長期以來(lai)(lai)，工業軟(ruan)件領域一直是傳統國外軟(ruan)件的(de)天下(xia)，PI 和 Wonderware 就是其中的(de)佼佼者。近年來(lai)(lai)，隨著國內軟(ruan)件替(ti)代浪潮(chao)和大(da)批互(hu)聯網(wang)技術向傳統行業的(de)技術溢出，這個(ge)市場(chang)正在開始發(fa)生巨大(da)的(de)變化。
以工業時序數據庫（Time Series Database，TSDB）領域為例，已(yi)有多家大型(xing)工(gong)業企業將原來(lai)的(de) Wonderware InSQL/Historian 替換為新(xin)(xin)一(yi)(yi)代開源時序(xu)數(shu)據庫 TDengine。到底(di)是什么深(shen)層次的(de)原因(yin)驅動著這(zhe)個(ge)變化的(de)發生？作為新(xin)(xin)一(yi)(yi)代的(de)時序(xu)數(shu)據庫產品，TDengine 具有哪些優(you)勢？讓我(wo)們接下來(lai)做(zuo)一(yi)(yi)些深(shen)入的(de)分(fen)析。
真實替代案例
某大型(xing)卷煙廠(chang)，通過引(yin)入 TDengine，重構了(le)(le)其移動平臺及 MES 現(xian)場(chang)操(cao)作(zuo)站架構，重點(dian)打造了(le)(le)“一部手機(ji)管生產”，以打通企業內部不(bu)同層級、不(bu)同系(xi)統之間(jian)的數據壁壘(lei)，實現(xian)對內支撐業務(wu)應(ying)用和管理決策、對外提供數據共享及服務(wu)能力(li)。就具體成果而言，他們打造了(le)(le)基于二維碼的產品全生命周期系(xi)統和質量風險預(yu)警系(xi)統。大大提高了(le)(le)系(xi)統性(xing)能，降低了(le)(le)存儲(chu)和計算成本，加速了(le)(le)其數字化進(jin)程。
某鋼鐵冶金企業的(de)能(neng)源(yuan)(yuan)介質監控項(xiang)目中，僅一期電力(li)(li)能(neng)源(yuan)(yuan)設備每天產生的(de)數據(ju)量就(jiu)在 3000 萬條以(yi)上；項(xiang)目二期還會有幾(ji)千個(ge)流量設備接入，整個(ge)系統數據(ju)點(dian)也將(jiang)遠超 50000 點(dian)，每天產生的(de)數據(ju)量預估在 1 億(yi)條左右。為了(le)解決(jue)如(ru)此大數據(ju)量帶來的(de)數據(ju)存(cun)儲(chu)挑戰(zhan)以(yi)及原方案性(xing)能(neng)不足的(de)問題，他們(men)使用(yong)了(le) TDengine，結果是取(qu)得了(le)明(ming)顯的(de)效(xiao)果，數據(ju)讀寫能(neng)力(li)(li)也得到了(le)極(ji)大提升(sheng)。
傳統工業時序數據處理應用現狀
對(dui)于工業生(sheng)產中(zhong)大量的(de)(de)典型時序數據，企(qi)業數字(zi)化的(de)(de)早期(qi)，因(yin)海(hai)外軟件有先發優勢，很多(duo)企(qi)業選擇了 Wonderware InTouch + InSQL/Historian 的(de)(de)解(jie)決方案。但是隨著業務的(de)(de)發展(zhan)(zhan)，生(sheng)產中(zhong)需要監測(ce)的(de)(de)指標從幾萬個(ge)增加(jia)到幾十(shi)萬甚至百萬個(ge)以上，原有的(de)(de)時序數據庫在擴展(zhan)(zhan)能力上遇到了瓶頸。
幾個主要(yao)的挑戰如下：
- 非國產化：在復雜的國際形勢下，存在一些不確定性
- 封閉性：很多軟件是閉源的，而且處于自己的封閉體系之下，擴展性差
- 高度復雜度：需要采購一系列產品組合
- 高成本：采購價格昂貴、功能擴展需要額外付費，依賴 Windows、SQL Server 等其他軟件，會產生額外的采購成本
- 服務響應慢：國外產品普遍服務響應不及時，反饋經常以天為單位，服務保障性差
新一代時序數據庫 TDengine
