(shù)據(jù)的實(shí)時價值，這也是我們選擇 TDengine TSDB 的出發(fā)點(diǎn)。

實(shí)際使用效果

平臺架構(gòu)

在落地過程中，我們圍繞“采集—傳輸—寫入—服務(wù)—應(yīng)用”構(gòu)建了完整鏈路。架構(gòu)說明如下：

• 數(shù)據(jù)采集：通過 FOCAS、機(jī)器人 API 以及標(biāo)準(zhǔn)工業(yè)協(xié)議，從邊緣設(shè)備實(shí)時采集數(shù)據(jù)。
• 數(shù)據(jù)傳輸：使用 MQTT 協(xié)議，實(shí)現(xiàn)海量設(shè)備數(shù)據(jù)的低功耗、高可靠上行。
• 數(shù)據(jù)寫入與存儲：數(shù)據(jù)攝取服務(wù)將消息隊(duì)列中的數(shù)據(jù)批量寫入 TDengine TSDB 集群，這是整個架構(gòu)的基石。
• 數(shù)據(jù)服務(wù)與應(yīng)用：TDengine TSDB 通過標(biāo)準(zhǔn) JDBC/ODBC/RESTful 接口向各種上層應(yīng)用提供高性能數(shù)據(jù)查詢服務(wù)。同時，利用其查詢功能、實(shí)時計算關(guān)鍵指標(biāo)并觸發(fā)告警。

數(shù)據(jù)模型設(shè)計

在數(shù)據(jù)模型設(shè)計上，我們采用了貼合 TDengine TSDB 最佳實(shí)踐的方式。

• 超級表 devices_st：定義了所有設(shè)備的標(biāo)簽和指標(biāo)。

CREATE STABLE devices_st (
    ts TIMESTAMP,  
    speed FLOAT,   
    temperature FLOAT, 
    vibration FLOAT,  
    status_code INT) TAGS (
    device_id NCHAR(64), 
    device_type NCHAR(32),
    model NCHAR(64),      
    workshop NCHAR(32),  
    production_line NCHAR(32) );

• 子表：每臺設(shè)備都會基于 devices_st 創(chuàng)建一張子表。

CREATE TABLE device_CNC_01 USING devices_st (device_id, device_type, model,workshop,production_line) TAGS ('CNC_01', 'cnc', 'FANUC Series 30i-B', 'A車間', 'Line1');

這種設(shè)計對應(yīng)的是“一張物理設(shè)備對應(yīng)一張 TDengine TSDB 子表”的思路：設(shè)備 ID、型號、位置等靜態(tài)屬性作為標(biāo)簽，實(shí)時采集的變化指標(biāo)作為數(shù)據(jù)字段。這樣既能保證單設(shè)備查詢效率，也便于按照標(biāo)簽進(jìn)行設(shè)備分組與聚合分析。

核心功能應(yīng)用細(xì)節(jié)

在寫入能力方面，我們部署了 3 節(jié)點(diǎn) TDengine TSDB 集群，每個節(jié)點(diǎn)配置為 16 核 64GB。該集群輕松承載了峰值超過 80 萬點(diǎn)/秒的寫入壓力，且 CPU 和內(nèi)存平均負(fù)載保持在 50% 以下。

在查詢能力方面，我們主要有幾類典型場景。

• 實(shí)時監(jiān)控：大屏查詢“所有設(shè)備當(dāng)前最新狀態(tài)”，涉及 5000+ 張表的 latest 查詢，響應(yīng)時間 < 1 秒。

SELECT last(*) FROM devices_st group by tbname;

• 聚合分析：分析 A 車間 Line1 產(chǎn)線過去 24 小時每臺 CNC 的可開動率，響應(yīng)時間 < 2 秒。

SELECT device_id, count(ts) as total_count, sum( case status_code when 1 then 1 when 0 then 0 end )/ count(*) as oee 
FROM devices_st 
WHERE device_type='cnc' AND workshop='A車間' AND production_line='Line1' 
AND ts >= now-24h 
partition BY device_id
INTERVAL(1h) ;

• 訂閱功能：用于實(shí)時告警。訂閱所有 status_code 為錯誤碼的數(shù)據(jù)，一旦觸發(fā)，立即推送至告警中心，生成運(yùn)維工單。告警延遲從原來的 1-2 分鐘降低到毫秒級。

業(yè)務(wù)場景與業(yè)務(wù)價值

基于 TDengine TSDB 的落地，我們在多個業(yè)務(wù)場景中獲得了直接收益。

• 實(shí)時參數(shù)展示：管理人員可快速查看每臺設(shè)備的多個實(shí)時參數(shù)，以下數(shù)據(jù)存儲于 TDengine TSDB。

• 設(shè)備運(yùn)行時間、利用率趨勢展示：可以更加便捷地從 TDengine TSDB 中查看每個設(shè)備不同運(yùn)行狀態(tài)的時間占比。其帶來的業(yè)務(wù)價值體現(xiàn)在三個方面：
  • 一目了然的產(chǎn)線健康度：管理者可快速識別利用率低的設(shè)備和時段；
  • 精準(zhǔn)的產(chǎn)能規(guī)劃依據(jù)：基于歷史趨勢預(yù)測未來產(chǎn)能，優(yōu)化排產(chǎn)計劃；
  • 停機(jī)根因分析入口：點(diǎn)擊任意“停機(jī)”時段，可鉆取查看具體報警日志和工藝參數(shù)，快速定位問題。

• 設(shè)備高級參數(shù)分析：加工設(shè)備的刀具效率、節(jié)拍分析與關(guān)鍵參數(shù)趨勢監(jiān)控頁面，數(shù)據(jù)來源于 TDengine TSDB 的實(shí)時時序數(shù)據(jù)查詢與窗口聚合計算。業(yè)務(wù)價值體現(xiàn)在：
  • 幫助工藝人員快速判斷刀具是否異常磨損、加工節(jié)拍是否波動，可用于后續(xù)預(yù)測性維護(hù)模型的數(shù)據(jù)基礎(chǔ)；
  • 通過實(shí)時趨勢監(jiān)控，可提前發(fā)現(xiàn)設(shè)備異常，如過熱、卡滯、刀具磨損；
  • 支持按秒級精度查看原始數(shù)據(jù)，適合深度分析工藝問題與異常加工事件。

• 工藝參數(shù)優(yōu)化與追溯：借助 TDengine TSDB 的高效查詢特點(diǎn)，我們可以輕松查詢過去任意時間段的數(shù)據(jù)，查詢響應(yīng)也很及時。

圍繞這一能力，關(guān)鍵收益如下：

• 實(shí)時監(jiān)控能力增強(qiáng)：秒級刷新、不丟數(shù)據(jù)；
• 工藝優(yōu)化依據(jù)：結(jié)合倍率穩(wěn)定度判斷加工策略是否合理；
• 歷史追溯強(qiáng)：可查看任意時段趨勢，用于工件質(zhì)量問題分析；
• 高性能支持：單設(shè)備百萬級數(shù)據(jù)量也能流暢展示。

相較原有方案，整體服務(wù)器資源成本降低了 60%，實(shí)時數(shù)據(jù)查詢響應(yīng)時間從分鐘級優(yōu)化至毫秒級，全廠設(shè)備健康狀態(tài)的全局儀表盤刷新延遲顯著降低，同時預(yù)測性維護(hù)模型的準(zhǔn)確率提升了 25%，有效避免了非計劃停機(jī)。

未來規(guī)劃

TDengine TSDB 在發(fā)那科的成功應(yīng)用，證明了其在工業(yè)物聯(lián)網(wǎng)海量時序數(shù)據(jù)處理上的卓越能力。未來我們計劃深化應(yīng)用： 一方面，我們希望進(jìn)一步探索利用 TDengine TSDB 的時序數(shù)據(jù)特征提取能力，直接在數(shù)據(jù)庫層面為 AI 模型提供高質(zhì)量特征數(shù)據(jù)，進(jìn)一步簡化處理流程。另一方面，我們也會持續(xù)關(guān)注 TDengine TSDB 與主流工業(yè)互聯(lián)網(wǎng)平臺、低代碼工具以及 BI 軟件的生態(tài)集成，構(gòu)建更開放、更易用的智能制造數(shù)據(jù)分析套件。

我們相信，TDengine TSDB 持續(xù)作為數(shù)字化戰(zhàn)略中堅(jiān)實(shí)的數(shù)據(jù)基座，為制造業(yè)向智能化、數(shù)據(jù)驅(qū)動方向深化發(fā)展提供有力支撐。

關(guān)于北京發(fā)那科

北京發(fā)那科作為中國數(shù)控及工廠自動化領(lǐng)域的專業(yè)品牌，見證并深度參與了中國制造業(yè)蓬勃發(fā)展的 30 年，始終致力于 FANUC 全球領(lǐng)先的數(shù)控系統(tǒng)及工廠自動化產(chǎn)品及技術(shù)在中國的推廣應(yīng)用。產(chǎn)品與服務(wù)覆蓋了汽車、通訊、電子、新能源、智能制造等先進(jìn)制造各領(lǐng)域，已有超 160 萬臺產(chǎn)品應(yīng)用于 10 萬多家各行業(yè)企業(yè)，助力中國先進(jìn)制造業(yè)的轉(zhuǎn)型升級。其始終堅(jiān)持切實(shí)創(chuàng)新和持續(xù)管理變革，以“成為智能制造價值型最佳伙伴”為愿景，以前瞻的行業(yè)洞察視角、有效的創(chuàng)新方法論、全價值鏈的解決方案、專業(yè)的人才梯隊(duì)，長期陪伴客戶一起成長。

作者：苗鵬、陳群建

在智能油田建設(shè)過程中，我們越來越清楚地感受到，數(shù)據(jù)平臺能力已經(jīng)不只是一個底層技術(shù)問題，而是直接影響生產(chǎn)指揮效率、設(shè)備維護(hù)模式和經(jīng)營分析深度的關(guān)鍵基礎(chǔ)設(shè)施。隨著生產(chǎn)現(xiàn)場設(shè)備接入越來越多、采樣頻率不斷提升，傳統(tǒng)架構(gòu)已經(jīng)難以同時滿足高吞吐寫入、低成本存儲、低延遲查詢和國產(chǎn)化替代等要求。

因此，我們開始重新審視時序數(shù)據(jù)平臺的技術(shù)路線，希望構(gòu)建一套能夠真正適配油田業(yè)務(wù)場景的數(shù)據(jù)底座，更穩(wěn)定地支撐生產(chǎn)實(shí)時感知、異常預(yù)警、設(shè)備預(yù)測性維護(hù)以及經(jīng)營分析等核心業(yè)務(wù)。

業(yè)務(wù)場景和挑戰(zhàn)

從具體業(yè)務(wù)看，我們的需求主要集中在以下三個場景：

• 生產(chǎn)指揮系統(tǒng)：需要實(shí)時匯集全油田油水井的生產(chǎn)數(shù)據(jù)，包括壓力、溫度、流量、含水率等多類參數(shù)，每 5 秒采集一次，日均數(shù)據(jù)量達(dá) 20 億條。系統(tǒng)需實(shí)現(xiàn)生產(chǎn)態(tài)勢實(shí)時感知、異常預(yù)警智能推送、應(yīng)急指揮快速響應(yīng)。
• 機(jī)采管控系統(tǒng)：管理抽油機(jī)、螺桿泵等采油設(shè)備。每臺設(shè)備配備多個傳感器，實(shí)時監(jiān)控電機(jī)電流、功率、沖次、載荷等關(guān)鍵參數(shù)，通過振動分析預(yù)測機(jī)械故障，實(shí)現(xiàn)從“定期檢修”到“預(yù)測性維護(hù)”的轉(zhuǎn)變。
• 集團(tuán)生產(chǎn)經(jīng)營平臺：整合生產(chǎn)、運(yùn)輸、銷售、庫存全鏈條數(shù)據(jù)，提供產(chǎn)量分析、成本核算、效益評估等綜合看板。需要對接多個異構(gòu)系統(tǒng)，處理結(jié)構(gòu)化與非結(jié)構(gòu)化混合數(shù)據(jù)，支撐管理層戰(zhàn)略決策。

隨著物聯(lián)網(wǎng)設(shè)備的大規(guī)模部署和采樣頻率的提升，系統(tǒng)日均產(chǎn)生的時序數(shù)據(jù)量已突破 50 億條，傳統(tǒng)的“關(guān)系數(shù)據(jù)庫 + 緩存”架構(gòu)在寫入性能、存儲成本、查詢效率和運(yùn)維復(fù)雜度等方面面臨嚴(yán)峻挑戰(zhàn)。具體痛點(diǎn)表現(xiàn)在：

1. 數(shù)據(jù)洪峰沖擊：系統(tǒng)每日產(chǎn)生超上億條數(shù)據(jù)，傳統(tǒng)分庫分表方案難以應(yīng)對寫入峰值，經(jīng)常出現(xiàn)數(shù)據(jù)堆積、延遲入庫現(xiàn)象。
2. 存儲成本失控：原始數(shù)據(jù)年增長量達(dá)到 50TB，并且仍以每年 30% 的速度增長，如果繼續(xù)沿用傳統(tǒng)數(shù)據(jù)庫體系，存儲成本壓力會越來越大。
3. 實(shí)時分析瓶頸：生產(chǎn)指揮中心需要同時監(jiān)控數(shù)百口重點(diǎn)井的實(shí)時工況，原有系統(tǒng)在并發(fā)查詢時響應(yīng)時間超過 30 秒，嚴(yán)重影響決策時效性。
4. 信創(chuàng)替代緊迫性：根據(jù)國家信創(chuàng)戰(zhàn)略要求，2025 年底前必須完成核心數(shù)據(jù)庫的國產(chǎn)化替代，技術(shù)選型面臨性能與合規(guī)的雙重考驗(yàn)。

