共计 1907 个字符，预计需要花费 5 分钟才能阅读完成。
煤矿行业具备产业规模大、散布地区广、安全性要求低等特点，而大部分煤矿零碎都是独立运行的，为了实现各个系统数据的无效利用和深度交融，以此达成预警、数据分析等目标，煤矿行业亟需智能化赋能。在拥抱工业物联网、人工智能、大数据等新技术的同时，其智能化倒退路线也面临着泛滥挑战：
- 一是，设施治理层面的挑战，随着自动化水平越来越高，设施复杂度和治理难度也逐渐增大，如何保障设施安全可靠的运行，晋升设施的利用率，促成设施保值增值也成了挑战之一；
- 二是，平安生产的挑战，平安是基本，如何通过数字化伎俩，将人和物的不平安因素对立治理好，晋升整体煤矿企业平安生产程度至关重要。
从以上挑战登程，一些煤矿企业曾经开始进行数据架构转型实际，也获得了一些停顿，值得一提的是，时序数据库（Time Series Database）在其中施展了重要作用。本文将这些案例进行了相干汇总，供读者参考。
TDengine x 智慧矿山零碎
“咱们以智慧矿山业务中的 5000 设施、每天 1000 万采集点的数据量级下，在以车建模和以地位建模联合的数据模型下，TDengine 的性能远没有达到极限，目前零碎对于车和地位的查问速度都在毫秒级。基于目前对 TDengine 的了解和应用教训，咱们打算在环保监测和生产集控设施场景中进一步应用它来欠缺零碎。”
业务背景
元智信息的智慧矿山我的项目须要一款数据库来撑持起生产交互管控零碎的采运排环节所有过程设施的采集、存储、计算和监控性能。这些数据涵盖范围广，包含挖机、卡车的采集数据、调度治理数据、设施 GPS 信息、以及每一个固定地位工序的采集数据等。在 MySQL、InfluxDB、TDengine 的数据库选型调研中，TDengine 怀才不遇（点击下方案例查看具体起因）。
架构图
点击【案例】查看更多技术细节
TDengine x 陕煤矿山我的项目
“最终落地时我的项目采纳了 3 个节点的集群环境，定位设施采纳超级表进行治理，将数据标签及数据类型作为 tag 辨别各类定位设施。每个定位设施采纳子表存储，理论我的项目已蕴含 2 万多个定位设施。从写入性能到查问性能均大幅满足现场理论需要：总计定位数据量超过 11 亿条，数据压缩后 TDengine 数据目录占用磁盘大概 12GB，整体压缩率能够达到 3/100。”
业务背景
为买通煤矿生产环境中各类繁多子系统之间的数据壁垒，实现各类子系统数据之间的互联互通，陕煤开发团队打造了全矿井数字化平台。以地位数据为例，因为初期零碎容量较小且硬件设施上传周期较大，所以采纳了传统的 SQL Server 数据库来进行轨迹数据存储。随着后续我的项目迭代，硬件设施定位精度进步且上报周期缩短，也导致数据库存储压力增大。思考到数据类型及特点，其决定应用时序数据库，在 OpenTSDB、TDengine、InfluxDB 三款数据库中做选型调研。
架构图
点击【案例】查看更多技术细节
TDengine x 华夏天信露天煤矿
“对于每个电机，客户要求零碎可能疾速读取相干设施属性趋势图，这是咱们发现 TDengine 最弱小的中央：针对一天 2 万条数据展现速度在 200ms 内。之所以 TDengine 对这类查问速度飞快，次要是设计时依照设施分表后，数据按块存储并按块查出来，绝对 Key-Value 型数据库节俭很多寻址工夫。”
业务背景
华夏天信 RED-MOS 露天煤矿智慧矿山操作系统，在对接某高空生产集控系统数据时，接入的监控点数量将近 1 万 5 千点，其中靠近 2300 点须要绑定组态显示，即时页面更新，整体数据采集到显示到前端要求秒级展现及大数据量展现（历史数据回溯），可展现 30 天的全量数据，点数量超过 50 万条，读取工夫要求在 5~10 s，这对底层的数据库提出了一个相当大的挑战。
这种场景中，最大难点是要解决的数据量太大，而不是关联关系简单，因而 MySQL 这类关系库的关联查问劣势其实无奈施展，而 HBase 这种大数据存储计划对于矿山零碎而言又太过宏大，且硬件资源要求很多，出于老本思考也排除了。最终其抉择了 TDengine，解决了最为头疼的历史数据回溯性能问题。
成果展现
TDengine 可能满足大数据量展现的需要——可展现 30 天的全量数据，点数量超过 50 万条，读取工夫要求 5 秒级。
点击【案例】查看更多技术细节
结语
对于矿山生产零碎而言，平安是第一位的，基于此，各个生产环节和场地都要进行全面、无效的数字化监控，这些监控数据的特点就是时序、结构化、简略但量大。作为时序数据库赛道中的重量级选手，再从煤矿企业的实际成果登程，TDengine 就是为助力煤矿行业智能化倒退而量身定做的数据库。
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。
