共计 2767 个字符，预计需要花费 7 分钟才能阅读完成。
作者：李凯 蓝深远望
小 T 导读：蓝深远望致力于服务政府及大型国有企事业单位的数字化转型，联合大数据、数字孪生、区块链、网络安全等核心技术，为政府运行、社会服务、城市治理、公共安全、基层治理等畛域，提供智能场景利用、平安治理、数据经营与产品服务，赋能数字政府翻新建设，为各行业利用场景提供撑持服务。
随着科技的倒退与人民生存程度的进步，电机在工业生产和人民生存中利用越来越宽泛，如工业机器、空调、电梯等。电机的保护成为影响生产效率和生产平安的一项重要事宜。而且在一些环境恶劣的场合，用户更偏差于近程保护。
为了满足这些需要，咱们研发了电机物联网监测预警与预测性保护平台。该平台通过传感器、物联网关，采集各电机设施的运行数据以及频谱波形数据，联合大数据建模剖析，可能及时发现潜在隐患，实现预测性保护。
一、现状与痛点
电机物联网监测数据类型多、采集频率高，在我的项目总体设计的初期，咱们打算采纳传统关系型数据库进行存储。当设施数量较少时（低于 100 台），基于传统关系型数据库的计算函数、多表关联等解决形式，可能满足业务要求。然而思考到将来接入的电机数量会越来越多（5000 台以上），设施的测点也会越来越多，平台问题也就会越发严厉。具体能够演绎为如下两个方面。
- 扩容施行难
采纳传统的关系型数据库，局限于传统的库表设计模式，每新增一个电机设施接入，必须针对这个电机设施建设一张新的数据表，这个大大增加了接入设施时的工作量；同时，随着平台接入的电机设施越来越多，数据库表一直减少，传统数据库的治理和备份老本一直进步，无奈做到程度扩容。 - 业务开发难
随同着业务的一直倒退，大量的电机设施接入平台，各种聚合剖析统计需要继续减少，因为传统关系型数据库的特点，导致各种跨库跨表的查问操作激增，业务数据耦合度增大，零碎开发的难度也随之晋升，同时对平台整个的响应速度和稳定性也会造成很大隐患。
二、为什么抉择 TDengine
为了适应将来业务倒退需要，防止上述难点与窘境，咱们决定抉择一款时序数据库产品。在调研了多款产品之后，TDengine 引起了咱们的留神，它的如下几个特点非常适合咱们的场景：
- 高性能：数据读写速度十分高；
- 集群化：能够集群化部署，反对多正本，反对程度扩大；
- 装置便捷: 官网文档齐全，依照文档很容易就能实现装置部署；
- 开源：开源，而且社区十分沉闷，很多问题都能够在社区找到答案；
- 应用简略：反对应用类 SQL 查询语言来插入或查问数据。
于是咱们马上做了各种验证，结果表明，TDengine 完全符合咱们的业务需要。
引入 TDengine 之后，平台整体的数据架构如下图所示。
三、TDengine 存储模型设计
TDengine 里有一个非凡的概念：超级表，每种数据采集类型对应一个超级表。超级表只负责存储这种类型的数据，同时数据存储采纳横表存储。
咱们将电机设施的测点幅值超级表设计成如下构造：
CREATE STABLE IF NOT EXISTS general_view_escalator (ts TIMESTAMP, elect_machine_one FLOAT, reducer_machine_one FLOAT, bottom_bolt_one FLOAT, elect_machine_two FLOAT, reducer_machine_two FLOAT, bottom_bolt_two FLOAT, left_main_drive FLOAT, right_main_drive FLOAT, left_step_chain FLOAT, right_step_chain FLOAT, up_main_drive_noise FLOAT, down_step_chain_work_noise FLOAT, left_step_chain_extend FLOAT, right_step_chain_extend FLOAT, left_handrail_temperature FLOAT, right_handrail_temperature FLOAT, env_temperature FLOAT, elect_machine_temperature FLOAT, reduction_gearbox_one_oil FLOAT, reduction_gearbox_two_oil FLOAT, rmd FLOAT) TAGS (line_id BINARY(20), site_id BINARY(20), elevator_code BINARY(20));波形超级表设计如下架构：
CREATE STABLE IF NOT EXISTS waveform_view_escalator (ts TIMESTAMP, vals BINARY(16000), samplehz INT, len INT, ratio INT) TAGS (line_id BINARY(20), site_id BINARY(20), elevator_code BINARY(20), measuring_id BINARY(20));TDengine 还有另外一个概念：子表。每台电机设施的数据对应一张子表，它能够在插入数据时动态创建。这种操作模式能够省去创立子表的业务环节，大大降低了业务复杂度。
四、用到的 TDengine 个性
- 数据订阅 (Publisher/Subscriber)
在咱们的业务场景中有一类数据叫预警、报警事件告警数据，间接应用 TDengine 的数据订阅性能，能够优雅疾速地实现这一性能。
- 缓存（Cache）
在咱们的业务场景中，须要显示每台电机设施的最新测量数据（如幅值、频谱等），间接应用 TDengine 提供的缓存（Cache）性能，创立数据库时设置参数 cachelast=1，将每张表的最初一条记录缓存，应用程序能够通过 last_row 函数疾速获取以后的实时数据，进行动态数据刷新显示。
- 其它有用性能
比方采样查问、多表聚合查问、流式计算等，能够满足咱们多种业务场景的需要。
时域波形采样查问
包络图采样查问
波形多表聚合查问
幅值流式计算
原来我的项目中有很多须要在程序中解决的计算工作，当初全副由 TDengine 承当，在分担程序的计算压力的同时，还能够实现聚合后果的长久化存储，反对历史数据疾速查问。
五、总结
TDengine 作为一款新的产品，咱们在应用过程中遇到了一些艰难和挑战。不过在共事们的反对下，在涛思数据工程师们的热心反对下，咱们还是绝对顺利地实现了我的项目的上线。
目前平台的状态是，以后设施接入 300 台，每台设施 19 个测点，数据采集频率达到 1 秒钟，存储的数据维度更精密了，能为平台的智能诊断、智能剖析服务提供更精确的数据反对，同时各业务场景下的计算查问性能也十分优良，满足了我的项目的理论需要。
作者介绍：
李凯，蓝深远望大数据研发组负责人，2015 年起从事大数据研发，2020 起从事电机大数据平台运维研发。
