在工業領域， 生產、測試、執行階段都可能會產生大量帶有時間戳的感測器資料，這都屬於典型的時序資料。時序資料主要由各型別實時監測、檢查與分析裝置所採集或產生，涉及製造、電力、化工、工程作業等多個行業，具備寫多讀少、量非常大等典型特性。如 Apache HBase、MySQL 等網際網路公司常用的資料庫在寫入、儲存、查詢、運維等方面都暴露出了諸多問題。這種情況下，從業務發展的角度出發，資料架構改造成為了當務之急。

本文彙總了包括西門子、美的、拓斯達、和利時在內的四家比較具有代表性的工業企業的架構改造案例，一起來看看他們都是如何做的，改造效果是否達成了預期。

**西門子 x TDengine**

> “從高效能、高可用、低成本、高度一體化幾個目標出發，我們發現 TDengine 正好符合產品重構所有的要求，尤其是低成本和高度一體化這兩個點，這是目前絕大部分資料平臺或時序資料庫都不具備的。在確定選擇 TDengine 作為系統的資料庫後，我們在 SIMICAS® OEM 2.0 版本中移除了Flink、Kafka 以及 Redis，系統架構大大簡化。”

**業務背景**
SIMICAS® OEM 裝置遠端運維套件是由 SIEMENS DE&DS DSM 團隊開發的一套面向裝置製造商的數字化解決方案。在其 1.0 版中，團隊使用了 Flink + Kafka + PostgreSQL + Redis 的架構，因為引入了 Flink 和 Kafka，導致系統部署時非常繁瑣，伺服器開銷巨大；同時為了滿足大量資料的儲存問題，PostgreSQL 中不得不做分庫分表操作，應用程式較為複雜。這種情況下，如何降低系統複雜度、減少硬體資源開銷，幫助客戶減少成本，成為研發團隊的核心任務。在調研過程中，TDengine 脫穎而出。

**架構圖**

![](http://img.blog.itpub.net/blog/2023/02/14/882edde06c2d21e9.jpeg?x-oss-process=style/bb)

點選[案例]( https://mp.weixin.qq.com/s?__biz=MzUzNjEwNDQ2OA==&mid=2247488134&idx=1&sn=c5fb54bc5e16c1f55d9de0628b46d688&chksm=fafa09fdcd8d80eb7ffb0fce67ad537571ed1b59a720bc42fbd2e487dfc37f1c7065955f7ae7&scene=21#wechat_redirect"案例")檢視更多技術細節

**美的 x TDengine**

> “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。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。”

**業務背景**
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，iBuilding 在資料庫選型上比較謹慎，分別對比了關係型資料庫（Relational Database）以及主流的時序資料庫（Time Series Database），包括 InfluxDB、TDengine、MySQL 等，因為在需求上更偏向於高效的儲存和大範圍時間的資料拉取，iBuilding 在綜合評估了適配、查詢、寫入和儲存等綜合能力後，最終選擇了 TDengine。

**架構圖**

![](http://img.blog.itpub.net/blog/2023/02/14/baa2e6dda8c11d52.jpeg?x-oss-process=style/bb)

點選[案例]( https://mp.weixin.qq.com/s?__biz=MzUzNjEwNDQ2OA==&mid=2247488134&idx=1&sn=c5fb54bc5e16c1f55d9de0628b46d688&chksm=fafa09fdcd8d80eb7ffb0fce67ad537571ed1b59a720bc42fbd2e487dfc37f1c7065955f7ae7&scene=21#wechat_redirect"案例")檢視更多技術細節

**拓斯達 x TDengine**

> “執行一段時間後，TDengine 的查詢、寫入速度完全可以滿足我們目前的客戶需求，最慢的分鐘級，最快的能達到 1 秒一條；一個裝置一天最多能寫入近十萬條資料，近千個裝置同時寫入也完全沒有問題，相較於之前，寫入速度提升了數十倍。查詢資料在以月為單位的時間範圍內也沒有過於明顯的延遲，整體的資料壓縮比大概是 1/10，目前每天產生的資料量在數 G 左右。”

