在做設(she)備(bei)預測性維護或(huo)能源(yuan)管理(li)(li)分析(xi)時(shi)，你是否也曾(ceng)思考(kao)過：如何才能讓機器“理(li)(li)解(jie)”我們收(shou)集的大量時(shi)序數(shu)據(ju)？工業現場(chang)的數(shu)據(ju)是結構化的，而語義分析(xi)、知識推(tui)理(li)(li)卻往往需要 RDF 等圖譜格式。換句話說，“會說話”的數(shu)據(ju)更(geng)聰明，但“翻譯”的門檻太高。
時序數據庫 TDengine 最近完成了一項全新集成——連接 Ontop，一個開源的(de)(de)虛擬知識圖譜系統，實現時序(xu)數據(ju)向知識圖譜的(de)(de)自動轉化，帶(dai)你一步邁入語(yu)義化分析的(de)(de)新世界。
時序數據庫 × 知識圖譜 = 可理解的數據智能
Ontop 由(you)意(yi)大利博(bo)爾扎諾自由(you)大學開(kai)發，它(ta)可(ke)以將傳統關系型(xing)數(shu)據(ju)庫中的(de)數(shu)據(ju)虛擬成 RDF 格式，支持用 SPARQL 語言進(jin)行語義(yi)化查詢。現在，它(ta)也支持 TDengine 了。這意(yi)味著，只需配置映射規(gui)則，無(wu)需遷移數(shu)據(ju)，你(ni)就可(ke)以直接用“知識圖譜”的(de)方式分析 TDengine 中的(de)時序(xu)數(shu)據(ju)。
比(bi)如，在一個智(zhi)能電表場景(jing)中，用戶(hu)可(ke)以查詢“過去十分鐘內電壓超過 240V 的(de)(de)設備位置”，甚至做(zuo)出基于語義(yi)的(de)(de)多維推理。這種能力將傳統的(de)(de)結構化數據推上了“可(ke)理解(jie)”的(de)(de)新臺階，也為(wei) AI 和 LLM 的(de)(de)接入(ru)打開了大門。
三步接入，讓你的時序數據“開口說話”
如何將 TDengine 接入 Ontop？你(ni)只需(xu)要三步：
- 準備好 TDengine 集群和 taosAdapter，并安裝 JDBC 驅動；
- 配置好連接信息（db.properties）和映射文件（db.obda），定義你的 SQL 到 RDF 映射邏輯；
- 啟動 Ontop 服務，打開瀏覽器進入 SPARQL 查詢頁面，就能看到時序數據“說話”的樣子了。
舉(ju)個(ge)例子(zi)：用(yong) taosBenchmark 生成 10 萬條模擬電(dian)(dian)表數據，再用(yong) SPARQL 查(cha)詢其中(zhong)電(dian)(dian)壓(ya)異(yi)常(chang)的記錄，幾秒鐘就能獲得帶(dai)時(shi)間戳、相位(wei)、位(wei)置等信息的“知識化(hua)”結果，直觀清晰，還能繼(ji)續做語義推理。
注意：目前 Ontop 對(dui) TDengine 的支持(chi)已合入(ru) version5 分支，需(xu)從源(yuan)碼(ma)構建。
完整教程直達 ：
結語：我們的使命就是讓數據更“聰明”
TDengine 一直(zhi)在做的(de)(de)，不只是存儲數據(ju)、加速查(cha)詢，更重(zhong)要(yao)的(de)(de)是降低數據(ju)智(zhi)能的(de)(de)門檻。我(wo)(wo)們希望(wang)，哪怕是不懂(dong)建(jian)模、不擅(shan)長(chang)代碼(ma)的(de)(de)用戶，也(ye)能用最自(zi)然的(de)(de)方(fang)式，問(wen)出最關(guan)鍵的(de)(de)問(wen)題。通過與 Ontop 的(de)(de)集成，我(wo)(wo)們把(ba)傳統時序數據(ju)拉進了(le)語(yu)義化(hua)世界，也(ye)為工業 IoT、智(zhi)慧(hui)城(cheng)市、能源管理(li)等(deng)場景打(da)開了(le)新(xin)思路(lu)。下一步，就看(kan)你如何“提問(wen)”了(le)。
