共计 1905 个字符，预计需要花费 5 分钟才能阅读完成。
为实现发电、输电、变电、配电、用电的实时智能联动，电力行业开始在传统业务之上构建信息网络、通信网络、能源网络，使用云计算、物联网等新兴技术，大力发展数字化、信息化、智能化。在应答海量时序数据处理需要时，如关系型数据库、工业实时库、Hadoop 大数据平台在内的传统数据库解决方案问题重重，重大妨碍数字化过程。在此背景下，一些企业开始尝试进行数据架构革新，抉择适宜的时序数据库（Time Series Database，TSDB）产品，相干教训汇总如下：
TDengine x 中节能风力发电运维零碎
“目前基于 TDengine 咱们构建了中节能风电运维平台，应用后数据存储劣势显著，整体压缩比在 7-8 倍，数据查问也实现了秒级响应。将来咱们思考在每个风电场站的三区部署一个单节点 TDengine，作用不只是采集和转发，还要起到时序数据品质治理以及实时模型预测的性能；而在团体侧咱们会思考基于 TDengine 构建更多更简单的计算指标和高级模型；同时还要和任务调度引擎以及风电行业标准集成。”
业务背景
只管中节能风力发电股份有限公司具备成熟的风电开发和运维教训，但随着在建风场逐渐增多以及各类新型传感器的加装，传统运维形式越发吃力，重大限度业务倒退。顺应时代潮流，数字化智能化的需要越来越强烈，其迫切需要基于海量时序数据的数据平台来撑持繁冗的运维工作。
在选型调研工作中，中节能最后尝试应用传统的工控时序数据库（Time-Series Database），但随着测点数量的增多，单机版架构曾经有力撑持，前期他们尝试了 InfluxDB 和 OpenTSDB 等分布式架构的时序数据库，但性能又达不到要求。通过重复比照测试以及利用适配后，最终其选定 TDengine 作为数据平台的时序数据解决方案。
架构图
点击案例查看更多技术细节
TDengine x 上海电气储能智慧运维零碎
“在应用 InfluxDB 一周当前执行查问，内存使用率达到了 80%，并且过了十分钟也没进去后果，曾经齐全不适宜业务应用。而在应用了 TDengine 近 1 个月后，应用雷同的 SQL 语句，查问只须要 0.2 秒，体现十分优异。在压缩方面，在采集点数量雷同的状况下，压缩后的数据量 TDengine 是 InfluxDB 的 1/3.”
业务背景
围绕“一芯 3S”外围产品链，上海电气着手构建储能外围竞争力，“SmartOPS 储能智慧运维零碎”就作为其中的要害组成部分，旨在实现全面监测、预测性保护、热治理剖析等高级利用。在本地部署中，该零碎须要重点思考本地硬件资源的限度，如站端系统的内存、CPU 以及读写性能等，抉择适合的时序数据库成为破解问题的要害。在对 OpenTSDB、InfluxDB、Apache IoTDB、TDengine、ClickHouse 几款数据库进行比照测试后，其尝试在零碎中落地了 TDengine。
成果展现
点击案例查看更多技术细节
业务背景
在八五信息新能源电力物联网平台建设中，此前其应用 TimescaleDB，无论在读写性能，还是硬件资源上，都遇到了瓶颈，且该数据库没有集群性能。前面开始采纳 TDengine，存储和查问剖析物联网设施的实时数据，以及光伏设施传感器的遥测数据，需撑持至多 50000 台设施总计 400 万测点的实时数据接入、解决及存储，预计日增量 40 多亿条。
平台架构
点击案例查看更多技术细节
TDengine x 水电厂畸变波形剖析及故障预判零碎
“TDengine 在该我的项目中顺利投入使用，在现场运行环境的体现，如同咱们的验证测试一样，领有优异的写入能力和疾速的查问能力，能够无力地撑持系统对原始信号数据进行进一步的剖析与利用。”
业务背景
计算机监控零碎和机组稳定性监测剖析零碎，次要是从振动、气隙等状态量对主机设施的运行状态进行监测和评估，其外围需要是将全厂的电力系统各元件纳入零碎的监测，并存储高采样率的原始信号数据，初步估算全厂电力系统元件 1 天即可产生 1.7TB 字节数据量，数据存储难题横亘眼前，在通过重复比照测试后，其决定将 TDengine 正式引入该我的项目。
点击案例查看更多技术细节
写在最初
时序数据库的设计和优化都是依据时序数据特点而来，在面对物联网、时序场景的数据处理需要时，时序数据库显然更加有针对性，而以上企业的事实证明，在电力行业中，时序数据库的利用可能无效减少零碎的各方面性能，升高研发和运维老本，真正帮忙企业实现降本增效。
欢送增加小 T（VX：TDengine），退出物联网技术探讨群，第一工夫理解 TDengine 官网信息，与关注前沿技术的同学们独特探讨新技术、新玩法。
想理解更多 TDengine Database 的具体细节，欢送大家在 GitHub 上查看相干源代码。