面對上述挑戰(zhan)，從多家企(qi)業(ye)的(de)替換經(jing)驗中，我們可以(yi)看到(dao) TDengine 時序數(shu)(shu)(shu)據(ju)庫(ku)在提(ti)升(sheng)數(shu)(shu)(shu)據(ju)存取效率、打破傳統數(shu)(shu)(shu)據(ju)孤島(dao)、提(ti)升(sheng)數(shu)(shu)(shu)據(ju)有效利(li)用率方(fang)面都為(wei)企(qi)業(ye)的(de)數(shu)(shu)(shu)字(zi)化提(ti)供了(le)實質性的(de)幫助。作(zuo)為(wei)專為(wei)海(hai)量時序數(shu)(shu)(shu)據(ju)場景(jing)而設計研發的(de) TDengine，提(ti)供了(le)如(ru)下核心功(gong)能：
- 云原生（Cloud Native）：
- 時序數據與元數據處理全部采用分布式技術，實現計算和存儲分離，具備水平擴展能力，存儲和計算資源可動態擴容或縮容
- 支持 10 億個時間線，支持 100 個以上節點，整個集群的啟動速度可以控制在一分鐘以內，完全解決時序數據業內的 High Cardinality 的問題
- 支持多副本，保證系統的高可用，另外通過 WAL 來保證數據存儲的高可靠
- 支持容器和 Kubernetes 部署，具備完善的可觀測性（Observability），讓系統的運營維護變的輕松簡單
- 極簡時序數據平臺（Simplified Solution）：
- 支持消息隊列，而且對外提供的 API 與 Kafka 類似，無學習成本
- 支持流式計算，除連續查詢外，也支持事件驅動的流計算，采用 SQL 語法，支持自定義函數，讓流計算的學習成本幾乎為零
- 支持緩存，每條時間線的最新數據全部緩存，通過 SQL 函數就可快速獲取，無需再集成 Redis 等緩存軟件
- 通過對緩存、流式計算、消息隊列的支持，采用 TDengine 的時序數據處理系統，不再需要集成Kafka、Redis、Spark 和 Flink 等軟件，技術架構將大為簡化，部署、運營維護成本將大為降低
- 便捷的數據分析（Easy Data Analytics）：
- 重新設計了計算引擎，支持標準 SQL，支持嵌套查詢，支持自定義函數，支持 Information Schema 系統數據庫
- 針對時序數據的處理進行擴展，提供了眾多時序數據分析功能
- 通過標簽快速索引，通過分區、分片技術，通過計算節點的彈性伸縮，支持對海量時序數據的多維度的高效聚合分析
- TDengine 不僅能實時地處理數據的寫入和查詢，也能作為強大的時序數據分析工具
在方便部署，簡(jian)化(hua)整體架構的同時(shi)，憑(ping)借其高(gao)性能(neng)、高(gao)壓縮率，TDengine 還可以(yi)極大降低企業的總(zong)體擁(yong)有成本。
TDengine 落地實踐與收益
前文已提到，TDengine 本身可以作為一個極簡(jian)的時序數(shu)據(ju)平臺，不需要(yao)再集(ji)成 Kafka、Redis、Spark 和(he) Flink 等(deng)(deng)軟件，大(da)大(da)簡(jian)化了系(xi)統架構(gou)。所以引入(ru) TDengine 的系(xi)統架構(gou)會非常簡(jian)單，采集(ji)的數(shu)據(ju)可以通過 OPC Client 等(deng)(deng)模塊直接寫入(ru) TDengine，應用端則直接通過 TDengine 的用戶界(jie)面(mian)或編程接口獲(huo)取數(shu)據(ju)，支(zhi)持工作報警、實時大(da)屏(ping)、MES 系(xi)統和(he)報表分析等(deng)(deng)業務。
引入(ru) TDengine 之后，搭建云上的(de)數(shu)據中臺更為(wei)(wei)輕松(song)了，TDengine 開源、開放的(de)特(te)質，也為(wei)(wei)信息化水(shui)平的(de)進一步提升(sheng)打下了良(liang)好(hao)的(de)基礎。
未來已來，如果你還在使用 Wonderware InSQL/Historian，而且正(zheng)受限于可擴展(zhan)能力等(deng)各方面限制(zhi)，歡迎體驗云(yun)原生(sheng)、開源的 TDengine。