技術(shù)選型

面對時序數(shù)據(jù)管理的嚴(yán)峻挑戰(zhàn)，我們成立了專項(xiàng)技術(shù)選型團(tuán)隊(duì)，團(tuán)隊(duì)歷時 3 個月，對國內(nèi)外的時序數(shù)據(jù)庫解決方案進(jìn)行了全方位的評估。團(tuán)隊(duì)搭建了模擬測試環(huán)境，并使用真實(shí)生產(chǎn)數(shù)據(jù)樣本進(jìn)行基準(zhǔn)測試。測試結(jié)果顯示：

• TDengine TSDB 在數(shù)據(jù)寫入吞吐量方面表現(xiàn)最優(yōu)，單節(jié)點(diǎn)可達(dá) 150 萬條/秒，是其他產(chǎn)品的 3-5 倍
• 在相同數(shù)據(jù)量下，TDengine TSDB 的存儲空間占用僅為傳統(tǒng)方案的 1/8

• 時間范圍查詢響應(yīng)時間平均在 100 毫秒以內(nèi)，復(fù)雜聚合查詢在 1 秒內(nèi)完成

在此基礎(chǔ)上，我們最終選擇 TDengine TSDB，主要原因包括以下幾個方面：

• 極致的性能表現(xiàn)：針對時序數(shù)據(jù)優(yōu)化的存儲引擎和計算引擎，在典型查詢場景下（時間范圍查詢 + 設(shè)備過濾 + 指標(biāo)聚合）性能超出預(yù)期。
• 完整的國產(chǎn)化生態(tài)：作為國產(chǎn)自主研發(fā)的時序數(shù)據(jù)庫，TDengine TSDB 已與華為鯤鵬、麒麟軟件、統(tǒng)信 UOS 等主流信創(chuàng)產(chǎn)品完成兼容互認(rèn)證，符合信創(chuàng)替代路線圖要求。
• 創(chuàng)新的架構(gòu)設(shè)計：獨(dú)特的“一個設(shè)備一張表”數(shù)據(jù)模型，完美契合“設(shè)備-測點(diǎn)”的數(shù)據(jù)特征，簡化了數(shù)據(jù)建模復(fù)雜度。
• 專業(yè)的技術(shù)支持：濤思數(shù)據(jù)提供 7×24 小時技術(shù)支持，展現(xiàn)了強(qiáng)大的本地化服務(wù)能力。
• 持續(xù)的產(chǎn)品進(jìn)化：TDengine TSDB 從 2.x 到 3.x 的版本升級路線清晰，特別是 3.x 增強(qiáng)了多級存儲功能、數(shù)據(jù)訂閱等重要功能，與未來長遠(yuǎn)規(guī)劃高度契合。

綜合以上因素，最終技術(shù)選型團(tuán)隊(duì)一致通過，確定使用 TDengine TSDB 作為時序數(shù)據(jù)平臺的核心引擎。

落地實(shí)踐

平臺架構(gòu)升級歷程

我們的 TDengine TSDB 應(yīng)用并不是一次性到位，而是經(jīng)歷了三個階段的逐步演進(jìn)：

在第一階段（2023 年 6 月之前），我們初期使用 TDengine TSDB 2.6 版本，部署了 3 節(jié)點(diǎn)集群，并改造數(shù)據(jù)接入層，讓數(shù)據(jù)直接寫入 TDengine TSDB。同時，我們搭建了 Grafana 監(jiān)控大屏，先完成技術(shù)可行性驗(yàn)證。

在第二階段（2023 年），我們進(jìn)入全面推廣期，升級至 TDengine TSDB 3.0 集群版，繼續(xù)采用 3 節(jié)點(diǎn)部署。業(yè)務(wù)系統(tǒng)開始對接 3.x 版本，主要功能沒有進(jìn)行大幅改動，只對部分 SQL 使用方式進(jìn)行了調(diào)整，并完成歷史數(shù)據(jù)遷移。此后，生產(chǎn)指揮系統(tǒng)和注水管理系統(tǒng)接入統(tǒng)一時序數(shù)據(jù)平臺，實(shí)現(xiàn)多業(yè)務(wù)系統(tǒng)數(shù)據(jù)融合與統(tǒng)一查詢。

在第三階段（2024 年至今），我們進(jìn)一步升級到 TDengine TSDB 3.3，并重點(diǎn)驗(yàn)證其在油田場景中的關(guān)鍵能力：

• 集群高可用：模擬節(jié)點(diǎn)故障，驗(yàn)證數(shù)據(jù)零丟失和秒級故障切換。
• 多級存儲：測試熱溫冷數(shù)據(jù)分層存儲策略，驗(yàn)證存儲成本優(yōu)化效果。
• 數(shù)據(jù)訂閱：驗(yàn)證實(shí)時數(shù)據(jù)推送機(jī)制，滿足告警系統(tǒng)的低延遲要求。
• 生態(tài)兼容：驗(yàn)證與現(xiàn)有大數(shù)據(jù)平臺（Hadoop、Spark）、BI 工具（Grafana、帆軟）的集成能力，完成與集團(tuán)生產(chǎn)經(jīng)營平臺的深度集成。

核心業(yè)務(wù)系統(tǒng)深度集成

毫秒級實(shí)時響應(yīng)

在生產(chǎn)指揮中心大屏場景中，我們需要實(shí)時展示生產(chǎn)運(yùn)行態(tài)勢。依托 TDengine TSDB 的數(shù)據(jù)訂閱能力，系統(tǒng)實(shí)現(xiàn)了多個層面的改進(jìn)：

• 實(shí)時數(shù)據(jù)推送：利用CREATE TOPIC創(chuàng)建多個數(shù)據(jù)主題，分別對應(yīng)不同區(qū)域、不同井型的生產(chǎn)數(shù)據(jù)，訂閱端實(shí)現(xiàn)毫秒級數(shù)據(jù)接收。

• 智能告警引擎：基于SUBSCRIBE功能，實(shí)時監(jiān)控壓力異常、產(chǎn)量波動等多個關(guān)鍵指標(biāo)，告警延遲從原來的分鐘級降低到秒級。
• 歷史回溯分析：可快速回溯任意時間點(diǎn)的生產(chǎn)狀態(tài)，為事故分析提供數(shù)據(jù)支撐。

在數(shù)據(jù)建模上，超級表標(biāo)簽中包含井號、區(qū)塊、井型、管理部門等維度，字段中則包含多個生產(chǎn)參數(shù)，以滿足業(yè)務(wù)檢索和分析需求。

預(yù)測性維護(hù)轉(zhuǎn)型

TDengine TSDB 的應(yīng)用也改變了我們的設(shè)備維護(hù)模式。以抽油機(jī)場景為例，每臺設(shè)備配備 8 個振動傳感器，采樣頻率為 100Hz，平臺能夠承接這類高頻寫入數(shù)據(jù)；同時，我們通過 SQL 窗口函數(shù)計算每口井的噸液耗電，識別高能耗設(shè)備。

在存儲策略上，我們采用了多級存儲方案：3 個月內(nèi)的熱數(shù)據(jù)存儲在 SSD，3–12 個月的溫數(shù)據(jù)存儲在 HDD，超過 1 年的冷數(shù)據(jù)自動歸檔到對象存儲。這一策略使年存儲成本降低了 65%。

數(shù)據(jù)價值釋放

在數(shù)據(jù)消費(fèi)層，我們通過 TDengine TSDB 進(jìn)一步統(tǒng)一了數(shù)據(jù)服務(wù)能力：

• 統(tǒng)一數(shù)據(jù)服務(wù)：通過 REST API 為不同業(yè)務(wù)部門提供一致的數(shù)據(jù)訪問接口；
• 實(shí)時經(jīng)營看板：產(chǎn)量、銷量、庫存等關(guān)鍵指標(biāo)實(shí)時更新，支持高管決策；
• 成本精細(xì)核算：將設(shè)備能耗數(shù)據(jù)與生產(chǎn)數(shù)據(jù)關(guān)聯(lián)，實(shí)現(xiàn)單井成本分析。

技術(shù)架構(gòu)解析

在高可用部署方面，我們采用 3 節(jié)點(diǎn)集群架構(gòu)，并通過負(fù)載均衡 VIP 實(shí)現(xiàn)客戶端透明訪問。當(dāng)單節(jié)點(diǎn)發(fā)生故障時，可以自動切換，盡可能實(shí)現(xiàn)業(yè)務(wù)無感知。

在數(shù)據(jù)模型設(shè)計上，我們針對業(yè)務(wù)特點(diǎn)設(shè)計了“三級標(biāo)簽”體系：一級標(biāo)簽是業(yè)務(wù)系統(tǒng)，二級標(biāo)簽是物理區(qū)域，三級標(biāo)簽是設(shè)備類型。這種設(shè)計既支持跨系統(tǒng)的全局查詢，也能夠兼顧單業(yè)務(wù)場景下的查詢效率。

實(shí)際收益

通過引入 TDengine TSDB 作為時序數(shù)據(jù)平臺核心引擎，我們在寫入性能、查詢效率、存儲成本和運(yùn)維效率等多個方面獲得了較為明顯的改善：

• 寫入性能提升：集群整體寫入能力達(dá)到 400 萬條/秒，可以滿足未來 3 年的增長需求。
• 查詢性能明顯優(yōu)化：95% 的查詢可以在 1 秒內(nèi)響應(yīng)，復(fù)雜聚合查詢從原來的 2–3 分鐘縮短到 5–10 秒。
• 存儲效率提升與成本下降：壓縮比極高，系統(tǒng)通過多級存儲等能力實(shí)現(xiàn)了年存儲成本降低 65%。
• 運(yùn)維效率提升：通過 taosKeeper 配合 Grafana 實(shí)現(xiàn)可視化監(jiān)控，運(yùn)維工作量減少了 70%。

信創(chuàng)支持

在信息技術(shù)應(yīng)用創(chuàng)新戰(zhàn)略推進(jìn)下，國產(chǎn)化替代已成為保障國家信息安全、實(shí)現(xiàn)產(chǎn)業(yè)自主可控的重要路徑。以 TDengine 時序數(shù)據(jù)庫的遷移實(shí)踐為例，該系統(tǒng)原運(yùn)行于 CentOS 7.9 環(huán)境，現(xiàn)已成功遷移至國產(chǎn)銀河麒麟高級服務(wù)器操作系統(tǒng) V10SP3 平臺。這一實(shí)踐的意義主要體現(xiàn)在兩個方面：

• 自主可控：銀河麒麟作為國產(chǎn)主流操作系統(tǒng)，與 TDengine TSDB 的結(jié)合有助于構(gòu)建從底層硬件到上層應(yīng)用的全棧信創(chuàng)體系，提升系統(tǒng)整體自主可控能力。
• 生態(tài)兼容：TDengine TSDB 已廣泛適配龍芯、鯤鵬等國產(chǎn) CPU 架構(gòu)，并與麒麟操作系統(tǒng)形成協(xié)同，進(jìn)一步增強(qiáng)了信創(chuàng)生態(tài)的融合度與穩(wěn)定性。遷移完成后，TDengine TSDB 仍能保持較高的時序數(shù)據(jù)處理效率，為行業(yè)用戶在信創(chuàng)轉(zhuǎn)型中提供可靠的數(shù)據(jù)底座支撐。

未來規(guī)劃

紅有軟件與濤思數(shù)據(jù)保持深度合作，共同參與 TDengine TSDB 在能源行業(yè)的生態(tài)建設(shè)，積極推動時序數(shù)據(jù)庫技術(shù)的創(chuàng)新與應(yīng)用。在多個實(shí)際項(xiàng)目中，TDengine TSDB 已展現(xiàn)出在性能、穩(wěn)定性及系統(tǒng)適配性等方面的顯著優(yōu)勢。接下來，我們也將持續(xù)關(guān)注濤思數(shù)據(jù)的產(chǎn)品發(fā)展，期待在更多項(xiàng)目場景中深化合作。

關(guān)于紅有軟件

紅有軟件股份有限公司是專注于智能油田領(lǐng)域信息系統(tǒng)建設(shè)的國家級專精特新”小巨人”企業(yè)，2024 年 2 月申請股票在全國股份轉(zhuǎn)讓系統(tǒng)掛牌。2021 年 3 月 17 日，公司與新疆交通建設(shè)集團(tuán)、克拉瑪依云投公司簽署戰(zhàn)略投資協(xié)議，三方將整合國有平臺與信息技術(shù)優(yōu)勢，重點(diǎn)開發(fā)智慧交通、”互聯(lián)網(wǎng)+旅游”等新型基建項(xiàng)目。此次合作被列為克拉瑪依市”十四五”期間數(shù)字產(chǎn)業(yè)化發(fā)展的標(biāo)志性項(xiàng)目。

作者：侯斌

車聯(lián)網(wǎng)之困

作為智慧交通領(lǐng)域的領(lǐng)先企業(yè)，我們在推進(jìn)新一代車聯(lián)網(wǎng)云控平臺的建設(shè)初期，主要面臨以下三大核心痛點(diǎn)：

• 其一，車端數(shù)據(jù)接入壓力巨大：全市 10 萬+ 運(yùn)營車輛需實(shí)時上報車速、電機(jī)轉(zhuǎn)速、電池包 SOC、GPS 軌跡等時序數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫難以支撐高頻次、高并發(fā)的數(shù)據(jù)寫入，時常出現(xiàn)數(shù)據(jù)擁堵或丟失；
• 其二，路側(cè)感知數(shù)據(jù)處理滯后：路側(cè) RSU、攝像頭、雷達(dá)產(chǎn)生的目標(biāo)級結(jié)構(gòu)化數(shù)據(jù)（含目標(biāo) ID、坐標(biāo)、速度、類型）需用于實(shí)時碰撞風(fēng)險計算與信號燈協(xié)同，但傳統(tǒng)存儲方案寫入延遲超過秒級，無法滿足毫秒級決策需求；
• 其三，數(shù)據(jù)價值挖掘低效：車路協(xié)同產(chǎn)生的 PB 級歷史數(shù)據(jù)分散存儲，缺乏統(tǒng)一的時序數(shù)據(jù)管理工具，想要聚合特定時段、路段的流量、平均速度等關(guān)鍵指標(biāo)，需耗費(fèi)數(shù)小時甚至數(shù)天，嚴(yán)重影響交通宏觀決策效率。

