工业生产环境下，时序数据库 TDengine 如何打造全面有效的数字化监控？

Posted 2023-03-01 涛思数据（TDengine）

煤矿行业具备产业规模大、分布地域广、安全性要求高等特点，而大部分煤矿系统都是独立运行的，为了实现各个系统数据的有效利用和深度融合，以此达成预警、数据分析等目的，煤矿行业亟需智能化赋能。在拥抱工业物联网、人工智能、大数据等新技术的同时，其智能化发展道路也面临着众多挑战：

• 一是，设备管理层面的挑战，随着自动化程度越来越高，设备复杂度和管理难度也逐步增大，如何保障设备安全可靠的运行，提升设备的利用率，促进设备保值增值也成了挑战之一；

• 二是，安全生产的挑战，安全是根本，如何通过数字化手段，将人和物的不安全因素统一管理好，提升整体煤矿企业安全生产水平至关重要。

从以上挑战出发，一些煤矿企业已经开始进行数据架构转型实践，也取得了一些进展，值得一提的是，时序数据库（Time Series Database）在其中发挥了重要作用。本文将这些案例进行了相关汇总，供读者参考。

TDengine x 智慧矿山系统

“我们以智慧矿山业务中的 5000 设备、每天 1000 万采集点的数据量级下，在以车建模和以位置建模结合的数据模型下，TDengine 的性能远没有达到极限，目前系统对于车和位置的查询速度都在毫秒级。基于目前对 TDengine 的理解和使用经验，我们计划在环保监测和生产集控设备场景中进一步使用它来完善系统。”

业务背景

元智信息的智慧矿山项目需要一款数据库来支撑起生产交互管控系统的采运排环节所有过程设备的采集、存储、计算和监控功能。这些数据涵盖范围广，包括挖机、卡车的采集数据、调度管理数据、设备 GPS 信息、以及每一个固定位置工序的采集数据等。在 mysql、InfluxDB、TDengine 的数据库选型调研中，TDengine 脱颖而出（点击下方案例查看具体原因）。

架构图

点击案例查看更多技术细节

TDengine x 陕煤矿山项目

“最终落地时项目采用了 3 个节点的集群环境，定位设备采用超级表进行管理，将数据标签及数据类型作为 tag 区分各类定位设备。每个定位设备采用子表存储，实际项目已包含 2 万多个定位设备。从写入性能到查询性能均大幅满足现场实际需求：总计定位数据量超过 11 亿条，数据压缩后 TDengine 数据目录占用磁盘大约 12GB，整体压缩率可以达到 3/100。”

业务背景

为打通煤矿生产环境中各类单一子系统之间的数据壁垒，实现各类子系统数据之间的互联互通，陕煤开发团队打造了全矿井数字化平台。以位置数据为例，由于初期系统容量较小且硬件设备上传周期较大，所以采用了传统的 SQL Server 数据库来进行轨迹数据存储。随着后续项目迭代，硬件设备定位精度提高且上报周期缩短，也导致数据库存储压力增大。考虑到数据类型及特点，其决定使用时序数据库，在 OpenTSDB、TDengine、InfluxDB 三款数据库中做选型调研。

架构图

点击案例查看更多技术细节

TDengine x 华夏天信露天煤矿

“对于每个电机，客户要求系统能够快速读取相关设备属性趋势图，这是我们发现 TDengine 最强大的地方：针对一天 2 万条数据展示速度在 200ms 内。之所以 TDengine 对这类查询速度飞快，主要是设计时按照设备分表后，数据按块存储并按块查出来，相对 Key-Value 型数据库节省很多寻址时间。”

业务背景

华夏天信 RED-MOS 露天煤矿智慧矿山操作系统，在对接某地面生产集控系统数据时，接入的监控点数量将近 1 万 5 千点，其中接近 2300 点需要绑定组态显示，即时页面更新，整体数据采集到显示到前端要求秒级展示及大数据量展示（历史数据回溯），可展示 30 天的全量数据，点数量超过 50 万条，读取时间要求在 5~10 s，这对底层的数据库提出了一个相当大的挑战。

这种场景中，最大难点是要处理的数据量太大，而不是关联关系复杂，因此 MySQL 这类关系库的关联查询优势其实无法发挥，而 HBase 这种大数据存储方案对于矿山系统而言又太过庞大，且硬件资源要求很多，出于成本考虑也排除了。最终其选择了 TDengine，解决了最为头疼的历史数据回溯性能问题。

效果展示

TDengine 能够满足大数据量展示的需求——可展示 30 天的全量数据，点数量超过 50 万条，读取时间要求 5 秒级。

点击案例查看更多技术细节

结语

对于矿山生产系统而言，安全是第一位的，基于此，各个生产环节和场地都要进行全面、有效的数字化监控，这些监控数据的特点就是时序、结构化、简单但量大。作为时序数据库赛道中的重量级选手，再从煤矿企业的实践效果出发，TDengine 就是为助力煤矿行业智能化发展而量身定做的数据库。