煤礦行業具備產業規模大、分佈地域廣、安全性要求高等特點，而大部分煤礦系統都是獨立執行的，為了實現各個系統資料的有效利用和深度融合，以此達成預警、資料分析等目的，煤礦行業亟需智慧化賦能。在擁抱工業物聯網、人工智慧、大資料等新技術的同時，其智慧化發展道路也面臨著眾多挑戰：
- 一是，裝置管理層面的挑戰，隨著自動化程度越來越高，裝置複雜度和管理難度也逐步增大，如何保障裝置安全可靠的執行，提升裝置的利用率，促進裝置保值增值也成了挑戰之一；
- 二是，安全生產的挑戰，安全是根本，如何透過數字化手段，將人和物的不安全因素統一管理好，提升整體煤礦企業安全生產水平至關重要。

從以上挑戰出發，一些煤礦企業已經開始進行資料架構轉型實踐，也取得了一些進展，值得一提的是，時序資料庫（Time Series Database）在其中發揮了重要作用。本文將這些案例進行了相關彙總，供讀者參考。

[**TDengine x 智慧礦山系統**]( https://www.taosdata.com/user-cases/4983.html"TDengine x 智慧礦山系統")
> “我們以智慧礦山業務中的 5000 裝置、每天 1000 萬採集點的資料量級下，在以車建模和以位置建模結合的資料模型下，TDengine 的效能遠沒有達到極限，目前系統對於車和位置的查詢速度都在毫秒級。基於目前對 TDengine 的理解和使用經驗，我們計劃在環保監測和生產集控裝置場景中進一步使用它來完善系統。”

**業務背景**
元智資訊的智慧礦山專案需要一款資料庫來支撐起生產互動管控系統的採運排環節所有過程裝置的採集、儲存、計算和監控功能。這些資料涵蓋範圍廣，包括挖機、卡車的採集資料、排程管理資料、裝置 GPS 資訊、以及每一個固定位置工序的採集資料等。在 MySQL、InfluxDB、TDengine 的資料庫選型調研中，TDengine 脫穎而出（點選下方案例檢視具體原因）。

**架構圖**
![](http://img.blog.itpub.net/blog/2023/02/07/fdd4f58f6ebca9e0.jpeg?x-oss-process=style/bb)

點選【[案例]( https://www.taosdata.com/user-cases/4983.html"案例")】檢視更多技術細節

**[TDengine x 陝煤礦山專案]( https://www.taosdata.com/user-cases/4904.html"TDengine x 陝煤礦山專案")**

> “最終落地時專案採用了 3 個節點的叢集環境，定位裝置採用超級表進行管理，將資料標籤及資料型別作為 tag 區分各類定位裝置。每個定位裝置採用子表儲存，實際專案已包含 2 萬多個定位裝置。從寫入效能到查詢效能均大幅滿足現場實際需求：總計定位資料量超過 11 億條，資料壓縮後 TDengine 資料目錄佔用磁碟大約 12GB，整體壓縮率可以達到 3/100。”

**業務背景**
為打通煤礦生產環境中各類單一子系統之間的資料壁壘，實現各類子系統資料之間的互聯互通，陝煤開發團隊打造了全礦井數字化平臺。以位置資料為例，由於初期系統容量較小且硬體裝置上傳週期較大，所以採用了傳統的 SQL Server 資料庫來進行軌跡資料儲存。隨著後續專案迭代，硬體裝置定位精度提高且上報週期縮短，也導致資料庫儲存壓力增大。考慮到資料型別及特點，其決定使用時序資料庫，在 OpenTSDB、TDengine、InfluxDB 三款資料庫中做選型調研。

**架構圖**
![](http://img.blog.itpub.net/blog/2023/02/07/7b56c9aaf33d3572.jpeg?x-oss-process=style/bb)

點選【[案例]( https://www.taosdata.com/user-cases/4904.html"案例")】檢視更多技術細節

**[TDengine x 華夏天信露天煤礦]( https://www.taosdata.com/user-cases/1588.html"TDengine x 華夏天信露天煤礦")**

> “對於每個電機，客戶要求系統能夠快速讀取相關裝置屬性趨勢圖，這是我們發現 TDengine 最強大的地方：針對一天 2 萬條資料展示速度在 200ms 內。之所以 TDengine 對這類查詢速度飛快，主要是設計時按照裝置分表後，資料按塊儲存並按塊查出來，相對 Key-Value 型資料庫節省很多定址時間。”

**業務背景**
華夏天信 RED-MOS 露天煤礦智慧礦山作業系統，在對接某地面生產集控系統資料時，接入的監控點數量將近 1 萬 5 千點，其中接近 2300 點需要繫結組態顯示，即時頁面更新，整體資料採集到顯示到前端要求秒級展示及大資料量展示（歷史資料回溯），可展示 30 天的全量資料，點數量超過 50 萬條，讀取時間要求在 5~10 s，這對底層的資料庫提出了一個相當大的挑戰。

這種場景中，最大難點是要處理的資料量太大，而不是關聯關係複雜，因此 MySQL 這類關係庫的關聯查詢優勢其實無法發揮，而 HBase 這種大資料儲存方案對於礦山系統而言又太過龐大，且硬體資源要求很多，出於成本考慮也排除了。最終其選擇了 TDengine，解決了最為頭疼的歷史資料回溯效能問題。

**效果展示**
TDengine 能夠滿足大資料量展示的需求——可展示 30 天的全量資料，點數量超過 50 萬條，讀取時間要求 5 秒級。

![](http://img.blog.itpub.net/blog/2023/02/07/9e29925875a11477.jpeg?x-oss-process=style/bb)

點選【[案例]( https://www.taosdata.com/user-cases/1588.html"案例")】檢視更多技術細節

**結語**
對於礦山生產系統而言，安全是第一位的，基於此，各個生產環節和場地都要進行全面、有效的數字化監控，這些監控資料的特點就是時序、結構化、簡單但量大。作為時序資料庫賽道中的重量級選手，再從煤礦企業的實踐效果出發，TDengine 就是為助力煤礦行業智慧化發展而量身定做的資料庫。

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

想了解更多 [TDengine Database]( https://www.taosdata.com/?zh"TDengine Database")的具體細節，歡迎大家在[GitHub]( https://github.com/taosdata/TDengine"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)")

工業生產環境下，時序資料庫 TDengine 如何打造全面有效的數字化監控？

相關文章