電(dian)力行業是一個龐大(da)復(fu)雜的(de)(de)(de)行業，不僅包含發(fa)電(dian)、輸電(dian)、變電(dian)、配(pei)電(dian)、和用(yong)電(dian)各(ge)(ge)種(zhong)流程，而且還涉及到傳統能(neng)源發(fa)電(dian)和可再生能(neng)源發(fa)電(dian)的(de)(de)(de)新舊電(dian)網的(de)(de)(de)融合。因此，它的(de)(de)(de)各(ge)(ge)種(zhong)控制、監控、管理(li)、調(diao)度等平(ping)臺的(de)(de)(de)技術邏輯(ji)都在(zai)慢慢發(fa)生著(zhu)重大(da)的(de)(de)(de)變化。

比如，對于(yu)太(tai)陽能(neng)發(fa)(fa)電(dian)(dian)來說：因(yin)(yin)為光伏組件數(shu)量(liang)多且(qie)分布廣泛，因(yin)(yin)此太(tai)陽能(neng)發(fa)(fa)電(dian)(dian)的設備(bei)和(he)數(shu)據采集點數(shu)量(liang)相(xiang)對傳(chuan)統發(fa)(fa)電(dian)(dian)行(xing)業(ye)相(xiang)比會非常(chang)多。并且(qie)，結合過往數(shu)據，可(ke)以進行(xing)針對性分析，從而優(you)化發(fa)(fa)電(dian)(dian)效率和(he)發(fa)(fa)電(dian)(dian)策略，緩解(jie)太(tai)陽能(neng)發(fa)(fa)電(dian)(dian)不穩定的問題。因(yin)(yin)此，僅這一個場景上，新(xin)電(dian)(dian)力(li)行(xing)業(ye)就衍生出了：

需(xu)要存儲(chu)的數(shu)據點位多(duo)，采(cai)集頻率高(gao)，數(shu)據有(you)長期存儲(chu)等(deng)場景。

顯然傳統的數據處理方案（關系庫、實時庫、hadoop）難以滿足這些數據的處理需求。他們或是無法存儲過多數據會有顯著的性能下滑，或是無法高效讀取歷史數據進行分析，或是組件繁多難以維護，總之，困難種種。因此，為了應對這些挑戰，越來越多的電力企業開始引入時序數據庫 TDengine 來改造系統數據架構。

這(zhe)些電(dian)力(li)設備產生的(de)(de)時序數(shu)(shu)(shu)據(ju)(ju)本身就是典(dian)型(xing)的(de)(de)流(liu)式數(shu)(shu)(shu)據(ju)(ju)，對每一(yi)個(ge)流(liu)來說，時間戳都是遞增且不會有(you)(you)重復的(de)(de)。因此(ci)，TDengine 把一(yi)個(ge)數(shu)(shu)(shu)據(ju)(ju)流(liu)（表）的(de)(de)數(shu)(shu)(shu)據(ju)(ju)都放在(zai)了一(yi)起，利用數(shu)(shu)(shu)據(ju)(ju)天然有(you)(you)序的(de)(de)這(zhe)一(yi)特(te)點，把數(shu)(shu)(shu)據(ju)(ju)的(de)(de)寫入變(bian)成最(zui)簡單的(de)(de)追加操作(zuo)。做到了在(zai)相(xiang)同資源下，單個(ge)數(shu)(shu)(shu)據(ju)(ju)流(liu)上最(zui)好的(de)(de)寫入效(xiao)率。

在(zai)此(ci)基礎上，TDengine 又使(shi)(shi)用(yong)標準的分布式架構，使(shi)(shi)得(de)數(shu)據庫可以輕松(song)地做到動態擴展，并(bing)能讓所有的cpu核心并(bing)行讀寫。而(er)為了防止(zhi)硬盤的讀寫瓶頸，又可以使(shi)(shi)用(yong)多級存(cun)儲(chu)為不同的存(cun)儲(chu)路(lu)徑(jing)，同時掛載不同的硬盤并(bing)發工(gong)作。最后，基于列式數(shu)據的二(er)級自定義壓縮得(de)存(cun)儲(chu)方式，使(shi)(shi)得(de) TDengine 壓縮率表現也尤為出眾。