TDengine TSDB：開啟變革

為破解上述難題，我們引入專為時序數(shù)據(jù)設(shè)計的 TDengine TSDB。 憑借“超級表 + 子表”的獨(dú)特數(shù)據(jù)建模方式，TDengine TSDB 能夠很好地適配車聯(lián)網(wǎng)場景中“設(shè)備數(shù)量多、數(shù)據(jù)并發(fā)高、采集頻率高”的數(shù)據(jù)特征。同時，TDengine TSDB 原生支持 MQTT、Kafka 等物聯(lián)網(wǎng)數(shù)據(jù)接入方式，可實(shí)現(xiàn)設(shè)備數(shù)據(jù)的直連寫入，大幅降低系統(tǒng)接入復(fù)雜度。此外，其內(nèi)置豐富的時序數(shù)據(jù)聚合函數(shù)，可將歷史數(shù)據(jù)查詢時間從小時級縮短至秒級，為車聯(lián)網(wǎng)系統(tǒng)的實(shí)時管控與歷史分析提供了堅(jiān)實(shí)的技術(shù)支撐。

亮點(diǎn)一：車端實(shí)時數(shù)據(jù)接入飛躍，10 萬+ 車輛毫秒級在線管控

我們基于 TDengine TSDB 設(shè)計了 “一車一子表” 的數(shù)據(jù)模型：以 “車輛信息超級表（vehicle_info_st）” 統(tǒng)一定義車速（speed）、電機(jī)轉(zhuǎn)速（motor_speed）、電池包 SOC（battery_soc）、GPS 經(jīng)度（gps_lng）、GPS 緯度（gps_lat）等字段，每輛車對應(yīng)一張獨(dú)立子表（子表名以車輛 VIN 碼命名，如 vin_123456789）。車輛通過 T-Box 以 MQTT 協(xié)議實(shí)時上報數(shù)據(jù)， TDengine TSDB 實(shí)現(xiàn)毫秒級入庫，穩(wěn)定支撐 10 萬+ 車輛同時在線，確保每輛車的動態(tài)數(shù)據(jù)無延遲、無丟失。

TDengine TSDB SQL 語句（車輛實(shí)時數(shù)據(jù)查詢與監(jiān)控）：

 --   1. 創(chuàng)建車輛信息超級表（定義時序數(shù)據(jù)結(jié)構(gòu)）
CREATE   STABLE vehicle_info_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時間戳
    speed FLOAT,   -- 車速（單位：km/h）
    motor_speed INT,  -- 電機(jī)轉(zhuǎn)速（單位：rpm）
    battery_soc INT,  -- 電池包SOC（單位：%）
    gps_lng DOUBLE,   -- GPS經(jīng)度
    gps_lat DOUBLE    -- GPS緯度
)   TAGS (
    vin STRING,    -- 車輛唯一標(biāo)識（子表標(biāo)簽）
    vehicle_type STRING  -- 車輛類型（如公交車、出租車、私家車）
);
--   2. 查詢某輛車（VIN：vin_123456789）最近10分鐘的實(shí)時數(shù)據(jù)（用于大屏實(shí)時監(jiān)控）
SELECT   ts, speed, battery_soc, gps_lng, gps_lat 
FROM   vin_123456789 
WHERE   ts >= NOW() - 10m 
ORDER   BY ts DESC;
--   3. 統(tǒng)計全市各類型車輛的平均車速（用于交通狀態(tài)分析）
SELECT   vehicle_type, AVG(speed) AS avg_speed 
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 5m 
GROUP   BY vehicle_type;

亮點(diǎn)二：路側(cè)感知數(shù)據(jù)接入升級，毫秒級支撐碰撞風(fēng)險與信號燈協(xié)同

針對路側(cè)感知數(shù)據(jù)，我們采用 TDengine TSDB的“一路口一張子表” 建模方案：創(chuàng)建 “路側(cè)目標(biāo)信息超級表（road_side_target_st）”，定義目標(biāo) ID（target_id）、目標(biāo)坐標(biāo)（target_x/target_y）、目標(biāo)速度（target_speed）、目標(biāo)類型（target_type，如機(jī)動車、非機(jī)動車、行人）等字段，每個路口的路側(cè)設(shè)備（RSU + 攝像頭 + 雷達(dá)）對應(yīng)一張子表（子表名以路口編號命名，如 crossing_001）。

路側(cè)設(shè)備通過 MQTT、Kafka 協(xié)議將結(jié)構(gòu)化數(shù)據(jù)實(shí)時推送至區(qū)域云，由 TDengine TSDB 進(jìn)行毫秒級寫入與統(tǒng)一存儲。數(shù)據(jù)隨后實(shí)時同步至碰撞風(fēng)險計算模塊和信號燈控制系統(tǒng)。當(dāng)系統(tǒng)檢測到車輛與行人距離小于安全閾值時，可在 500 毫秒內(nèi)觸發(fā)預(yù)警，并動態(tài)調(diào)整信號燈配時，從而提升路口通行安全。

TDengine TSDB SQL 語句（路側(cè)目標(biāo)數(shù)據(jù)查詢與風(fēng)險預(yù)警） ：

--   1. 創(chuàng)建路側(cè)目標(biāo)信息超級表
CREATE   STABLE road_side_target_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時間戳
    target_id INT,  -- 目標(biāo)唯一標(biāo)識
    target_x DOUBLE,  -- 目標(biāo)x坐標(biāo)（單位：m，基于路口坐標(biāo)系）
    target_y DOUBLE,  -- 目標(biāo)y坐標(biāo)（單位：m，基于路口坐標(biāo)系）
    target_speed FLOAT,  -- 目標(biāo)速度（單位：m/s）
    target_type STRING  -- 目標(biāo)類型（motor_vehicle/non_motor_vehicle/pedestrian）
)   TAGS (
    crossing_id STRING,  -- 路口編號（子表標(biāo)簽）
    device_id STRING     -- 路側(cè)設(shè)備ID
);
--   2. 查詢某路口（crossing_001）最近30秒內(nèi)的所有目標(biāo)數(shù)據(jù)（用于碰撞風(fēng)險計算）
SELECT   ts, target_id, target_x, target_y, target_speed, target_type 
FROM   crossing_001 
WHERE   ts >= NOW() - 30s 
ORDER   BY ts DESC;
--   3. 統(tǒng)計某路口早晚高峰（7:00-9:00、17:00-19:00）的各類目標(biāo)流量（用于信號燈配時優(yōu)化）
SELECT   target_type, COUNT(DISTINCT target_id) AS target_count 
FROM   road_side_target_st 
WHERE   crossing_id = 'crossing_001' 
  AND (ts BETWEEN '2024-01-01 07:00:00' AND   '2024-01-01 09:00:00' 
       OR ts BETWEEN '2024-01-01 17:00:00'   AND '2024-01-01 19:00:00') 
GROUP   BY target_type;

亮點(diǎn)三：云控平臺與歷史分析革新，PB 級數(shù)據(jù)支撐宏觀決策

在 “邊緣云→區(qū)域云→中心云” 三級云控架構(gòu)中，TDengine TSDB 承擔(dān) “實(shí)時數(shù)據(jù)湖 + 歷史倉庫” 雙重角色：邊緣云實(shí)時采集車端、路側(cè)數(shù)據(jù)并寫入 TDengine TSDB，區(qū)域云基于 TDengine TSDB 進(jìn)行實(shí)時計算（如路段流量統(tǒng)計），中心云則存儲全量 PB 級歷史數(shù)據(jù)。

借助 TDengine TSDB 超級表的高效聚合能力，系統(tǒng)能夠快速查詢?nèi)我鈺r間范圍（如近一周、近一個月）以及任意路段（如西湖大道、錢江新城隧道）的交通關(guān)鍵指標(biāo)，包括車流量、平均速度以及基于車速和車輛類型計算的碳排強(qiáng)度。實(shí)際應(yīng)用中，相關(guān)數(shù)據(jù)查詢響應(yīng)時間已從傳統(tǒng)方案的 2 小時縮短至 3 秒以內(nèi)，為交通宏觀決策、高精地圖更新以及城市級交通仿真提供了精準(zhǔn)的數(shù)據(jù)支撐。

TDengine TSDB SQL 語句（交通宏觀數(shù)據(jù)聚合與分析） ：

--   1. 聚合某路段（如西湖大道，通過GPS范圍界定）近1周的日均車流量與平均車速
SELECT   DATE(ts) AS stat_date, 
       COUNT(DISTINCT vin) AS   daily_flow,  -- 日均車流量（按車輛VIN去重）
       AVG(speed) AS avg_daily_speed       -- 日均平均車速
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.123 AND 120.145  --   西湖大道路段經(jīng)度范圍
  AND gps_lat BETWEEN 30.234 AND 30.256   -- 西湖大道路段緯度范圍
  AND ts >= NOW() - 7d 
GROUP   BY stat_date 
ORDER   BY stat_date;
--   2. 計算全市近1個月各區(qū)域的碳排強(qiáng)度（基于車輛類型與車速的自定義公式）
SELECT   vehicle_type, 
       AVG(CASE WHEN speed <= 20 THEN   0.8  -- 低速行駛碳排系數(shù)
                WHEN speed <= 60 THEN   0.5  -- 中速行駛碳排系數(shù)
                ELSE 0.6 END) AS   carbon_intensity  -- 高速行駛碳排系數(shù)
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 30d 
GROUP   BY vehicle_type;
--   3. 查詢某區(qū)域（如錢江新城）近24小時的交通流量變化趨勢（用于實(shí)時仿真）
SELECT   DATE_TRUNC('hour', ts) AS stat_hour,    -- 按小時聚合
       COUNT(*) AS hourly_flow 
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.167 AND 120.189 
  AND gps_lat BETWEEN 30.268 AND 30.290 
  AND ts >= NOW() - 24h 
GROUP   BY stat_hour 
ORDER   BY stat_hour;

業(yè)務(wù)改進(jìn)與提升

1. 成本效益雙豐收

相比傳統(tǒng)數(shù)據(jù)庫方案， TDengine TSDB 通過 “超級表 + 子表” 的輕量化建模，將存儲成本降低 60%（PB 級數(shù)據(jù)存儲無需額外擴(kuò)容硬件）；同時，其原生支持?jǐn)?shù)據(jù)壓縮與分布式計算，減少了 50% 的服務(wù)器部署數(shù)量，每年為我們節(jié)省硬件采購與運(yùn)維成本超 200 萬元。此外，數(shù)據(jù)查詢效率提升 99%（從 2 小時縮短至 3 秒），大幅減少計算資源占用，進(jìn)一步降低 IT 運(yùn)營成本。

2. 決策精準(zhǔn)效率高

依托 TDengine TSDB 的實(shí)時數(shù)據(jù)處理能力，我們的車輛管控業(yè)務(wù)實(shí)現(xiàn)了從 “事后追溯” 到 “實(shí)時預(yù)警” 的轉(zhuǎn)變（如 10 萬 + 車輛異常狀態(tài)可在 1 秒內(nèi)觸發(fā)警報）；在宏觀決策層面，基于 TDengine TSDB 的快速數(shù)據(jù)聚合，交通信號燈配時優(yōu)化周期從 1 個月縮短至 1 周。

未來展望：持續(xù)進(jìn)化

下一步，我們將繼續(xù)深化 TDengine TSDB 的應(yīng)用場景：一方面，拓展 “車-路-云-人” 全要素數(shù)據(jù)接入，將共享單車、行人過馬路數(shù)據(jù)納入 TDengine TSDB 中進(jìn)行管理，構(gòu)建更全面的交通數(shù)據(jù)體系；另一方面，基于 TDengine TSDB 的時序數(shù)據(jù)挖掘能力，開發(fā) “交通擁堵預(yù)測模型”，實(shí)現(xiàn)提前 15 分鐘預(yù)測路段擁堵情況并推送至市民導(dǎo)航 APP，進(jìn)一步提升城市交通智能化水平。

關(guān)于?？抵锹?lián)

浙江?？抵锹?lián)科技有限公司為中電?？导瘓F(tuán)旗下企業(yè)，秉承中國電子科技集團(tuán)有限公司新一代信息基礎(chǔ)設(shè)施戰(zhàn)略，用科技筑基交通強(qiáng)國偉業(yè)，致力成為國內(nèi)領(lǐng)先的智能網(wǎng)聯(lián)與車路協(xié)同產(chǎn)品和技術(shù)服務(wù)商。在《交通強(qiáng)國建設(shè)綱要》的指引下，?？抵锹?lián)持續(xù)以“客戶為中心”進(jìn)行技術(shù)與產(chǎn)品的研發(fā)和創(chuàng)新，打造數(shù)字化、網(wǎng)聯(lián)化、智能化、協(xié)同化的數(shù)智道路，構(gòu)建泛在的、先進(jìn)的交通信息基礎(chǔ)設(shè)施。

作者：?？抵锹?lián) 徐翔

背景和痛點(diǎn)

所謂“制絲技改”，即制絲生產(chǎn)線技術(shù)改造，是指運(yùn)用新技術(shù)、新工藝、新設(shè)備對傳統(tǒng)的卷煙制絲生產(chǎn)線進(jìn)行升級和改造，以達(dá)到提升產(chǎn)品質(zhì)量、提高生產(chǎn)效率、降低消耗、保障安全、實(shí)現(xiàn)智能化生產(chǎn)等目標(biāo)。

制絲是卷煙生產(chǎn)的“心臟”環(huán)節(jié)，其工藝水平直接決定了卷煙產(chǎn)品的內(nèi)在質(zhì)量、風(fēng)格和穩(wěn)定性。制絲車間工藝復(fù)雜、設(shè)備眾多，在技改中通常會部署大量的傳感器（如溫度、濕度、流量、壓力、重量等）和智能設(shè)備。

