工业互联网为什么需要时序数据库TrendDB？

全球工业互联网的发展呈现出关键技术加速突破、基础支撑日益完善、融合应用逐渐丰富、产业生态日趋成熟的良好态势。工业互联网融合了大数据、物联网和云计算等先进技术，使得传感器、PLC等工业设备产生的海量数据存储、分析成为可能，时序数据库是工业数据存储和分析的重要工具。

1.工业数据成为工业互联网发展痛点

一般而言，工业数据70%以上是时序数据，工业时序数据的典型特点主要包括：

· 产生频率快，数据量大

工业场景数据都是传感器、PLC等的实时数据，这些工业数据采集基本为秒级，部分高频数据采集为毫秒or微秒级。假如1个传感器每秒产生10Byte数据，1台安装有100个传感器的工业设备，每秒就会产生1K左右的数据，如果有1000台大型设备，那么每秒就会产生1M的数据，一天的数据量就接近100G。

· 数据由时间驱动产生

工业数据每一个采集点，每秒可产生多条数据，且每一条数据要有时间属性，而且时间驱动的时序数据处理系统没有业务的波峰、波谷，对系统的可靠性和处理速度要求高。

所以工业数据的一个非常明显的特点就是和时间有关，这种“数据膨胀”带来的存储压力，已经成为工业互联网和数字化发展的痛点之一。

当下，人们应对快速增长的时序数据的方式或采用开源免费时序数据库，或使用国外商业时序数据库，或关系型数据库，然而却存在各种各样的问题。

· 开源产品的大阻力就是很难直接产品化应用，需要进行产品、模块组合，二次开发解决一些问题或者优化某些组件，总体来看“免费并不便宜”。

· 目前工业领域，传统时序数据库在过去的一段时间基本上被国外厂家所垄断，价格昂贵且进行功能扩展成本更高，不能提供个性化的服务。

· 关系型数据库经过一定的配置虽然也能够存储时序数据，但要面对存储、查询、聚合、展示等各种问题。

朗坤认为时序数据库是工业互联网平台中不可或缺的部分。朗坤拥有自主知识产权的时序数据库TrendDB具有高可靠、高性能、可扩展、可开发等优势，能与工业互联网平台其他组件无缝有机整合，有力的推动工业互联网生态的发展。

2.时序数据库TrendDB核心价值

· 专业化的多级缓存数据压缩技术，实现实时存储海量数据少维护

朗坤时序数据库TrendDB采用了过程化数据压缩方法（数据有损压缩算法）和编码无损压缩方法，分别对过程数据和存储的数据来进行压缩处理。在压缩的流程中使用了二次压缩技术，来实现压缩率的大化。

TrendDB数据存储的平均压缩比可以达到50:1，已经远超出国外一般实时历史数据库软件的10:1的压缩比，极大的提高了客户存储利用率以及数据存储效率。

· 强大的分布式技术，实现系统无限点扩展

朗坤时序数据库TrendDB拥有多样化的部署方案，支持云部署、分布式部署，可用性高。朗坤时序数据库TrendDB采用的先进的分布式技术，支持在单机上进行应用服务的扩展，也支持采用多台服务器进行多站点的扩展，使得测点上限支持达到无限点，并在超大测点容量情况下可以使数据处理效率成倍的提升。

TrendDB可以支持在线的站点扩展，不需要重启服务器，通过简单的安装配制，即可完成数据库的站点扩展，使运维工作简单易行。

· 完善的数据查询接口和计算引擎技术，实现定制化应用分析

朗坤时序数据库TrendDB提供完整的信息功能接口，支持多种聚合查询，包括趋势分析拟合、时间段数据求和和求平均，且全面支持主流开发语言如Java，C/C++，Python，C#等进行二次开发，通过高效的动态链接计算引擎技术，实现高性能的实时计算，同时支持完全符合OpenAPI标准的Restful接口。

· 丰富的应用套件，实现数据的全方位管理

功能丰富的管理工具和开发工具结合，实现对实时数据的全面管理，并对数据库的运维提供帮助。朗坤时序数据库TrendDB配备了完善的二次计算组件、组态工具组件、建模工具组件等，方便对数据进行集成开发和展示，同时通过控制中心、性能监控、备份管理等服务，提高数据的安全性和可维护性。

提供趋势分析、历史回放、报警服务等基础分析应用，实现对数据的全面分析，并对应用扩展提供支撑。实时历史数据通过曲线分析功能进行直观展示，实时刷新跟踪趋势；报警服务能够对设备启停、参数异常、设备故障等事件进行综合管理，时间触发报警；生产人员可在实时数据库保存的历史数据周期内，调用任何时间段内的画面监控回放，分析历史工况。

3.朗坤时序数据库TrendDB如何实现客户价值

朗坤时序数据库TrendDB目前已经在设备历史数据管理、设备在线故障监控、设备故障预测模型等方面得到了成功的应用，实现了数据资产挖掘、运营优化等客户价值。

· 设备历史数据多维管理，为辅助决策提供数据支撑

在工业领域，大量工业设备产生的海量传感器数据，大多以归档的方式存放在存储设备中，无法为企业形成有效的应用和价值。朗坤时序数据库TrendDB通过专业的数据统计分析工具，实现了工厂运行状况的实时分析、定量分析、长期跟踪分析，这些数据进行分析和挖掘以求更深层次价值，帮助企业激活这些沉睡的数据。既是工厂管理层的性能优化平台，也是集团管控分析的数据基站。

· 全面厂级监视应用，支持设备在线故障监控

传感器、PLC等工业设备产生的海量数据，大部分都是日志数据，记录了这些设备的运行状态和状况，厂级监视应用通过组态设计、数据采集、画面发布三步实现对测点信息、趋势、报警全面融合的可视化监视，运行数据的复杂计算和聚合指标，进行实时的仪表盘展现，进而迅速找到故障根源。

· 数字化建模技术支撑设备故障预测模型的构建

利用朗坤时序数据库TrendDB对工业设备时序数据进行存储、分析，在实现对相关部件进行在线故障的监控和诊断的基础上，结合海量历史数据的挖掘，工业企业可以发现故障规律，进一步准确、快捷地完成故障预警模型的构建，进而实现根源上的故障预测。

时序数据库TrendDB通过对实时数据采集和应用，支撑企业构建厂级监控系统、制造执行系统、能源管理系统等等，广泛应用于电力、石化、冶金、煤矿、装备、交通、环境等领域，是智慧工厂、智慧城市大数据的核心之一。

来源 https://ishare.ifeng.com/c/s/7lhpLUCNwoq