因此，TDengine 以全新的(de)設計，憑一己(ji)之力，同時解決了實時庫(ku)/關系庫(ku)/傳(chuan)統(tong)大數(shu)據(ju)處理架構(gou)在(zai)電力行業(ye)場景的(de)弊病，成為了新一代電力行業(ye)的(de)時序(xu)大數(shu)據(ju)平臺(tai)。

下面這(zhe)個案例，便是 TDengine 在電力行(xing)業的(de)典型(xing)應用：

作(zuo)為(wei)全(quan)國(guo) 500 強企業，明陽集團(tuan)在(zai)風(feng)電(dian)行(xing)業擁有領(ling)先(xian)實力。在(zai)“明陽集團(tuan)能(neng)源(yuan)大數(shu)(shu)據(ju)應(ying)用系(xi)統”的(de)(de)風(feng)電(dian)項目中，該客戶(hu)目前共接入萬臺左右的(de)(de)風(feng)電(dian)機組(zu)，每(mei)個機組(zu)配備(bei)數(shu)(shu)百(bai)至上千(qian)個監測點，生(sheng)成的(de)(de)時序數(shu)(shu)據(ju)每(mei)秒一條。僅僅當天，就會產生(sheng)億級以(yi)上的(de)(de)能(neng)源(yuan)數(shu)(shu)據(ju)量。

這(zhe)些數(shu)據(ju)(ju)需要(yao)實時或定期(qi)集中存儲，以(yi)支(zhi)持風機的(de)集中監控和數(shu)據(ju)(ju)分析等業(ye)務應(ying)用，實現數(shu)據(ju)(ju)轉化為價(jia)值的(de)目標，顯然是(shi)傳統實時庫(ku)(ku)/關(guan)系(xi)庫(ku)(ku)/大(da)數(shu)據(ju)(ju)架(jia)構所不能支(zhi)撐的(de)。

針(zhen)對項目現場風機的數(shu)(shu)據(ju)采(cai)集工作，明陽集團采(cai)取了兩(liang)種方案(an)，一(yi)種方案(an)是(shi)通過(guo)網(wang)絡實時傳輸到(dao)(dao)大數(shu)(shu)據(ju)中心，寫入(ru) TDengine。另一(yi)種方案(an)則是(shi)按(an)照(zhao)一(yi)定(ding)的時間周期，接到(dao)(dao)數(shu)(shu)據(ju)文件拷(kao)貝后，再(zai)寫入(ru) TDengine 集群。

明(ming)陽(yang)集(ji)團使用(yong)了(le)(le) 6 臺 24GB 內存 4 核 CPU 10T 硬盤的(de)服務器搭(da)建(jian)了(le)(le) TDengine 3.0 的(de)單副本集(ji)群。目(mu)前已經(jing)接入了(le)(le) 10000+ 臺風電機(ji)，建(jian)庫 400 余個。保存數(shu)(shu)據量總計 40+ 億行，每行平均(jun)測點（列數(shu)(shu)）700+，磁盤占用(yong) 24TB，粗略估算，壓縮比(bi)達到 10% 以內。

風電機作為一(yi)種(zhong)利用風能來產生電力(li)的大型設備。需要(yao)監(jian)控的指標十分之多。因此(ci)，在建模(mo)環節(jie)就有不(bu)小的難度(du)。以下是(shi)一(yi)個 describe 超級表的輸出，達(da)到了(le) 884 列。

寬列表和(he)常規的窄列表在使用上有(you)很多的差別，很多參(can)數配置都是不一樣的。在此基(ji)礎之上檢測風電機設備的各個點的最新狀態。

在“明陽集團能源大數(shu)(shu)據應用系統”中，TDengine 起到(dao)了關(guan)鍵作(zuo)用，實現了數(shu)(shu)據的(de)(de)高效存儲與(yu)處理。通過底(di)層的(de)(de)數(shu)(shu)據分片分區策略，TDengine 能夠靈(ling)活地動態擴展(zhan)資源，避免資源瓶頸問題。