這些設(shè)備持續(xù)產(chǎn)生規(guī)模龐大、特征鮮明的數(shù)據(jù)：

• 數(shù)據(jù)規(guī)模大、采樣頻率高：一條制絲線可能有成千上萬個監(jiān)測點(diǎn)，采樣頻率從秒級到毫秒級不等，日均數(shù)據(jù)量可達(dá) GB 甚至數(shù)十 GB。
• 典型時序特征：所有數(shù)據(jù)嚴(yán)格與時間戳綁定，按時間順序連續(xù)產(chǎn)生與寫入。
• 寫入高度密集：系統(tǒng)中 95% 以上的操作為實(shí)時數(shù)據(jù)寫入，對數(shù)據(jù)庫的寫入吞吐量要求極高。
• 讀取分析導(dǎo)向：讀取操作多為基于時間段的聚合查詢，而非隨機(jī)單點(diǎn)查詢。
• 價值密度低：單個數(shù)據(jù)點(diǎn)的價值有限，其價值體現(xiàn)在長期的整體趨勢分析和批量處理中。

為什么選擇 TDengine TSDB

隨著生產(chǎn)線智能化水平不斷提升，制絲車間傳感器數(shù)量持續(xù)增長，需要對溫度、水分、重量等關(guān)鍵參數(shù)進(jìn)行實(shí)時采集與分析。 原有系統(tǒng)架構(gòu)在歷史數(shù)據(jù)存儲能力和擴(kuò)展性方面逐漸暴露出瓶頸，已難以支撐制絲車間 10 萬級測點(diǎn)、萬億級數(shù)據(jù)規(guī)模下的長期存儲與高效查詢，制約了后續(xù)數(shù)據(jù)分析與業(yè)務(wù)深化。同時，原有系統(tǒng)接口形式相對單一，高并發(fā)訪問易導(dǎo)致系統(tǒng)堵塞，影響實(shí)時數(shù)據(jù)寫入與處理效率，數(shù)據(jù)管理能力和系統(tǒng)穩(wěn)定性均面臨挑戰(zhàn)。

為解決上述問題，我廠制絲車間計劃構(gòu)建一套數(shù)據(jù)平臺。在技術(shù)選型過程中，我們評估了多種方案：若采用 Hadoop 作為底層架構(gòu)，其體系過于龐大復(fù)雜，運(yùn)維及開發(fā)所需專業(yè)技術(shù)門檻較高；而國外傳統(tǒng)實(shí)時數(shù)據(jù)庫產(chǎn)品，難以適應(yīng)新興工業(yè)互聯(lián)網(wǎng)架構(gòu)要求，在可擴(kuò)展性與查詢效率方面存在明顯局限。

經(jīng)綜合比較，我們選定 TDengine TSDB 作為平臺核心時序數(shù)據(jù)庫。該產(chǎn)品在時序數(shù)據(jù)建模、寫入與查詢性能方面與工業(yè)互聯(lián)網(wǎng)的系統(tǒng)架構(gòu)高度契合，能夠穩(wěn)定支撐大規(guī)模測點(diǎn)和高并發(fā)數(shù)據(jù)接入需求。同時，TDengine 提供了較為完善的生態(tài)與工具體系，在降低應(yīng)用開發(fā)復(fù)雜度和實(shí)施成本的同時，也滿足了制絲車間對數(shù)據(jù)平臺穩(wěn)定性、高性能與易用性的整體要求。

具體來說，TDengine TSDB 在工業(yè)數(shù)字化場景下的顯著優(yōu)勢可歸納為以下幾點(diǎn)：

• 高性能與高擴(kuò)展性：TDengine TSDB 專為時序數(shù)據(jù)設(shè)計，顯著提高了寫入查詢性能。其分布式架構(gòu)支持水平擴(kuò)展，能夠輕松應(yīng)對制絲車間萬億級數(shù)據(jù)量的存儲與處理需求。
• 超級表概念：作為 TDengine TSDB 的核心設(shè)計之一，可為同類型設(shè)備統(tǒng)一定義超級表，每個具體傳感器實(shí)例對應(yīng)一個子表進(jìn)行數(shù)據(jù)寫入與管理。這使得管理和查詢同類設(shè)備的數(shù)據(jù)變得異常簡單和高效，非常適合制絲線上大量同類型傳感器的場景。
• 易用性與豐富的接口：支持標(biāo)準(zhǔn) SQL 的語法，并針對時序數(shù)據(jù)進(jìn)行了擴(kuò)展，降低了學(xué)習(xí)和使用的門檻。支持 RESTful API、JDBC、C/C++、Python、Go 等多種編程語言接口，可以方便地與制絲線的 MES、SCADA 等上層系統(tǒng)以及基于 Java/Python 等開發(fā)的數(shù)據(jù)分析平臺集成。

通過引入 TDengine TSDB，我們能夠以更低的成本、更高的效率，可靠地管理和利用制絲生產(chǎn)線產(chǎn)生的海量時序數(shù)據(jù)，為生產(chǎn)過程的數(shù)字化、透明化和智能化奠定了可靠的數(shù)據(jù)基礎(chǔ)，進(jìn)而支撐產(chǎn)品質(zhì)量提升、工藝運(yùn)行穩(wěn)定以及整體運(yùn)營成本的持續(xù)優(yōu)化。

TDengine TSDB 的落地實(shí)踐

我們于 2024 年 3 月開始應(yīng)用 TDengine TSDB。初期采用 3 節(jié)點(diǎn)集群部署，數(shù)據(jù)庫版本為 3.1.1.26，并通過 1 臺 Nginx 實(shí)現(xiàn)負(fù)載均衡與訪問轉(zhuǎn)發(fā)。隨著采集點(diǎn)位規(guī)模持續(xù)擴(kuò)大，系統(tǒng)逐步進(jìn)行擴(kuò)展與升級，將節(jié)點(diǎn)硬件配置提升至 48 核 / 48GB 內(nèi)存，同時將數(shù)據(jù)庫版本升級至 3.3.4.10，以更好地支撐數(shù)據(jù)規(guī)模增長與性能需求。

TDengine TSDB 節(jié)點(diǎn)配置如下：

制絲集控建庫參數(shù)：

1 個點(diǎn)位數(shù)據(jù)存放在 1 張子表里，目前已創(chuàng)建 3 萬多子表：

按采集類型分別建超級表，超級表結(jié)構(gòu)示例如下：

實(shí)踐效果展示

基于 TDengine TSDB 構(gòu)建的制絲集控系統(tǒng)，已成為我們工廠推進(jìn)智能化升級與精益生產(chǎn)的重要基礎(chǔ)。該系統(tǒng)并非單一的控制軟件，而是融合數(shù)據(jù)采集、分析處理、過程控制與協(xié)同管理的一體化綜合平臺，推動車間生產(chǎn)管理模式由經(jīng)驗(yàn)驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)變。系統(tǒng)建設(shè)的核心目標(biāo)在于以數(shù)據(jù)支撐生產(chǎn)決策、以智能化手段保障過程穩(wěn)定，重點(diǎn)解決了傳統(tǒng)生產(chǎn)中依賴人工經(jīng)驗(yàn)、系統(tǒng)間信息割裂以及質(zhì)量控制反饋滯后等問題。

目前，系統(tǒng)在 3 臺 taosX 節(jié)點(diǎn)上共配置 60 余個采集任務(wù)，已接入制絲車間各類設(shè)備數(shù)據(jù) 3 萬余個測點(diǎn)，后續(xù)隨著系統(tǒng)擴(kuò)展，采集規(guī)模預(yù)計將提升至約 6 萬個測點(diǎn)。

• taosExplorer 里配置的數(shù)據(jù)采集任務(wù)如下圖所示：在數(shù)據(jù)接入頁面配置了葉絲處理切絲、葉片處理加料、真空回溯等工藝段的數(shù)據(jù)采集任務(wù)。

• 制絲數(shù)據(jù)采集配置：在制絲數(shù)據(jù)采集中心可查看當(dāng)前的數(shù)據(jù)采集配置。

• 采集到的電機(jī)狀態(tài)數(shù)據(jù)展示：如下是采集的某工藝段電機(jī)數(shù)據(jù)，包括電機(jī)狀態(tài)，電機(jī)電流，電機(jī)功率等數(shù)據(jù)。

• 電機(jī)歷史數(shù)據(jù)查詢展示：可以在電機(jī)歷史數(shù)據(jù)查詢頁面指定開始和結(jié)束時間查詢采集到的各項(xiàng)歷史數(shù)據(jù)。

采用 TDengine TSDB 構(gòu)建制絲集控系統(tǒng)并投入運(yùn)行后，我們工廠在多個方面取得了顯著成效：

• 生產(chǎn)更穩(wěn)定高效：生產(chǎn)斷流風(fēng)險大幅降低，全流程自動化銜接提高了整體效率。
• 質(zhì)量更精準(zhǔn)可控：關(guān)鍵工藝參數(shù)實(shí)現(xiàn)智能化、精細(xì)化控制，產(chǎn)品均質(zhì)化水平顯著提升。
• 管理更科學(xué)透明：生產(chǎn)過程數(shù)據(jù)化、可視化，使管理決策從經(jīng)驗(yàn)驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動。

該系統(tǒng)已成為我們廠推進(jìn)制造向“智”造升級的重要支撐。通過夯實(shí)統(tǒng)一的數(shù)據(jù)基礎(chǔ)，不僅有效緩解了當(dāng)前生產(chǎn)與管理中的關(guān)鍵瓶頸，也為后續(xù)持續(xù)優(yōu)化、技術(shù)創(chuàng)新和高質(zhì)量發(fā)展構(gòu)建了核心能力。

經(jīng)驗(yàn)分享

數(shù)據(jù)采集時間戳對齊

TDengine TSDB 默認(rèn)支持毫秒級時間精度，即時間戳（ts）字段精確至毫秒。在采用單列模型的 OPC UA 數(shù)據(jù)采集方案中，每個采集點(diǎn)位的數(shù)據(jù)存儲于獨(dú)立子表中。

在實(shí)際業(yè)務(wù)中，部分查詢場景需要同時從多張子表中獲取同一時刻的數(shù)據(jù)，因此通常會基于 ts 字段進(jìn)行關(guān)聯(lián)查詢。但由于采集頻率為每秒一次，而ts字段記錄至毫秒級，不同子表中同一秒內(nèi)的數(shù)據(jù)在毫秒位上可能存在細(xì)微差異，導(dǎo)致無法直接完成關(guān)聯(lián)。

為解決該問題，我們在采集任務(wù)配置文件中新增 ts_transform 列，并將其設(shè)置為 ts / 1000 * 1000。該表達(dá)式先將時間戳除以 1000 取整，再乘以 1000，從而將毫秒位統(tǒng)一歸零。調(diào)整后，各子表間的ts字段可在秒級上完全一致，進(jìn)而實(shí)現(xiàn)跨表關(guān)聯(lián)，滿足了多點(diǎn)位同步分析的業(yè)務(wù)需求。

將時間戳字段做轉(zhuǎn)換后的效果如下：

OPC UA 數(shù)據(jù)采集實(shí)踐

在基于 taosX 的 OPC UA 數(shù)據(jù)采集場景中，每一個采集任務(wù)在運(yùn)行時都會獨(dú)立占用一個線程。若在單個采集任務(wù)中配置過多采集點(diǎn)位，會直接拉長任務(wù)的執(zhí)行周期，從而增加整體采集延遲。因此，在采集任務(wù)規(guī)劃階段，需要對點(diǎn)位數(shù)量進(jìn)行合理拆分與均衡分配。根據(jù)實(shí)際運(yùn)行經(jīng)驗(yàn)，為保證穩(wěn)定的秒級采集能力，建議將單個采集任務(wù)的點(diǎn)位數(shù)量控制在 1000 個以內(nèi)，以有效降低單任務(wù)的采集時延，保障整體數(shù)據(jù)采集的時效性。

當(dāng)需要具體分析數(shù)據(jù)采集鏈路或排查采集異常時，可通過以下步驟獲取詳細(xì)日志：在對應(yīng)采集任務(wù)的高級配置選項(xiàng)中，啟用“保存原始數(shù)據(jù)”功能。開啟后，采集器會將從數(shù)據(jù)源獲取的原始數(shù)據(jù)流實(shí)時寫入磁盤文件。該文件可用于后續(xù)的詳細(xì)分析與問題診斷，為定位采集延遲或數(shù)據(jù)丟失原因提供依據(jù)。

未來規(guī)劃

我們是較早基于 taosX 開展 OPC UA 數(shù)據(jù)采集實(shí)踐的用戶之一。從濤思研發(fā)團(tuán)隊(duì)首次進(jìn)場完成采集驗(yàn)證，到交付團(tuán)隊(duì)多次赴梅州開展集群部署、版本升級及數(shù)采停產(chǎn)改造，項(xiàng)目在不同階段都經(jīng)歷了實(shí)際運(yùn)行環(huán)境的檢驗(yàn)。針對過程中出現(xiàn)的各類問題，濤思團(tuán)隊(duì)均能夠快速響應(yīng)并持續(xù)優(yōu)化，實(shí)現(xiàn)了對 taosX OPC UA 采集能力的不斷完善，展現(xiàn)了強(qiáng)大的技術(shù)實(shí)力和專業(yè)的售后服務(wù)。

在此過程中，我們也逐步積累了較為系統(tǒng)的實(shí)施與運(yùn)維經(jīng)驗(yàn)。目前，TDengine TSDB 集群及數(shù)據(jù)采集系統(tǒng)已實(shí)現(xiàn)穩(wěn)定運(yùn)行，在實(shí)際生產(chǎn)環(huán)境中真正做到了零代碼數(shù)據(jù)采集。同時我們也期待后續(xù)開展更多合作，進(jìn)一步拓展 TDengine TSDB 在動力系統(tǒng)、能源管理等更多業(yè)務(wù)場景中的應(yīng)用。