**業務背景**
在拓斯達的業務中，傳統的關係型資料庫已經無法高效處理時序資料，在載入、儲存和查詢等多個方面都遇到了挑戰，主要問題包括寫入吞吐低、儲存成本大、維護成本高、查詢效能差。為了更好地滿足時序資料的處理需求，拓斯達開始進行資料庫選型調研，他們發現，TDengine 專為時序資料庫所打造和最佳化的寫入、儲存、查詢等功能，非常匹配工業感測器資料的應用分析場景，最終其使用 TDengine 搭建了新的資料處理架構。

**架構實現思路**
透過閘道器採集裝置資料推送到 MQTT，Java 後端監聽到後會寫入 TDengine，在後端按需求查詢處理後再把資料返回給前端。具體來說，閘道器會先讀取後臺釋出的上行規則，在採集到裝置資料後，使用上行規則對資料進行處理計算後再將結果返回給下行規則模組，後臺監聽到後，會連線 TDengine 進行資料庫表的建立修改和資料寫入。之前在雲平臺拓斯達使用過 Kafka 進行資料的釋出訂閱，現在所有環境都改為 MQTT 了。

點選[案例]( http://mp.weixin.qq.com/s?__biz=MzUzNjEwNDQ2OA==&mid=2247487577&idx=1&sn=9ec66cb7d29e573f5e26608e1723bb18&chksm=fafa0b22cd8d82346b5c5aeec15d77bbd43af4d44c209396009638d501ee984938c25295e6f6&scene=21#wechat_redirect"案例")檢視更多技術細節

**和利時 x TDengine**

> “在測試階段，我們發現，同等條件下，TDengine 的壓縮率最高，資料佔用的儲存空間最小；在原始資料查詢上，OpenTSDB 最慢，TDengine 與 HolliTSDB 在伯仲之間；在聚合查詢操作上，TDengine 最快，HolliTSDB 的速度和 InfluxDB 相當，OpenTSDB 最慢。同時，InfluxDB 只能單機部署，叢集版本並未開源，且查詢效能存在瓶頸，其 QPS 約為 30-50。”

**業務背景**
在物聯網場景下，面對龐大的時序資料處理需求，Oracle、PostgreSQL 等傳統關係型資料庫越來越吃力，因此和利時開始進行時序資料庫的選型，對包括 InfluxDB、OpenTSDB、HolliTSDB（和利時自研時序資料庫）和 TDengine 在內的四款時序資料庫進行了選型調研及相關測試。測試結果顯示，在同等條件下，TDengine 在查詢、儲存等方面均優於其他幾款資料庫，最終和利時決定接入 TDengine，以享受更多元的本地化支援和響應。

**架構圖**

![](http://img.blog.itpub.net/blog/2023/02/14/f790e1968cf35992.png?x-oss-process=style/bb)

點選[案例]( https://mp.weixin.qq.com/s?__biz=MzUzNjEwNDQ2OA==&mid=2247486693&idx=1&sn=9372f0e2cc9b8175b297711bf229c0ac&chksm=fafa179ecd8d9e886b5fe2ba7d673ae6cb27752941fbc6255cdb71aa508a2780e44dcae98d4d&scene=21#wechat_redirect"案例")檢視更多技術細節

**結語**
從以上案例中不難看出，在工業網際網路場景下，面對龐大的時序資料處理需求，專業的時序資料庫顯然比傳統的關係型資料庫效果更加明顯，上述企業案例在架構改造之後，確實達到了更高程度的降本增效。如果你有同樣的困擾，歡迎新增小T微信，可以邀請你進入TDengine 使用者交流群，和專業的解決方案架構師點對點溝通。

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

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)")

為什麼西門子、美的等企業這樣進行架構升級，看看改造效果就知道了

相關文章