六月婷婷AV,国产偷窥猎奇福利二区,日韩三级片。,好吊色网站,日韩成人中文在线视频,国产亚洲午夜啪啪,亚洲欧美另类国产精品,国产成人av1,任你艹在线观看

時序數(shù)據(jù)庫 TDengine + 高級分析軟件 Seeq，助力企業(yè)挖掘時序數(shù)據(jù)潛力

作為一款制造業(yè)和工業(yè)互聯(lián)網(wǎng)（IIOT）高級分析軟件，Seeq 支持在工藝制造組織中使用機器學習創(chuàng)新的新功能。這些功能使組織能夠?qū)⒆约夯虻谌綑C器學習算法部署到前線流程工程師和主題專家使用的高級分析應用程序，從而使單個數(shù)據(jù)科學家的努力擴展到許多前線員工。通過 TDengine Java connector，Seeq 可以輕松支持查詢 TDengine 提供的時序數(shù)據(jù)，并提供數(shù)據(jù)展現(xiàn)、分析、預測等功能。本文將對此進行介紹。

如何配置 Seeq 訪問 TDengine

  1. 查看 data 存儲位置
sudo seeq config get Folders/Data
  1. 從 maven.org 下載 TDengine Java connector 包，目前最新版本為 3.2.7 （https://central.sonatype.com/artifact/com.taosdata.jdbc/taos-jdbcdriver?smo=true）。并拷貝至 data 存儲位置的 plugins\lib 中。
  2. 重新啟動 seeq server
sudo seeq restart
  1. 輸入 License

使用瀏覽器訪問 ip:34216 并按照說明輸入 license。

使用 Seeq 分析 TDengine 時序數(shù)據(jù)

下文將為大家演示如何使用 Seeq 軟件配合 TDengine 進行時序數(shù)據(jù)分析。

場景介紹

示例場景為一個電力系統(tǒng)，用戶每天從電站儀表收集用電量數(shù)據(jù)，并將其存儲在 TDengine 集群中?，F(xiàn)在用戶想要預測電力消耗將會如何發(fā)展，并購買更多設(shè)備來支持它。用戶電力消耗隨著每月訂單變化而不同，另外考慮到季節(jié)變化，電力消耗量會有所不同。這個城市位于北半球，所以在夏天會使用更多的電力。我們模擬數(shù)據(jù)來反映這些假定。

數(shù)據(jù) Schema

CREATE STABLE meters (ts TIMESTAMP, num INT, temperature FLOAT, goods INT) TAGS (device NCHAR(20));
create table goods (ts1 timestamp, ts2 timestamp, goods float);
時序數(shù)據(jù)庫 TDengine + 高級分析軟件 Seeq，助力企業(yè)挖掘時序數(shù)據(jù)潛力 - TDengine Database 時序數(shù)據(jù)庫

構(gòu)造數(shù)據(jù)方法

python mockdata.py
taos -s "insert into power.goods select _wstart, _wstart + 10d, avg(goods) from power.meters interval(10d);"

源代碼托管在 https://github.com/sangshuduo/td-forecasting。

使用 Seeq 進行數(shù)據(jù)分析

配置數(shù)據(jù)源（Data Source）

使用 Seeq 管理員角色的帳號登錄，并新建數(shù)據(jù)源。

  • Power
{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, num FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Num",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}
  • Goods
{
    "QueryDefinitions": [
        {
            "Name": "PowerGoods",
            "Type": "CONDITION",
            "Sql": "SELECT ts1, ts2, goods FROM power.goods",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Goods",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Duration",
                    "Value": "10days",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": [
                {
                    "Name": "goods",
                    "Value": "${columnResult}",
                    "Column": "goods",
                    "Uom": "string"
                }
            ]
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}
  • Temperature
{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, temperature FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Temperature",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

使用 Seeq Workbench

登錄 Seeq 服務頁面并新建 Seeq Workbench，通過選擇數(shù)據(jù)源搜索結(jié)果和根據(jù)需要選擇不同的工具，可以進行數(shù)據(jù)展現(xiàn)或預測，詳細使用方法參見官方知識庫：https://support.seeq.com/space/KB/146440193/Seeq+Workbench。

時序數(shù)據(jù)庫 TDengine + 高級分析軟件 Seeq，助力企業(yè)挖掘時序數(shù)據(jù)潛力 - TDengine Database 時序數(shù)據(jù)庫

使用 Seeq Data Lab Server 進行進一步的數(shù)據(jù)分析

登錄 Seeq 服務頁面并新建 Seeq Data Lab，可以進一步使用 Python 編程或其他機器學習工具進行更復雜的數(shù)據(jù)挖掘功能。

from seeq import spy
spy.options.compatibility = 189
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import mlforecast
import lightgbm as lgb
from mlforecast.target_transforms import Differences
from sklearn.linear_model import LinearRegression

ds = spy.search({'ID': "8C91A9C7-B6C2-4E18-AAAF-XXXXXXXXX"})
print(ds)

sig = ds.loc[ds['Name'].isin(['Num'])]
print(sig)

data = spy.pull(sig, start='2015-01-01', end='2022-12-31', grid=None)
print("data.info()")
data.info()
print(data)
#data.plot()

print("data[Num].info()")
data['Num'].info()
da = data['Num'].index.tolist()
#print(da)

li = data['Num'].tolist()
#print(li)

data2 = pd.DataFrame()
data2['ds'] = da
print('1st data2 ds info()')
data2['ds'].info()

#data2['ds'] = pd.to_datetime(data2['ds']).to_timestamp()
data2['ds'] = pd.to_datetime(data2['ds']).astype('int64')
data2['y'] = li
print('2nd data2 ds info()')
data2['ds'].info()
print(data2)

data2.insert(0, column = "unique_id", value="unique_id")

print("Forecasting ...")

forecast = mlforecast.MLForecast(
    models = lgb.LGBMRegressor(),
    freq = 1,
    lags=[365],
    target_transforms=[Differences([365])],
)

forecast.fit(data2)
predicts = forecast.predict(365)

pd.concat([data2, predicts]).set_index("ds").plot(title = "current data with forecast")
plt.show()

運行程序輸出結(jié)果：

時序數(shù)據(jù)庫 TDengine + 高級分析軟件 Seeq，助力企業(yè)挖掘時序數(shù)據(jù)潛力 - TDengine Database 時序數(shù)據(jù)庫

寫在最后

通過集成 Seeq 和 TDengine，用戶能夠充分利用到 TDengine 高性能的時序數(shù)據(jù)存儲和檢索，確保數(shù)據(jù)的高效處理；同時也將受益于 Seeq 提供的強大數(shù)據(jù)可視化和分析功能，如數(shù)據(jù)可視化、異常檢測、相關(guān)性分析和預測建模，方便用戶獲得有價值的數(shù)據(jù)洞察并基于此進行決策。

未來 Seeq 和 TDengine 將共同為制造業(yè)、工業(yè)物聯(lián)網(wǎng)和電力系統(tǒng)等各行各業(yè)的時序數(shù)據(jù)分析提供綜合解決方案，將高效數(shù)據(jù)存儲和先進數(shù)據(jù)分析相結(jié)合，賦予企業(yè)深入挖掘時序數(shù)據(jù)潛力的能力，推動業(yè)務發(fā)展與改進。如果你想要了解 Seeq 的更全面設(shè)置、Seeq 與全托管的云服務平臺 TDengine Cloud 的具體連接詳情，請移步官方文檔 https://docs.taosdata.com/third-party/seeq/ 進行查閱。