關(guān)于梅州卷煙廠

梅州卷煙廠的歷史最早可以追溯到 1939 年創(chuàng)辦的海源、復(fù)興卷煙廠，是梅州當(dāng)?shù)氐闹е髽I(yè)之一。自“五葉神”品牌推出至 2023 年，累計實(shí)現(xiàn)工業(yè)產(chǎn)值超 1000 億元，上繳稅收約 600 億元，其納稅額曾多次位居廣東省納稅百強(qiáng)企業(yè)前列。企業(yè)曾榮獲“廣東省先進(jìn)基層黨組織”稱號，并涌現(xiàn)出“全國工人先鋒號”、“全國勞動模范”等一批先進(jìn)集體和個人。

作者 | 梅州廠制絲車間

業(yè)務(wù)痛點(diǎn)

隨著物聯(lián)網(wǎng)技術(shù)的普及和數(shù)字化轉(zhuǎn)型的深入，PCS 系統(tǒng)接入的設(shè)備數(shù)量與數(shù)據(jù)種類呈指數(shù)級增長，海量的時序數(shù)據(jù)對原有基于 Oracle 構(gòu)建的數(shù)據(jù)架構(gòu)提出了嚴(yán)峻挑戰(zhàn)。中原油田 PCS 項(xiàng)目涵蓋采油、注水、儲氣庫管理、管線監(jiān)控等多個關(guān)鍵業(yè)務(wù)模塊。全油田范圍內(nèi)布設(shè)有數(shù)以萬計的傳感器與智能設(shè)備，每秒產(chǎn)生數(shù)十多萬條時序數(shù)據(jù)記錄。

在原有技術(shù)架構(gòu)下，我們的系統(tǒng)面臨的核心痛點(diǎn)如下：

• 寫入性能瓶頸：Oracle 數(shù)據(jù)庫并非為高頻時序數(shù)據(jù)寫入設(shè)計，在面對大量并發(fā)插入請求時，I/O 壓力巨大，經(jīng)常出現(xiàn)寫入延遲，甚至影響前端控制指令的下發(fā)。
• 存儲成本高昂：關(guān)系型數(shù)據(jù)庫對時序數(shù)據(jù)的壓縮效率較低，導(dǎo)致存儲空間占用巨大。為保存一定周期內(nèi)的歷史數(shù)據(jù)，需要不斷擴(kuò)容高端存儲設(shè)備，硬件與維護(hù)成本居高不下。
• 實(shí)時分析能力不足：基于 Oracle 進(jìn)行時間窗口聚合、設(shè)備間關(guān)聯(lián)分析等操作，需要編寫復(fù)雜的 SQL，執(zhí)行效率低下，響應(yīng)時間常在分鐘級以上。
• 系統(tǒng)架構(gòu)僵化：各業(yè)務(wù)模塊（如 PCS 與儲氣庫）數(shù)據(jù)獨(dú)立存儲，形成數(shù)據(jù)孤島，難以進(jìn)行跨業(yè)務(wù)的統(tǒng)一分析與價值挖掘。

這些痛點(diǎn)嚴(yán)重制約了油田數(shù)字化和智能化的進(jìn)程，因此，選擇一個專為時序數(shù)據(jù)設(shè)計的高性能數(shù)據(jù)庫成為項(xiàng)目組的必然選擇。

選擇 TDengine TSDB

在項(xiàng)目選型初期，我們團(tuán)隊(duì)制定了明確的目標(biāo)：新數(shù)據(jù)庫必須具備極高的寫入和查詢性能、優(yōu)異的數(shù)據(jù)壓縮能力、對 SQL 標(biāo)準(zhǔn)的良好支持、高可用性與易于維護(hù)的集群架構(gòu)，并能與現(xiàn)有物聯(lián)網(wǎng)生態(tài)無縫集成。

經(jīng)過嚴(yán)格的 POC 測試，TDengine TSDB 在以下方面展現(xiàn)出決定性優(yōu)勢：

• 性能碾壓：在同等硬件條件下，TDengine TSDB 的寫入吞吐量、查詢速度更是有數(shù)量級的提升。
• 極致壓縮：憑借其專為時序數(shù)據(jù)設(shè)計的存儲結(jié)構(gòu)，TDengine TSDB 的壓縮比輕松達(dá)到 1:10 ，遠(yuǎn)超測試中的其他競品。

• SQL 兼容性：團(tuán)隊(duì)原有的 SQL 技能可以輕松遷移，大大降低了開發(fā)和學(xué)習(xí)成本。同時，這也方便了像 ThingsBoard 這樣的第三方工具直接通過標(biāo)準(zhǔn) JDBC 連接進(jìn)行數(shù)據(jù)查詢。

• All in One 設(shè)計：TDengine TSDB 內(nèi)置了消息隊(duì)列、緩存和數(shù)據(jù)訂閱等功能，無需再部署 Kafka/Redis 等額外組件，簡化了系統(tǒng)架構(gòu)，降低了運(yùn)維復(fù)雜度。
• 企業(yè)級特性：企業(yè)版提供的多級存儲功能，可以將冷數(shù)據(jù)自動遷移至更廉價的對象存儲，進(jìn)一步優(yōu)化成本，這與項(xiàng)目長期數(shù)據(jù)保存的需求完美契合。

業(yè)務(wù)落地實(shí)踐

系統(tǒng)架構(gòu)

新架構(gòu)中，我們采用了云邊協(xié)同架構(gòu)，TDengine TSDB 作為核心數(shù)據(jù)持久層與計算引擎貫穿始終。

業(yè)務(wù)模塊與收益

數(shù)據(jù)寫入與實(shí)時處理模塊

針對不同業(yè)務(wù)我們采用“雙軌制”寫入策略。對于結(jié)構(gòu)靈活多變的儲氣庫等業(yè)務(wù)數(shù)據(jù)，我們利用 TDengine TSDB 的 Schemaless 接口，數(shù)據(jù)庫自動建表，極大簡化了數(shù)據(jù)接入流程。對于結(jié)構(gòu)穩(wěn)定、邏輯復(fù)雜的核心 PCS 業(yè)務(wù)數(shù)據(jù)，則采用傳統(tǒng)拼裝 SQL 的方式寫入，確保精確控制與高性能。

在數(shù)據(jù)接入層，油田現(xiàn)場的各類設(shè)備通過 MQTT 或 HTTP 協(xié)議，將數(shù)據(jù)上報至 ThingsBoard 物聯(lián)網(wǎng)平臺。對于數(shù)據(jù)結(jié)構(gòu)多變、靈活的儲氣庫業(yè)務(wù)，采用 TDengine TSDB 的 Schemaless 寫入接口，ThingsBoard 可直接寫入數(shù)據(jù)，TDengine TSDB 自動建表，極大提升了開發(fā)效率。

核心收益——

• 寫入性能飛躍：TDengine TSDB 專為時序數(shù)據(jù)優(yōu)化的寫入引擎徹底解決了 Oracle 面臨的 I/O 瓶頸。系統(tǒng)輕松應(yīng)對每秒數(shù)十萬條數(shù)據(jù)的并發(fā)寫入，延遲從秒級降至毫秒級，保障了生產(chǎn)監(jiān)控數(shù)據(jù)的實(shí)時性與控制指令的及時性。

數(shù)據(jù)同步與分發(fā)模塊

為了滿足總部對全局?jǐn)?shù)據(jù)的分析需求，項(xiàng)目使用 TDengine TSDB 企業(yè)版提供的 taosX 數(shù)據(jù)同步工具，將油田生產(chǎn)區(qū)的指定數(shù)據(jù)表/超級表，實(shí)時、可靠地同步到總部數(shù)據(jù)平臺的 TDengine TSDB 集群中，實(shí)現(xiàn)了數(shù)據(jù)的跨地域統(tǒng)一。在數(shù)據(jù)庫管理 web 后臺頁面圖形化界面即可配置數(shù)據(jù)實(shí)時同步任務(wù)。

核心收益——

• 實(shí)現(xiàn)數(shù)據(jù)匯聚與統(tǒng)一：輕松構(gòu)建了“邊緣-中心”兩級數(shù)據(jù)體系，解決了總部全局?jǐn)?shù)據(jù)分析需求與分公司數(shù)據(jù)本地化處理需求之間的矛盾。
• 同步過程可靠高效：taosX 工具保障了數(shù)據(jù)同步的可靠性和一致性，且對源集群性能影響極小?？偛靠蓪?shí)時獲取全域數(shù)據(jù)視圖，為高層戰(zhàn)略分析和跨區(qū)域?qū)?biāo)提供了數(shù)據(jù)基礎(chǔ)。

數(shù)據(jù)查詢與分析模塊

業(yè)務(wù)應(yīng)用、實(shí)時大屏和數(shù)據(jù)分析系統(tǒng)可直接通過標(biāo)準(zhǔn) SQL（或 REST API/JDBC）訪問 TDengine TSDB。這樣一來，我們可以充分利用原生函數(shù)，進(jìn)行高效聚合、插值、降采樣等操作。利用“超級表”模型，輕松實(shí)現(xiàn)跨設(shè)備、跨區(qū)域的統(tǒng)一查詢分析。

在數(shù)據(jù)應(yīng)用層，業(yè)務(wù)應(yīng)用、實(shí)時大屏、告警分析引擎均直接連接油田側(cè)的 TDengine TSDB 集群，利用其強(qiáng)大的即時計算能力，進(jìn)行數(shù)據(jù)查詢與分析。

核心收益——

• 查詢性能指數(shù)級提升：典型查詢場景性能對比顯著。例如，“查詢某注水站過去一小時每分鐘的平均壓力”這類時間窗口聚合查詢。
• 打破數(shù)據(jù)孤島：基于“超級表”概念，將不同采油廠、不同業(yè)務(wù)線（如采油、注水）的同類型設(shè)備（如泵機(jī)）數(shù)據(jù)模型統(tǒng)一，實(shí)現(xiàn)了跨業(yè)務(wù)、跨區(qū)域的全局?jǐn)?shù)據(jù)關(guān)聯(lián)分析，為生產(chǎn)協(xié)同優(yōu)化提供了可能。
• 實(shí)時分析能力增強(qiáng)：毫秒級的查詢響應(yīng)使得基于實(shí)時數(shù)據(jù)的監(jiān)控大屏、即時決策和交互式分析成為現(xiàn)實(shí)，顯著提升了生產(chǎn)調(diào)度和應(yīng)急指揮的時效性。

數(shù)據(jù)存儲與壓縮模塊

TDengine TSDB 針對時序數(shù)據(jù)特性，采用列式存儲與專用壓縮算法，實(shí)現(xiàn)海量測點(diǎn)數(shù)據(jù)的高效寫入與存儲，在顯著降低空間占用的同時也提升了查詢性能。

核心收益——

• 存儲成本大幅降低：在實(shí)際業(yè)務(wù)中，我們發(fā)現(xiàn)數(shù)據(jù)壓縮效果顯著，壓縮比普遍超過 1:10。原需約 50TB 原始空間的數(shù)據(jù)，在單副本存儲下僅占用約 4.2TB；結(jié)合多級存儲策略，長期數(shù)據(jù)保存的整體存儲成本下降超過 85%。
• 存儲管理自動化：多級存儲策略實(shí)現(xiàn)了數(shù)據(jù)生命周期的自動化管理，無需人工干預(yù)數(shù)據(jù)歸檔，在保證歷史數(shù)據(jù)可查詢的同時，釋放了昂貴的高性能主存儲空間。

未來規(guī)劃

TDengine TSDB 在中原油田 PCS 項(xiàng)目的成功，是油田數(shù)字化轉(zhuǎn)型的一個開端。接下來我們計劃針對以下幾點(diǎn)進(jìn)行進(jìn)一步研究與合作：

1. 深度分析：探索利用 TDengine TSDB 與機(jī)器學(xué)習(xí)框架的結(jié)合，對海量歷史時序數(shù)據(jù)進(jìn)行深度挖掘，實(shí)現(xiàn)設(shè)備預(yù)測性維護(hù)、工藝參數(shù)優(yōu)化等高級應(yīng)用。
2. 邊緣計算融合：研究 TDengine TSDB 在邊緣側(cè)的部署，在數(shù)據(jù)產(chǎn)生源頭進(jìn)行初步的過濾和聚合
3. 持續(xù)關(guān)注：團(tuán)隊(duì)將持續(xù)關(guān)注 TDengine TSDB 的發(fā)展，積極測試新版本、新功能，如流計算引擎的進(jìn)一步增強(qiáng)，以期在現(xiàn)有平臺上創(chuàng)造更大的業(yè)務(wù)價值。

關(guān)于中原油田

中原油田是中國石油化工集團(tuán)有限公司的重要上游企業(yè)，世界 500 強(qiáng)中石化旗下第二大油氣田。其擁有總礦權(quán)面積 15405.164 平方千米，石油資源量 20.88 億噸、天然氣資源量 18451.02 億立方米，探明石油地質(zhì)儲量 6.258 億噸、天然氣地質(zhì)儲量 4833.36 億立方米；取得省部級以上科技進(jìn)步獎 380 項(xiàng)、國家級科技進(jìn)步獎 36 項(xiàng)、國家專利 765 件，其中“特大型超深高含硫氣田安全高效開發(fā)技術(shù)及工業(yè)化應(yīng)用”項(xiàng)目榮獲 2012 年度國家科技進(jìn)步特等獎；獲得全國“五一”勞動獎狀、中央企業(yè)先進(jìn)基層黨組織、中國石化綠色企業(yè)等多項(xiàng)榮譽(yù)，連續(xù)六屆被評為全國文明單位。

作者

王欣怡

為何選擇 TDengine TSDB

作為全球領(lǐng)先的光伏智慧能源整體解決方案提供商，自 2018 年至 2022 年間，我們的光伏系統(tǒng)每日數(shù)據(jù)量從百萬級躍升至千萬級。隨著數(shù)據(jù)規(guī)模的指數(shù)式增長，對存儲與實(shí)時計算能力提出了更高要求，原有基于 MongoDB 的架構(gòu)已難以支撐業(yè)務(wù)發(fā)展。

