![](http://img.blog.itpub.net/blog/2022/08/09/0a90192bf8b1b404.jpeg?x-oss-process=style/bb)

**政策背景**
根據 2021 年 12 月由美控智慧建築聯合億歐智庫共同釋出的《中國樓宇自控白皮書》，2021 年中國樓宇智慧化市場產值約達 7238.2 億元，結合近幾年行業的發展趨勢，經過初步估算，2016-2021 年中國樓宇智慧化市場規模逐年上升，存量規模接近 5000 億元，新增規模超過 2200 億元。

因樓宇智慧化在低碳、節能方面優勢突出，同時能為人們的生活帶來更多舒適體驗，加之政府對樓宇智慧化建設規範化、科學化的引導，未來樓宇智慧化將有非常好的發展前景。從目標來看，樓宇智慧化符合建築行業對數字化和智慧化的發展需求，未來將繼續助力中國建築行業轉型升級，以順應國家對節能減排和數字經濟的要求。

**業務介紹**
隨著 5G 時代的到來，美的一方面在繼續打造工業網際網路產品，另一方面也在不斷進行科技賦能，研發更加綠色環保的整合方案，為工業及製造業提供全新的思路。

作為美的集團旗下的五大業務板塊之一，美的暖通與樓宇事業部確立了“暖通及樓宇智慧生態整合解決方案引領者”的發展願景，旨在用智慧整合的行業解決方案滿足複雜的建築需求，目前主要涉足中央空調、電梯、樓宇控制等領域。在 2021 樓宇科技 TRUE 大會上，美的暖通與樓宇事業部首次釋出了數字化平臺 iBuilding，以“軟碟機硬核”方式賦能建築行業。

作為一個全新的專案，我們分別對比了關係型資料庫（Relational Database）以及主流的[時序資料庫]( https://www.taosdata.com/?zh"時序資料庫")（Time Series Database），包括 InfluxDB、[TDengine]( https://www.taosdata.com/?zh"TDengine")、MySQL 等。對比關係型資料庫 MySQL 來說，在這個場景下，我們不需要複雜的查詢，卻需要高效的儲存和大範圍時間的資料拉取。和同為時序資料庫的 InfluxDB 對比，TDengine 的單機版效能遠好於 InfluxDB。因此，在綜合評估了適配、查詢、寫入和儲存等綜合能力後，我們最終選擇了 TDengine 這款產品。

iBuilding 專案屬於“智慧樓宇”的一部分，專案本身用於邊緣側對大型製冷裝置（中央空調）的智慧監控與互動。具體應用場景是：專案所涉及的幾十個樓區，各自都有一些大型離心式冷水機組（10 臺左右），我們在每個樓區都部署了一個 TDengine 到 ARM64 系統上。透過 Python 程式，系統會先進行資料採集，然後把資料寫入 TDengine ，最後再把資料上傳到雲端的 TDengine 進行處理。

![](http://img.blog.itpub.net/blog/2022/08/09/2a51503fb65e2f3f.png?x-oss-process=style/bb)

**應用效果**
求某個裝置 70 天前到 40 天前之間，每隔一段時間的裝置用電量，無資料則用 prev 值填充。結果如下：

![](http://img.blog.itpub.net/blog/2022/08/09/bb69bf88815b99a8.png?x-oss-process=style/bb)

**具體實踐**
以其中一個 Database 環境為例：
![](http://img.blog.itpub.net/blog/2022/08/09/53ed7b6114c989ab.png?x-oss-process=style/bb)

我們根據 TDengine “一個裝置一張表，一類裝置一個超級表”的建模原則，建立瞭如下表，兩類裝置的指標數分別為 97 和 199 ，資料列以 float 和 int 為主，裝置每 5s 上報一批資料：

![](http://img.blog.itpub.net/blog/2022/08/09/054756ac1dc45997.png?x-oss-process=style/bb)

![](http://img.blog.itpub.net/blog/2022/08/09/42d732b7412ff9c4.png?x-oss-process=style/bb)

對於邊緣側的資料採集，由於資源有限，所以資源資料的使用就成為了十分重要的指標。這方面 TDengine 表現非常好，進一步幫我們降本增效了。

我們承載資料庫服務的邊緣盒子配置為 2GB 記憶體，4C CPU，ARM64 位的系統。由於子表數量不大，以及 TDengine 寫入記憶體比較固定的特點，當前記憶體佔用還不到 200MB。資料庫日常 CPU 消耗比較低，大概在 3%-5% 左右，保守估計即便寫入量擴大 50-100 倍，也沒有問題。

![](http://img.blog.itpub.net/blog/2022/08/09/ea94bf7a4f57c803.png?x-oss-process=style/bb)

![](http://img.blog.itpub.net/blog/2022/08/09/e1f85283512b18a1.png?x-oss-process=style/bb)

查詢一個月之前的某裝置某幾項指標之和，按照時間戳降序排序。查詢大約 19 萬行資料，耗時 0.4s。結果如下：

![](http://img.blog.itpub.net/blog/2022/08/09/18530558cf999ae3.png?x-oss-process=style/bb)

![](http://img.blog.itpub.net/blog/2022/08/09/4b7e68c571e588fc.png?x-oss-process=style/bb)

**經驗彙總**
在使用 TDengine 的過程中，我們也遇到過一些小問題，比如：我們環境眾多，但是客戶端和服務端又要保持版本精確一致，升級起來會比較複雜。再比如：監控庫中 log 中的 dn 表的 disk_used 語義並不是實際的 TDengine 對磁碟的佔用，而是資料檔案所在檔案系統的總佔用，有些情況下會讓使用者誤以為是 TDengine 的空間佔用，導致與預期不符，就像下圖一樣：

![](http://img.blog.itpub.net/blog/2022/08/09/493c1146fc41298e.png?x-oss-process=style/bb)

後面我們和 TDengine 社群工作人員一起討論了這個情況，大家認為可以新增一列，專門用來統計 TDengine 的資料檔案的大小，然後把它與 disk_used、disk_total 一起規範化統一命名，就可以防止使用者誤解了。

目前 TDengine 官方已經在積極地處理最佳化。這也是開源社群的一大價值，大家都可以參與進去，讓產品不斷迭代，發展地更好。

**寫在最後**
當前，TDengine 主要被應用於中央空調製冷裝置的監控業務中，作為先行試點，這一場景已經取得了不錯的效果。但由於機組價格昂貴、成本較高，因此透過平臺動態生成操作指令的這類智慧化操作仍需謹慎，所以目前該功能還沒有正式開放。

在樓宇智慧化方面，我們也有很多工作要做，從邊緣側的監控、到指令控制、再到邊雲協同的一體化服務，我們會在這些場景中繼續探索和挖掘 TDengine 的潛力。

------------

想了解更多 TDengine Database的具體細節，歡迎大家在[GitHub]( https://github.com/taosdata/grafanaplugin"GitHub")上檢視相關原始碼。
[![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)](https://www.taosdata.com/?zh "![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)")

美的數字化平臺 iBUILDING 背後的技術選型

相關文章