電力行業(yè)是一個(gè)龐大復(fù)雜的行業(yè)，不僅包含發(fā)電、輸電、變電、配電、和用電各種流程，而且還涉及到傳統(tǒng)能源發(fā)電和可再生能源發(fā)電的新舊電網(wǎng)的融合。因此，它的各種控制、監(jiān)控、管理、調(diào)度等平臺(tái)的技術(shù)邏輯都在慢慢發(fā)生著重大的變化。

比如，對(duì)于太陽(yáng)能發(fā)電來(lái)說(shuō)：因?yàn)楣夥M件數(shù)量多且分布廣泛，因此太陽(yáng)能發(fā)電的設(shè)備和數(shù)據(jù)采集點(diǎn)數(shù)量相對(duì)傳統(tǒng)發(fā)電行業(yè)相比會(huì)非常多。并且，結(jié)合過(guò)往數(shù)據(jù)，可以進(jìn)行針對(duì)性分析，從而優(yōu)化發(fā)電效率和發(fā)電策略，緩解太陽(yáng)能發(fā)電不穩(wěn)定的問(wèn)題。因此，僅這一個(gè)場(chǎng)景上，新電力行業(yè)就衍生出了：

需要存儲(chǔ)的數(shù)據(jù)點(diǎn)位多，采集頻率高，數(shù)據(jù)有長(zhǎng)期存儲(chǔ)等場(chǎng)景。

顯然傳統(tǒng)的數(shù)據(jù)處理方案（關(guān)系庫(kù)、實(shí)時(shí)庫(kù)、hadoop）難以滿(mǎn)足這些數(shù)據(jù)的處理需求。他們或是無(wú)法存儲(chǔ)過(guò)多數(shù)據(jù)會(huì)有顯著的性能下滑，或是無(wú)法高效讀取歷史數(shù)據(jù)進(jìn)行分析，或是組件繁多難以維護(hù)，總之，困難種種。因此，為了應(yīng)對(duì)這些挑戰(zhàn)，越來(lái)越多的電力企業(yè)開(kāi)始引入時(shí)序數(shù)據(jù)庫(kù) TDengine 來(lái)改造系統(tǒng)數(shù)據(jù)架構(gòu)。

這些電力設(shè)備產(chǎn)生的時(shí)序數(shù)據(jù)本身就是典型的流式數(shù)據(jù)，對(duì)每一個(gè)流來(lái)說(shuō)，時(shí)間戳都是遞增且不會(huì)有重復(fù)的。因此，TDengine 把一個(gè)數(shù)據(jù)流（表）的數(shù)據(jù)都放在了一起，利用數(shù)據(jù)天然有序的這一特點(diǎn)，把數(shù)據(jù)的寫(xiě)入變成最簡(jiǎn)單的追加操作。做到了在相同資源下，單個(gè)數(shù)據(jù)流上最好的寫(xiě)入效率。

在此基礎(chǔ)上，TDengine 又使用標(biāo)準(zhǔn)的分布式架構(gòu)，使得數(shù)據(jù)庫(kù)可以輕松地做到動(dòng)態(tài)擴(kuò)展，并能讓所有的cpu核心并行讀寫(xiě)。而為了防止硬盤(pán)的讀寫(xiě)瓶頸，又可以使用多級(jí)存儲(chǔ)為不同的存儲(chǔ)路徑，同時(shí)掛載不同的硬盤(pán)并發(fā)工作。最后，基于列式數(shù)據(jù)的二級(jí)自定義壓縮得存儲(chǔ)方式，使得 TDengine 壓縮率表現(xiàn)也尤為出眾。

因此，TDengine 以全新的設(shè)計(jì)，憑一己之力，同時(shí)解決了實(shí)時(shí)庫(kù)/關(guān)系庫(kù)/傳統(tǒng)大數(shù)據(jù)處理架構(gòu)在電力行業(yè)場(chǎng)景的弊病，成為了新一代電力行業(yè)的時(shí)序大數(shù)據(jù)平臺(tái)。

下面這個(gè)案例，便是 TDengine 在電力行業(yè)的典型應(yīng)用：

作為全國(guó) 500 強(qiáng)企業(yè)，明陽(yáng)集團(tuán)在風(fēng)電行業(yè)擁有領(lǐng)先實(shí)力。在“明陽(yáng)集團(tuán)能源大數(shù)據(jù)應(yīng)用系統(tǒng)”的風(fēng)電項(xiàng)目中，該客戶(hù)目前共接入萬(wàn)臺(tái)左右的風(fēng)電機(jī)組，每個(gè)機(jī)組配備數(shù)百至上千個(gè)監(jiān)測(cè)點(diǎn)，生成的時(shí)序數(shù)據(jù)每秒一條。僅僅當(dāng)天，就會(huì)產(chǎn)生億級(jí)以上的能源數(shù)據(jù)量。

這些數(shù)據(jù)需要實(shí)時(shí)或定期集中存儲(chǔ)，以支持風(fēng)機(jī)的集中監(jiān)控和數(shù)據(jù)分析等業(yè)務(wù)應(yīng)用，實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)化為價(jià)值的目標(biāo)，顯然是傳統(tǒng)實(shí)時(shí)庫(kù)/關(guān)系庫(kù)/大數(shù)據(jù)架構(gòu)所不能支撐的。

針對(duì)項(xiàng)目現(xiàn)場(chǎng)風(fēng)機(jī)的數(shù)據(jù)采集工作，明陽(yáng)集團(tuán)采取了兩種方案，一種方案是通過(guò)網(wǎng)絡(luò)實(shí)時(shí)傳輸?shù)酱髷?shù)據(jù)中心，寫(xiě)入 TDengine。另一種方案則是按照一定的時(shí)間周期，接到數(shù)據(jù)文件拷貝后，再寫(xiě)入 TDengine 集群。

明陽(yáng)集團(tuán)使用了 6 臺(tái) 24GB 內(nèi)存 4 核 CPU 10T 硬盤(pán)的服務(wù)器搭建了 TDengine 3.0 的單副本集群。目前已經(jīng)接入了 10000+ 臺(tái)風(fēng)電機(jī)，建庫(kù) 400 余個(gè)。保存數(shù)據(jù)量總計(jì) 40+ 億行，每行平均測(cè)點(diǎn)（列數(shù)）700+，磁盤(pán)占用 24TB，粗略估算，壓縮比達(dá)到 10% 以?xún)?nèi)。

風(fēng)電機(jī)作為一種利用風(fēng)能來(lái)產(chǎn)生電力的大型設(shè)備。需要監(jiān)控的指標(biāo)十分之多。因此，在建模環(huán)節(jié)就有不小的難度。以下是一個(gè) describe 超級(jí)表的輸出，達(dá)到了 884 列。

寬列表和常規(guī)的窄列表在使用上有很多的差別，很多參數(shù)配置都是不一樣的。在此基礎(chǔ)之上檢測(cè)風(fēng)電機(jī)設(shè)備的各個(gè)點(diǎn)的最新?tīng)顟B(tài)。

在“明陽(yáng)集團(tuán)能源大數(shù)據(jù)應(yīng)用系統(tǒng)”中，TDengine 起到了關(guān)鍵作用，實(shí)現(xiàn)了數(shù)據(jù)的高效存儲(chǔ)與處理。通過(guò)底層的數(shù)據(jù)分片分區(qū)策略，TDengine 能夠靈活地動(dòng)態(tài)擴(kuò)展資源，避免資源瓶頸問(wèn)題。