MongoDB 作為一種文檔型 NoSQL 數(shù)據(jù)庫，在處理多樣化數(shù)據(jù)格式的大數(shù)據(jù)場景中具備很強(qiáng)的靈活性，尤其在 IoT 數(shù)據(jù)采集與分析領(lǐng)域應(yīng)用廣泛。然而，對于我們這樣的場景，MongoDB 的特性卻與需求存在一定錯位，主要體現(xiàn)在以下三方面：

• 傳感器上傳的數(shù)據(jù)均為結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)基本不變，若缺乏嚴(yán)格的數(shù)據(jù)校驗(yàn)機(jī)制，MongoDB 的非結(jié)構(gòu)化特性反而容易造成數(shù)據(jù)污染；
• 查詢性能不足，即便建立索引，也難以在 TB 級數(shù)據(jù)量中實(shí)現(xiàn)快速檢索；
• 采用文檔方式存儲，壓縮率較低，存儲成本升高。

在這種背景下，TDengine TSDB 作為新一代時序數(shù)據(jù)庫，憑借以下優(yōu)勢吸引了我們的關(guān)注：

• 采用“超級表 + 子表”的建模方式，大幅提升時序數(shù)據(jù)壓縮率；
• 結(jié)合預(yù)計算與緩存機(jī)制，實(shí)現(xiàn)億級數(shù)據(jù)的毫秒級查詢響應(yīng)；
• 支持多級存儲，可將歷史數(shù)據(jù)遷移至低速磁盤，顯著降低存儲成本；
• 兼容標(biāo)準(zhǔn) SQL，極大簡化了應(yīng)用開發(fā)與系統(tǒng)集成工作。

綜合考量存儲成本、讀寫性能及實(shí)施難度等多方面因素，我們最終選擇將數(shù)據(jù)庫替換為 TDengine TSDB。

時序數(shù)據(jù)處理技術(shù)架構(gòu)

光伏時序數(shù)據(jù)的主要應(yīng)用場景集中在我司的能源管理系統(tǒng)中，涵蓋數(shù)據(jù)采集、接入、存儲、處理與應(yīng)用等模塊，為企業(yè)提供從實(shí)時監(jiān)控、數(shù)據(jù)分析、運(yùn)維管理到能源優(yōu)化與安全管理的全流程數(shù)字化支撐。

采集端通過 TCP 協(xié)議上報光伏組件、逆變器、電池等設(shè)備的運(yùn)行數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗后，以結(jié)構(gòu)化格式暫存于 Kafka（僅保留近期時間數(shù)據(jù)）。數(shù)據(jù)寫入應(yīng)用從 Kafka 消費(fèi)后，將其寫入 TDengine TSDB 進(jìn)行持久化存儲。隨后，系統(tǒng)對數(shù)據(jù)進(jìn)行計算（如當(dāng)日發(fā)電量、實(shí)時功率等），并將降采樣結(jié)果存入結(jié)果庫，以支持后續(xù)的統(tǒng)計分析與可視化展示。

雖然采集端的數(shù)據(jù)可以直接寫入 TDengine TSDB，但是考慮到整體架構(gòu)的穩(wěn)定性，我們?nèi)匀槐Ａ袅?Kafka。這樣的設(shè)計為系統(tǒng)提供了一個實(shí)時數(shù)據(jù)的冗余緩沖區(qū)，不僅在一定周期內(nèi)實(shí)現(xiàn)了數(shù)據(jù)的高可用存儲，也為后續(xù)處理環(huán)節(jié)預(yù)留了維護(hù)窗口，從而顯著提升整體架構(gòu)的可靠性與可用性。

項(xiàng)目實(shí)施初期采用的是 TDengine TSDB 2.6 版本，部署了 3 個數(shù)據(jù)庫節(jié)點(diǎn)。數(shù)據(jù)采集與處理應(yīng)用通過 RESTful 連接到 TDengine TSDB 集群，集群采用高效云盤與普通云盤相結(jié)合的多級存儲架構(gòu)，在兼顧性能的同時有效控制了整體存儲成本。

TDengine 應(yīng)用效果

經(jīng)過半年的項(xiàng)目實(shí)施（包括采集設(shè)備改造、應(yīng)用開發(fā)及數(shù)據(jù)庫適配），能源管理系統(tǒng)順利上線運(yùn)行。系統(tǒng)實(shí)現(xiàn)了千萬級數(shù)據(jù)（每日）的零延遲入庫，數(shù)據(jù)分析（如設(shè)備日發(fā)電量統(tǒng)計）響應(yīng)時間控制在秒級以內(nèi)。與此同時，通過高效云盤與普通云盤的分層存儲方案，整體存儲成本降低了約 50%。該系統(tǒng)的成功投產(chǎn)為我司業(yè)務(wù)發(fā)展提供了有力的支撐。

TDengine 3.0 升級經(jīng)驗(yàn)分享

隨著業(yè)務(wù)的持續(xù)擴(kuò)張，系統(tǒng)面臨兩大挑戰(zhàn)：一是接入設(shè)備數(shù)量不斷增長，導(dǎo)致子表數(shù)量的創(chuàng)建達(dá)到千萬級別；二是元數(shù)據(jù)體量激增，造成數(shù)據(jù)庫啟動緩慢，維護(hù)窗口不斷延長。

為解決這些問題，我們于 2024 年決定將 TDengine TSDB 升級至 3.3 企業(yè)版。該版本擁有快速的啟動速度及更為海量的數(shù)據(jù)管理能力：

1. 支持億級時間線；
2. 數(shù)據(jù)庫“秒級”啟動；
3. 多級存儲支持對象存儲，進(jìn)一步降低存儲成本。

由于系統(tǒng)需在不停機(jī)的情況下完成版本升級，我們與 TDengine 專業(yè)服務(wù)團(tuán)隊(duì)進(jìn)行了深入溝通，最終確定采用 taosX 數(shù)據(jù)同步遷移工具，并結(jié)合 鏡像集群 + 程序雙寫 的方案完成升級。具體步驟如下：

• 通過云服務(wù)工具，將現(xiàn)有的 2.6 集群鏡像復(fù)制，創(chuàng)建一個新集群；
• 修改寫入應(yīng)用，實(shí)現(xiàn)對 2.6 集群與 3.3 集群的雙寫，以確保最新數(shù)據(jù)的一致性；
• 使用 taosX 遷移工具，將歷史數(shù)據(jù)從鏡像集群無縫遷移至 3.3 集群。

在數(shù)據(jù)庫升級的同時，我們也同步進(jìn)行了應(yīng)用層的升級與適配工作。由于 TDengine TSDB 3.0 及以上版本功能更為豐富，我們主要完成了以下優(yōu)化：

• 根據(jù) 3.3 版本的語法特性，對原有查詢語句進(jìn)行了優(yōu)化與改寫；
• 調(diào)整查詢條件，適配 OSS（對象存儲服務(wù)）訪問場景；
• 優(yōu)化數(shù)據(jù)訪問方式，升級至新的 JDBC 連接器與通信協(xié)議。

OSS 全稱 Object Storage Service（對象存儲服務(wù)），是云服務(wù)商提供的海量、可擴(kuò)展、高可靠性存儲服務(wù)，主要用于存儲圖片、視頻、文檔等非結(jié)構(gòu)化數(shù)據(jù)。相比于高效云盤，OSS 的價格降低至少 60%。

升級后的運(yùn)行表現(xiàn)

經(jīng)過數(shù)據(jù)遷移與嚴(yán)格校驗(yàn)，我們成功將近 20TB 的數(shù)據(jù)零誤差遷移至新集群，全程業(yè)務(wù)無中斷。借助應(yīng)用層的優(yōu)化與適配，系統(tǒng)在新集群上實(shí)現(xiàn)了高效、穩(wěn)定運(yùn)行。

為進(jìn)一步提升數(shù)據(jù)庫集群的高可用性，我們在集群前端部署了負(fù)載均衡服務(wù)器，并通過合理的負(fù)載均衡策略，精細(xì)化控制不同應(yīng)用的資源占用。在確保系統(tǒng)高可用的同時，也實(shí)現(xiàn)了各應(yīng)用間的有效隔離與性能優(yōu)化。

通過使用多級存儲的對象存儲功能，我們將大量的歷史數(shù)據(jù)遷移到了對象存儲上，本地磁盤占用量降低了約 50%，進(jìn)一步壓縮了整體存儲成本。

自 2022 年合作至今，伴隨 TDengine TSDB 從 2.6 版本迭代至 3.3 版本，我們始終認(rèn)為，這款時序數(shù)據(jù)庫雖非完美無缺，卻憑借對能源行業(yè)業(yè)務(wù)場景的深度適配，已成為與天合富家需求高度契合的技術(shù)工具。

作為一家致力于“提供智能清潔能源解決方案，構(gòu)建零碳生活與零碳生產(chǎn)新生態(tài)”的企業(yè)，天合富家在邁向零碳目標(biāo)的過程中，依托 TDengine TSDB 穩(wěn)定的時序數(shù)據(jù)存儲能力與高效的分析性能，為能源管理、設(shè)備監(jiān)控等核心業(yè)務(wù)提供了堅(jiān)實(shí)的數(shù)據(jù)底座，也為公司實(shí)現(xiàn)零碳生態(tài)落地注入了持續(xù)的技術(shù)動力。

關(guān)于天合富家

天合富家能源股份有限公司成立于 2016 年 10 月，是一家專注于分布式能源市場的系統(tǒng)解決方案提供商。作為分布式光伏行業(yè)領(lǐng)軍企業(yè)，天合富家圍繞品牌、產(chǎn)品、服務(wù)三大核心戰(zhàn)略建立了以產(chǎn)品研發(fā)、市場銷售、安裝售后、智能運(yùn)維為一體的完整體系，構(gòu)建了數(shù)字化、全渠道的生態(tài)網(wǎng)絡(luò)。天合富家以原裝為基本戰(zhàn)略，持續(xù)創(chuàng)新，不斷提升產(chǎn)品與服務(wù)體驗(yàn)，致力于打造智慧分布式能源第一品牌，為客戶提供最佳的清潔能源體驗(yàn)。

當(dāng)人工智能開始進(jìn)入工業(yè)系統(tǒng)，企業(yè)最先面對的挑戰(zhàn)往往不是模型的先進(jìn)程度，而是有沒有一套能夠被有效管理、理解和實(shí)時利用的數(shù)據(jù)體系。沒有這個基礎(chǔ)，再精妙的算法也只是空中樓閣。

如果再把視角放寬一點(diǎn)來看，今年兩會討論的很多產(chǎn)業(yè)方向“關(guān)鍵詞”——從新型基礎(chǔ)設(shè)施、工業(yè)軟件、人工智能，到新能源體系、油氣安全、現(xiàn)代化水網(wǎng)建設(shè)——背后其實(shí)都指向同一個基礎(chǔ)能力：數(shù)據(jù)系統(tǒng)的升級。

過去幾年，隨著工業(yè)數(shù)字化和智能化不斷深入，越來越多企業(yè)開始重構(gòu)自己的數(shù)據(jù)架構(gòu)。從工業(yè)生產(chǎn)系統(tǒng)到能源系統(tǒng)，再到城市基礎(chǔ)設(shè)施平臺，實(shí)時數(shù)據(jù)平臺正在成為產(chǎn)業(yè)系統(tǒng)的重要底座。

如果把這些宏觀產(chǎn)業(yè)方向和企業(yè)的真實(shí)系統(tǒng)建設(shè)結(jié)合起來看，會發(fā)現(xiàn)很多行業(yè)正在經(jīng)歷類似的變化：政策提出方向，產(chǎn)業(yè)在實(shí)踐中遇到具體問題，而這些問題往往最終指向同一個基礎(chǔ)能力——數(shù)據(jù)系統(tǒng)的升級。

下面幾個行業(yè)案例，也正是沿著這樣一條邏輯展開的：從兩會提出的產(chǎn)業(yè)方向出發(fā)，看產(chǎn)業(yè)正在面對什么問題，以及企業(yè)是如何通過新的數(shù)據(jù)架構(gòu)去解決這些問題的。

新型基礎(chǔ)設(shè)施：工業(yè)數(shù)據(jù)平臺正在成為新的底座

在工業(yè)數(shù)字化進(jìn)程中，企業(yè)普遍會遇到一個越來越明顯的問題：設(shè)備數(shù)據(jù)規(guī)模正在快速增長，而原有的數(shù)據(jù)系統(tǒng)往往并不是為這種場景設(shè)計的。

在很多工業(yè)現(xiàn)場，設(shè)備會以秒級甚至更高頻率持續(xù)產(chǎn)生運(yùn)行數(shù)據(jù)。當(dāng)設(shè)備數(shù)量逐漸擴(kuò)大，企業(yè)很快就會發(fā)現(xiàn)原有系統(tǒng)開始出現(xiàn)各種瓶頸，例如寫入性能難以支撐高頻采集、查詢效率隨著數(shù)據(jù)量增加而明顯下降，同時存儲成本也在不斷攀升。與此同時，不同系統(tǒng)之間的數(shù)據(jù)往往分散在多個平臺中，想要統(tǒng)一分析和利用并不容易。

在這樣的背景下，越來越多企業(yè)開始重新思考數(shù)據(jù)架構(gòu)。能夠針對時間序列數(shù)據(jù)進(jìn)行優(yōu)化的數(shù)據(jù)庫系統(tǒng)，也逐漸成為工業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施的重要組成部分。

例如，在多個制造行業(yè)的實(shí)踐中，TDengine 已經(jīng)成為底層數(shù)據(jù)平臺：

• 離散制造 | IMS 智能制造平臺 | TDengine x 盤古信息（點(diǎn)擊鏈接查看相關(guān)案例）
• 煙草工業(yè) | 智能工藝管控 | TDengine x 大理卷煙廠（點(diǎn)擊鏈接查看相關(guān)案例）
• 鋼鐵行業(yè) | 車間級數(shù)據(jù)中心 | TDengine × 中冶京誠（點(diǎn)擊鏈接查看相關(guān)案例）

這些系統(tǒng)來自不同產(chǎn)業(yè)，但它們面臨的核心問題其實(shí)非常相似：都需要一個能夠支撐海量設(shè)備數(shù)據(jù)實(shí)時寫入、快速查詢以及長期存儲的數(shù)據(jù)基礎(chǔ)設(shè)施。

工業(yè)軟件與人工智能：工業(yè)數(shù)據(jù)正在進(jìn)入 AI 階段

近年來，工業(yè) AI 成為產(chǎn)業(yè)討論的熱點(diǎn)。但在很多真實(shí)場景中，企業(yè)很快發(fā)現(xiàn)，人工智能真正落地時首先遇到的問題往往不是模型能力，而是數(shù)據(jù)本身。工業(yè)系統(tǒng)中的數(shù)據(jù)通常分散在多個業(yè)務(wù)系統(tǒng)之中，不同設(shè)備、不同系統(tǒng)之間的數(shù)據(jù)結(jié)構(gòu)和語義并不統(tǒng)一，即使數(shù)據(jù)已經(jīng)被采集下來，也很難直接用于分析或模型訓(xùn)練。

因此，在 AI 時代，企業(yè)首先需要解決的其實(shí)是數(shù)據(jù)治理和數(shù)據(jù)理解的問題。TDengine 推出的 AI 原生工業(yè)數(shù)據(jù)管理平臺 TDengine IDMP，通過數(shù)據(jù)目錄對設(shè)備、指標(biāo)和數(shù)據(jù)資產(chǎn)進(jìn)行統(tǒng)一管理，通過數(shù)據(jù)標(biāo)準(zhǔn)化解決不同系統(tǒng)之間的語義差異，并通過情景化建模將原始數(shù)據(jù)與具體業(yè)務(wù)場景關(guān)聯(lián)起來，使數(shù)據(jù)能夠真正反映生產(chǎn)過程中的狀態(tài)和事件，從而為 AI 應(yīng)用提供可理解、可利用的數(shù)據(jù)基礎(chǔ)。

在此基礎(chǔ)上，TDengine IDMP 引入了 “無問智推” 的能力。系統(tǒng)不再依賴人工查詢，而是能夠根據(jù)實(shí)時數(shù)據(jù)變化自動生成分析并推送關(guān)鍵信息。例如在電力和制造場景中，“電壓合格率”“穩(wěn)定性系數(shù)”等復(fù)合指標(biāo)，過去往往需要依賴專家經(jīng)驗(yàn)推導(dǎo)，現(xiàn)在系統(tǒng)可以基于采集數(shù)據(jù)和結(jié)構(gòu)化語義自動衍生這些指標(biāo)，使更多人能夠第一時間理解系統(tǒng)運(yùn)行狀態(tài)。

在這樣的數(shù)據(jù)體系下，工業(yè)數(shù)據(jù)不再只是被動記錄，而開始逐漸具備理解業(yè)務(wù)、生成信息并輔助決策的能力。在一些已經(jīng)落地的項(xiàng)目中，這種變化已經(jīng)開始出現(xiàn)：

• 制糖行業(yè) | 生產(chǎn)數(shù)據(jù)與工藝管理 | TDengine × 海萊德（點(diǎn)擊鏈接查看相關(guān)案例）
• 化工科研 | 研發(fā)數(shù)據(jù)管理與批次分析 | TDengine × 沈陽化工研究院（點(diǎn)擊鏈接查看相關(guān)案例）
• 智慧交通 | 橋梁健康監(jiān)測 | TDengine × 山西省智慧交通實(shí)驗(yàn)室（點(diǎn)擊鏈接查看相關(guān)案例）

從這些實(shí)踐可以看到一個明顯趨勢：工業(yè)數(shù)據(jù)正在從單純的記錄系統(tǒng)，逐漸演變?yōu)槟軌騾⑴c決策的系統(tǒng)。

新能源：大規(guī)模設(shè)備實(shí)時數(shù)據(jù)系統(tǒng)

新能源產(chǎn)業(yè)的發(fā)展速度非?？欤履茉聪到y(tǒng)本身也是一個典型的實(shí)時數(shù)據(jù)系統(tǒng)。

無論是風(fēng)電機(jī)組、光伏陣列還是儲能系統(tǒng)，每臺設(shè)備都會持續(xù)產(chǎn)生大量運(yùn)行數(shù)據(jù)。這些數(shù)據(jù)不僅需要被實(shí)時采集和監(jiān)控，還需要長期保存，用于運(yùn)行分析、設(shè)備維護(hù)以及系統(tǒng)優(yōu)化。當(dāng)設(shè)備規(guī)模不斷擴(kuò)大時，傳統(tǒng)數(shù)據(jù)系統(tǒng)往往很難同時滿足高并發(fā)寫入和長期存儲的需求。

因此，越來越多新能源企業(yè)開始建設(shè)新的數(shù)據(jù)平臺，以支撐這些實(shí)時數(shù)據(jù)系統(tǒng)。例如：

• 風(fēng)電行業(yè) | 風(fēng)機(jī)監(jiān)控與能源數(shù)據(jù)平臺 | TDengine × 明陽集團(tuán)（點(diǎn)擊鏈接查看相關(guān)案例）
• 儲能行業(yè) | 儲能平臺實(shí)時數(shù)據(jù)系統(tǒng) | TDengine × 沃太能源（點(diǎn)擊鏈接查看相關(guān)案例）
• 電力行業(yè) | 水電智能巡點(diǎn)檢系統(tǒng) | TDengine × 桂冠電力（點(diǎn)擊鏈接查看相關(guān)案例）

這些項(xiàng)目說明，隨著新能源系統(tǒng)規(guī)模不斷擴(kuò)大，設(shè)備運(yùn)行數(shù)據(jù)已經(jīng)成為能源系統(tǒng)的重要組成部分，而數(shù)據(jù)平臺能力也成為系統(tǒng)穩(wěn)定運(yùn)行的重要保障。

油氣安全：能源數(shù)據(jù)系統(tǒng)正在全面升級

在油氣行業(yè)，生產(chǎn)系統(tǒng)往往需要長期穩(wěn)定運(yùn)行，很多核心系統(tǒng)已經(jīng)持續(xù)運(yùn)行了十幾年甚至更久。在早期建設(shè)階段，這些系統(tǒng)通常依賴傳統(tǒng)數(shù)據(jù)庫或者國外工業(yè)軟件來存儲和管理生產(chǎn)數(shù)據(jù)。隨著油氣生產(chǎn)規(guī)模不斷擴(kuò)大，設(shè)備數(shù)量持續(xù)增加，生產(chǎn)監(jiān)測、設(shè)備狀態(tài)以及工藝運(yùn)行數(shù)據(jù)的規(guī)模也在快速增長，一些企業(yè)逐漸發(fā)現(xiàn)原有系統(tǒng)在性能、擴(kuò)展能力以及運(yùn)維成本方面開始面臨挑戰(zhàn)。

與此同時，油氣生產(chǎn)系統(tǒng)的數(shù)據(jù)需求也在發(fā)生變化。除了傳統(tǒng)的數(shù)據(jù)存儲和查詢之外，越來越多企業(yè)開始希望能夠?qū)ιa(chǎn)數(shù)據(jù)進(jìn)行實(shí)時監(jiān)控、跨系統(tǒng)分析以及邊云協(xié)同管理，以支撐生產(chǎn)優(yōu)化和安全管理。為此，一些企業(yè)開始探索新的數(shù)據(jù)架構(gòu)，希望通過新的技術(shù)平臺來提升系統(tǒng)效率，同時降低長期運(yùn)維成本。

在一些已經(jīng)落地的項(xiàng)目中，這種升級趨勢已經(jīng)逐漸顯現(xiàn)：

• 石油石化 | 時序數(shù)據(jù)庫替換與平臺精簡 | TDengine × 勝軟科技（點(diǎn)擊鏈接查看相關(guān)案例）
• 石油化工 | 實(shí)時數(shù)據(jù)庫國產(chǎn)化升級 | TDengine × 泰州石化（點(diǎn)擊鏈接查看相關(guān)案例）
• 油氣行業(yè) | 邊云協(xié)同與生產(chǎn)數(shù)據(jù)服務(wù) | TDengine × 某大型油田（點(diǎn)擊鏈接查看相關(guān)案例）

這些實(shí)踐說明，隨著生產(chǎn)規(guī)模和數(shù)據(jù)需求不斷增長，油氣行業(yè)的數(shù)據(jù)系統(tǒng)也正在進(jìn)入新的架構(gòu)階段。

現(xiàn)代化水網(wǎng)建設(shè)：水務(wù)系統(tǒng)正在走向?qū)崟r化

城市水務(wù)系統(tǒng)同樣正在經(jīng)歷數(shù)據(jù)系統(tǒng)升級。隨著智慧水務(wù)建設(shè)不斷推進(jìn)，越來越多城市開始通過數(shù)字化手段對供水、排水以及防汛系統(tǒng)進(jìn)行統(tǒng)一管理，而這些系統(tǒng)的運(yùn)行基礎(chǔ)正是大量實(shí)時設(shè)備數(shù)據(jù)。

在實(shí)際建設(shè)過程中，水廠、管網(wǎng)監(jiān)測、泵站控制以及供水調(diào)度系統(tǒng)往往來自不同廠商，歷史系統(tǒng)之間也缺乏統(tǒng)一的數(shù)據(jù)架構(gòu)。隨著設(shè)備規(guī)模不斷擴(kuò)大，這些系統(tǒng)的數(shù)據(jù)逐漸分散在多個平臺中，形成大量數(shù)據(jù)孤島。當(dāng)需要進(jìn)行統(tǒng)一分析、運(yùn)行調(diào)度或應(yīng)急管理時，數(shù)據(jù)整合往往成為系統(tǒng)建設(shè)中的一個重要挑戰(zhàn)。

因此，在智慧水務(wù)建設(shè)過程中，越來越多城市開始建設(shè)統(tǒng)一的數(shù)據(jù)平臺，以實(shí)現(xiàn)設(shè)備數(shù)據(jù)的集中接入、統(tǒng)一管理以及長期分析能力，使水務(wù)系統(tǒng)能夠更加高效地支撐日常運(yùn)行和應(yīng)急管理。在一些已經(jīng)落地的項(xiàng)目中，這種變化也逐漸顯現(xiàn)：

• 水務(wù)物聯(lián)網(wǎng) | 城市水務(wù)平臺 | TDengine × 嘉環(huán)科技（點(diǎn)擊鏈接查看相關(guān)案例）
• 智慧水務(wù) | 統(tǒng)一物聯(lián)網(wǎng)平臺 | TDengine × 福州水務(wù)（點(diǎn)擊鏈接查看相關(guān)案例）
• 智慧水利 | 防汛監(jiān)測系統(tǒng) | TDengine × 江西水投（點(diǎn)擊鏈接查看相關(guān)案例）

從這些項(xiàng)目可以看到，水務(wù)系統(tǒng)的數(shù)字化，本質(zhì)上也是數(shù)據(jù)治理能力的升級。

大交通：基礎(chǔ)設(shè)施運(yùn)行正在進(jìn)入實(shí)時感知階段

隨著國家綜合立體交通網(wǎng)建設(shè)不斷推進(jìn)，港口、橋梁以及各類交通基礎(chǔ)設(shè)施的數(shù)字化程度也在不斷提高。相比傳統(tǒng)工業(yè)系統(tǒng)，這些基礎(chǔ)設(shè)施的一個重要特點(diǎn)是長期運(yùn)行與安全管理要求極高。設(shè)備狀態(tài)、環(huán)境變化以及結(jié)構(gòu)運(yùn)行情況，都需要被持續(xù)監(jiān)測，一旦出現(xiàn)異常，系統(tǒng)需要能夠第一時間識別并發(fā)出預(yù)警。

在這樣的場景中，數(shù)據(jù)系統(tǒng)不僅承擔(dān)存儲和查詢的角色，更需要支持持續(xù)監(jiān)測和實(shí)時分析。例如港口設(shè)備運(yùn)行狀態(tài)、橋梁結(jié)構(gòu)監(jiān)測數(shù)據(jù)以及環(huán)境數(shù)據(jù)，都需要被長期記錄并實(shí)時分析，以支撐日常運(yùn)維和安全管理。

在一些已經(jīng)落地的項(xiàng)目中，我們可以看到這種變化趨勢：

• 智慧港口 | 港口設(shè)備實(shí)時監(jiān)控 | TDengine × 山東港口科技（點(diǎn)擊鏈接查看相關(guān)案例）
• 智慧交通 | 橋梁健康監(jiān)測 | TDengine × 山西省智慧交通實(shí)驗(yàn)（點(diǎn)擊鏈接查看相關(guān)案例）

隨著交通基礎(chǔ)設(shè)施數(shù)字化程度不斷提升，數(shù)據(jù)系統(tǒng)也正在從傳統(tǒng)的信息記錄工具，逐漸成為支撐基礎(chǔ)設(shè)施安全運(yùn)行的重要組成部分。

結(jié)語

兩會討論的是產(chǎn)業(yè)方向，而產(chǎn)業(yè)真正的變化往往發(fā)生在具體系統(tǒng)與真實(shí)場景中。從工業(yè)制造到新能源，從油氣能源到城市水務(wù)，越來越多行業(yè)正在經(jīng)歷同一件事情：數(shù)據(jù)系統(tǒng)已經(jīng)成為產(chǎn)業(yè)升級的重要基礎(chǔ)設(shè)施。而 TDengine 與伙伴在這些領(lǐng)域中的實(shí)踐，也正是這場產(chǎn)業(yè)變革的一個縮影。未來，隨著 AI 與工業(yè)系統(tǒng)進(jìn)一步融合，數(shù)據(jù)平臺在產(chǎn)業(yè)體系中的角色只會越來越重要。

轉(zhuǎn)型之需：智能化服務(wù)戰(zhàn)略下的數(shù)據(jù)挑戰(zhàn)

隨著煤炭行業(yè)智能化建設(shè)不斷深入，作為核心裝備供應(yīng)商的天地奔牛正加速從傳統(tǒng)制造商向“智能化裝備服務(wù)商”轉(zhuǎn)型。這意味著，我們不僅要提供設(shè)備本身，還要為智能刮板輸送機(jī)、智能轉(zhuǎn)載機(jī)等大型裝備提供全生命周期的遠(yuǎn)程監(jiān)控、預(yù)測性維護(hù)和數(shù)據(jù)分析，以持續(xù)提升客戶價值。然而在引入 TDengine 時序數(shù)據(jù)庫之前，業(yè)務(wù)團(tuán)隊(duì)面臨以下核心痛點(diǎn)：

1. 數(shù)據(jù)體量與成本壓力：單臺大型煤機(jī)裝備每秒可產(chǎn)生數(shù)以千計的數(shù)據(jù)點(diǎn)（如轉(zhuǎn)速、溫度、振動、壓力等），一個礦區(qū)多臺設(shè)備組成的綜采工作面，每天產(chǎn)生的時序數(shù)據(jù)量可達(dá) TB 級別。使用傳統(tǒng)關(guān)系型數(shù)據(jù)庫或通用的大數(shù)據(jù)平臺管理這類數(shù)據(jù)，不僅存儲成本高昂，查詢分析效率也會隨著數(shù)據(jù)量增長而急劇下降。
2. 實(shí)時性要求難以滿足：對設(shè)備運(yùn)行狀態(tài)進(jìn)行毫秒級監(jiān)控和實(shí)時預(yù)警是預(yù)測性維護(hù)的基礎(chǔ)。傳統(tǒng)數(shù)據(jù)庫難以支撐高并發(fā)、低延遲的實(shí)時數(shù)據(jù)寫入與查詢，無法滿足對設(shè)備健康狀態(tài)進(jìn)行秒級洞察的需求。
3. 運(yùn)維復(fù)雜度高：為處理海量時序數(shù)據(jù)，往往需要組合多種技術(shù)棧（如Kafka、Hadoop、Spark等），架構(gòu)復(fù)雜，開發(fā)和運(yùn)維團(tuán)隊(duì)需要投入大量精力在數(shù)據(jù)管道的維護(hù)上，這與我們“真抓實(shí)干、馬上就辦”的工作作風(fēng)相悖，嚴(yán)重影響了創(chuàng)新效率。

盡管業(yè)務(wù)系統(tǒng)仍在穩(wěn)定運(yùn)行，但為了支撐“世界一流的智能化煤機(jī)裝備服務(wù)商”這一愿景，我們需要一款專門為物聯(lián)網(wǎng)場景設(shè)計的時序數(shù)據(jù)庫，以應(yīng)對未來更大量級、更高要求的數(shù)據(jù)挑戰(zhàn)。因此，經(jīng)過嚴(yán)謹(jǐn)?shù)倪x型評估，我們最終選擇了 TDengine TSDB 這一高性能、開源、專為時序數(shù)據(jù)設(shè)計的數(shù)據(jù)庫作為數(shù)據(jù)基石。

解決方案與核心收益：TDengine TSDB 賦能數(shù)據(jù)價值最大化

通過部署 TDengine TSDB，天地奔牛構(gòu)建了高效、穩(wěn)定、易于擴(kuò)展的裝備物聯(lián)網(wǎng)數(shù)據(jù)平臺，獲得了顯著的業(yè)務(wù)收益：

1. 極致性能，降低 TCO：TDengine TSDB 的高效數(shù)據(jù)壓縮技術(shù)（最高可達(dá) 1/10）和列式存儲結(jié)構(gòu)，大幅降低了存儲成本。其專為時序數(shù)據(jù)優(yōu)化的引擎，使得數(shù)據(jù)寫入和查詢效率提升了數(shù)倍至數(shù)十倍，在相同的硬件投入下，支撐了更大的業(yè)務(wù)數(shù)據(jù)量，完美契合了我們“質(zhì)為本、信為魂”的經(jīng)營理念，確保了數(shù)據(jù)服務(wù)的質(zhì)量與可靠性。
2. 簡化架構(gòu)，提升開發(fā)效率：TDengine TSDB 內(nèi)置緩存、消息隊(duì)列、流計算等多種功能，無需再集成 Kafka、Spark Streaming 等復(fù)雜組件，極大地簡化了系統(tǒng)架構(gòu)。開發(fā)人員可以使用標(biāo)準(zhǔn) SQL 語法進(jìn)行數(shù)據(jù)查詢，學(xué)習(xí)成本極低。
3. 實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的智能服務(wù)：
   1. 實(shí)時監(jiān)控與告警： 現(xiàn)在，客戶和我們的工程師可以實(shí)時查看任何一臺在網(wǎng)設(shè)備的運(yùn)行狀態(tài)。一旦關(guān)鍵參數(shù)超過閾值，系統(tǒng)能秒級觸發(fā)告警，指導(dǎo)現(xiàn)場人員及時干預(yù)，避免非計劃停機(jī)，進(jìn)一步提升了客戶體驗(yàn)。
   2. 預(yù)測性維護(hù)：基于 TDengine TSDB 存儲的長期歷史數(shù)據(jù)，結(jié)合 AI 算法模型，工作人員能夠?qū)υO(shè)備關(guān)鍵部件（如齒輪箱、軸承）進(jìn)行壽命預(yù)測和故障診斷，變被動維修為主動預(yù)防，提升了設(shè)備出勤率，為客戶創(chuàng)造了巨大經(jīng)濟(jì)效益。
   3. 深度數(shù)據(jù)分析：TDengine TSDB 高效的查詢能力使得過去難以進(jìn)行的多維度、長時間跨度數(shù)據(jù)分析成為可能。例如，分析不同地質(zhì)條件下設(shè)備的能耗情況，為產(chǎn)品優(yōu)化和新品研發(fā)提供數(shù)據(jù)支撐。

典型業(yè)務(wù)場景展示

場景一：全球裝備運(yùn)行狀態(tài)實(shí)時監(jiān)控大屏

• 場景描述：該監(jiān)控大屏集中展示了天地奔牛在全球范圍內(nèi)所有聯(lián)網(wǎng)設(shè)備的分布、實(shí)時運(yùn)行狀態(tài)（運(yùn)行/停機(jī)/告警）、關(guān)鍵性能指標(biāo)（如電機(jī)電流、輸送鏈速等）。
• TDengine TSDB 價值：大屏背后的海量實(shí)時數(shù)據(jù)由 TDengine TSDB 強(qiáng)力驅(qū)動。其高并發(fā)寫入能力保障數(shù)據(jù)實(shí)時更新，而高效的聚合查詢讓大屏上的總運(yùn)行臺數(shù)、告警總數(shù)等核心指標(biāo)保持秒級刷新，實(shí)現(xiàn)真正的實(shí)時感知與響應(yīng)。
• 查詢語句

# 大屏核心KPI統(tǒng)計 (總設(shè)備數(shù)、運(yùn)行數(shù)、告警數(shù))
SELECT COUNT(*) as total_devices, SUM(CASE WHEN status='running' THEN 1 ELSE 0 END) as running_devices, SUM(CASE WHEN status='alarm' THEN 1 ELSE 0 END) as alarm_devices FROM equipment_status;

# 特定區(qū)域設(shè)備狀態(tài)查詢
SELECT device_id, location, status, motor_current, chain_speed FROM equipment_status WHERE region = '華北礦區(qū)' AND ts >= now - 1m;

# 最新告警信息滾動
SELECT device_id, alarm_level, alarm_message, ts FROM equipment_alarms WHERE ts >= now - 24h ORDER BY ts DESC LIMIT 10; 

場景二：單臺設(shè)備歷史數(shù)據(jù)追溯與故障分析

• 場景描述：當(dāng)某臺設(shè)備發(fā)生故障或性能異常時，工程師可以通過系統(tǒng)查詢該設(shè)備在過去任意時間段（如最近一個月）的歷史數(shù)據(jù)曲線，精準(zhǔn)定位問題發(fā)生的時間點(diǎn)和誘因。
• TDengine TSDB 價值：TDengine TSDB 基于標(biāo)準(zhǔn) SQL 并擴(kuò)展時序語法，對時間范圍查詢進(jìn)行了深度優(yōu)化，即便是跨越數(shù)月的秒級原始數(shù)據(jù)，也能在秒級返回結(jié)果，大幅提升故障定位與分析效率。
• 查詢語句

# 基礎(chǔ)歷史數(shù)據(jù)查詢
SELECT ts, motor_current, temperature, vibration, chain_speed FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-01 00:00:00' AND ts <= '2024-10-21 23:59:59' ORDER BY ts ASC;

# 異常數(shù)據(jù)快速定位
SELECT ts, motor_current, temperature, vibration FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-15 00:00:00' AND (temperature > 85 OR vibration > 7.5) ORDER BY ts DESC;

# 時間窗口聚合分析
SELECT _wstart as window_start, AVG(temperature) as avg_temp, MAX(vibration) as max_vib, COUNT(*) as data_points FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-15 00:00:00' AND ts <= '2024-10-16 23:59:59' INTERVAL(10m);

# 指標(biāo)關(guān)聯(lián)分析
SELECT ts, motor_current, temperature, vibration, (motor_current * 0.8 + temperature * 0.2) as health_score FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-20 00:00:00' ORDER BY health_score DESC LIMIT 20;

#  前后時間段對比
SELECT 'before_failure' as period, AVG(temperature) as avg_temp, STDDEV(temperature) as temp_stdev FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-20 08:00:00' AND ts < '2024-10-20 10:00:00' UNION ALL SELECT 'after_failure' as period, AVG(temperature) as avg_temp, STDDEV(temperature) as temp_stdev FROM equipment_status WHERE device_id = 'BNC-2024001' AND ts >= '2024-10-20 10:00:00' AND ts < '2024-10-20 12:00:00';

場景三：集團(tuán)級設(shè)備能耗與效率分析報表

• 場景描述：管理層需要定期查看不同礦區(qū)、不同型號設(shè)備的平均能耗、綜合效率等報表，用于戰(zhàn)略決策和產(chǎn)品優(yōu)化。
• TDengine TSDB 價值：TDengine TSDB 強(qiáng)大的聚合計算能力和類 SQL 語法，使得開發(fā)此類復(fù)雜報表變得簡單快捷。通過一個簡單的 SQL 查詢即可快速完成對億級數(shù)據(jù)的聚合分析。
• 查詢語句

# 各礦區(qū)設(shè)備能耗匯總
SELECT region, COUNT(DISTINCT device_id) as device_count, AVG(power_consumption) as avg_power, SUM(power_consumption) as total_power, AVG(efficiency) as avg_efficiency FROM equipment_status WHERE ts >= '2024-10-01 00:00:00' AND ts < '2024-10-31 23:59:59' GROUP BY region ORDER BY total_power DESC;

# 不同型號設(shè)備能效對比
SELECT model, COUNT(DISTINCT device_id) as device_count, AVG(power_consumption) as avg_power, AVG(efficiency) as avg_efficiency, AVG(power_consumption)/AVG(efficiency) as power_per_unit FROM equipment_status WHERE ts >= '2024-10-01' AND ts < '2024-11-01' GROUP BY model HAVING COUNT(*) > 100 ORDER BY avg_efficiency DESC;

# 月度能耗趨勢分析
SELECT DATE_FORMAT(ts, '%Y-%m') as month, region, SUM(power_consumption) as monthly_power, AVG(efficiency) as monthly_efficiency FROM equipment_status WHERE ts >= '2024-01-01' AND ts < '2024-11-01' GROUP BY month, region ORDER BY month, region;

# 能耗效率排名分析
SELECT region, model, AVG(efficiency) as eff_score, AVG(power_consumption) as power_score, (AVG(efficiency) - 0.7 * AVG(power_consumption)/1000) as composite_score FROM equipment_status WHERE ts >= '2024-10-01' GROUP BY region, model HAVING COUNT(*) > 50 ORDER BY composite_score DESC;

# 設(shè)備負(fù)載率與能耗關(guān)系
SELECT CASE WHEN load_rate < 0.3 THEN '低負(fù)載' WHEN load_rate < 0.7 THEN '中負(fù)載' ELSE '高負(fù)載' END as load_level, AVG(power_consumption) as avg_power, AVG(efficiency) as avg_efficiency, COUNT(*) as sample_count FROM equipment_status WHERE ts >= '2024-10-20' GROUP BY load_level ORDER BY avg_efficiency DESC;

總結(jié)與展望

通過引入 TDengine TSDB，我們成功解決了在向智能化服務(wù)商轉(zhuǎn)型過程中遇到的海量時序數(shù)據(jù)處理難題。這不僅大幅提升了產(chǎn)品智能化水平和客戶服務(wù)能力，更以數(shù)據(jù)驅(qū)動了研發(fā)和運(yùn)營的創(chuàng)新，有力地支撐了我們“建設(shè)具有全球競爭力的世界一流科技創(chuàng)新型企業(yè)”的宏偉愿景。

未來，我們將繼續(xù)與 TDengine TSDB 深度合作，進(jìn)一步探索在數(shù)字孿生、人工智能等前沿領(lǐng)域的應(yīng)用，持續(xù)“引領(lǐng)煤炭科技，創(chuàng)造綠色未來”，共同推動中國煤炭工業(yè)的智能化進(jìn)程。

關(guān)于天地奔牛：

寧夏天地奔牛實(shí)業(yè)集團(tuán)有限公司是中國煤炭科工集團(tuán)有限公司控股的國有大型煤礦裝備制造企業(yè)，秉承“引領(lǐng)煤機(jī)科技、推動行業(yè)進(jìn)步”的企業(yè)使命，致力于成為“世界一流的智能化煤機(jī)裝備服務(wù)商”。公司以“求實(shí)、創(chuàng)新、奮斗、超越”的企業(yè)精神，在煤礦輸送裝備領(lǐng)域持續(xù)創(chuàng)新，其產(chǎn)品廣泛應(yīng)用于國內(nèi)外各大礦區(qū)。

作者：天地奔牛