作者：上海电气SmartOPS团队

小T导读：上海电气集团股份有限公司是世界级的综合性高端配备制作企业，聚焦智慧能源、智能制作、智能基础设施三大业务畛域，为客户提供工业级的绿色智能零碎解决方案。业务遍布寰球，次要包含新能源、综合能源、环保、医疗器械及工业自动化等。

公司围绕“一芯3S”外围产品链，构建储能外围竞争力。作为其中要害组成部分的“SmartOPS储能智慧运维零碎”，基于物联网、大数据、机器学习等技术，买通储能零碎从信息采集到云端接入，再到数据存储、数据分析的残缺技术链条，构建智慧储能管控体系平台，实现全面监测、预测性保护、热治理剖析等高级利用，帮忙客户实现储能设施的最优配置和高效利用。

一、利用背景

SmartOPS反对云端部署和本地部署两种形式。

云端部署基于上海电气团体以后对立的架构，利用云端时序数据库，可扩大、可灵便配置的各类资源，可轻松满足应用要求，高效且晦涩。

然而在本地部署中，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。目前站端系统的配置下图所示。

所以咱们须要思考适宜在站端系统中部署的时序数据库，也就有了接下来的技术选型。

二、技术选型

整体选型思考会波及很多维度，具体包含读写性能、压缩率、行业认可度、产品生机、服务反对、安全性、兼容性、可维护性、可扩展性、功能性、可靠性、易用性等属性。

咱们团队着重评估了以下几款数据库：

  • OpenTSDB：以HBase为底层存储，向上封装了本人的逻辑层和对外接口层。这种架构能够充分利用HBase的个性，实现数据的高可用和较好的写入性能。但相比原生时序数据库，OpenTSDB数据栈较长，在读写性能和数据压缩方面都还有进一步优化的空间。
  • InfluxDB：目前风行度最高的时序数据库，数据按列存储，可能高效地对时序数据进行解决、存储、查问，并提供了功能丰富的Web平台，能够对数据进行可视化展现和交互式剖析。
  • Apache IoTDB：专为物联网打造的分布式时序数据库，数据按列存储，具备优良的写入性能和丰盛的数据分析性能，可能无效地解决乱序数据。
  • TDengine：专为物联网场景设计和优化的分布式时序数据库，数据按列存储，具备极致的写入性能和丰盛的查问性能，同时提供缓存、流解决、音讯队列等大数据平台罕用性能。其官网提到的不到10MB的安装包以及10倍的性能晋升，的确十分吸引人。
  • ClickHouse：性能强劲的OLAP数据库，数据按列存储，数据压缩比极高，具备很高的写入吞吐和极致的查问性能，同时提供了丰盛的数据处理函数，便于对数据进行各种剖析。

基于站端本地化部署须要轻量级资源占用登程，咱们首先排除了OpenTSDB和Apache IoTDB，OpenTSDB基于HBase，比拟重，而Apache IoTDB在资源占用方面对边缘轻量级设施也不算敌对；ClickHouse劣势是单表快，其余方面偏弱，包含join、治理运维都比较复杂，也放弃了。

研发团队最终圈定在InfluxDB和TDengine中测试抉择。

三、初步比照测试

技术团队理论比照测试了InfluxDB和TDengine。

先来看InfluxDB的测试状况。

InfluxDB的安装包大小为60.2M，运行之后资源占用如下图所示：

开启测试场站数据接入，以后时刻，每分钟写入字段数小于3000，此时资源耗费状况如下图所示，以后InfluxDB耗费CPU有所回升，内存资源变动不大。

通过如下命令测试查问性能：

资源耗费状况如下图所示：

同时，以后查问会被卡住，所以没有后果。可见，在以后资源配置条件下，InfluxDB私有化部署资源耗费较高，若同时启用本地应用服务（SmartOPS），则无奈提供所需性能。

再来看TDengine的测试状况。

咱们应用的是TDengine 2.1.6.0版本。查看安装包TDengine-server-2.1.6.0-beta-Linux-x64.rpm的大小，发现只有9.42MB。后端开发人员将其部署到了测试节点上。

刚部署时的资源耗费如下：

模仿某场站数据接入时，资源耗费如下：

而后测试查问性能，在同样条件下，TDengine呈现CPU上的短时小幅回升，同时毫秒级获取到了查问返回后果。

从上述的初步测试中能够发现，在本地化部署服务器资源受限的状况下，相比于InfluxDB，TDengine在站端系统的利用上，性能具备显著的劣势。TDengine能较好地应答场站端低配服务器的资源限度问题。对于大批量利用的储能场景，提供了高性价比的解决方案。

TDengine针对物联网利用的场景特点，比方数据极少有更新或删除操作，无需传统数据库的事务处理，绝对互联网利用写多读少等，又通过“一个数据采集点一张表”和“超级表”的概念，简化了数据存储构造，这些优化的确非常适合咱们的计划。另外通过一些预计算性能，进步了聚合查问效率，齐全满足咱们站端资源无限状况下储能场景的需要。

于是咱们就尝试在零碎中落地了TDengine。

四、TDengine数据模型设计

储能场站设施返回的数据格式根本固定，一个工夫戳一个值。所以咱们为一个场站构建了一张超级表。子表是依据点位的信息，一个点位一张子表，用于辨别不同的设施采集的信息。联合业务需要，标签定为5个：点的标识，场站id，子站id，单元id和设施id。

超级表建表语句为：

create table ops (ts TIMESTAMP,value FLOAT) TAGS (name NCHAR(10),sid NCHAR(20),sub NCHAR(10),unit NCHAR(10),dev NCHAR(20))

子表建表语句为：

CREATE TABLE escngxsh02_g01_e03h01_c1 USING ops TAGS ("C1","ESCNGXSH02","G01","E03","E03H01")

在应用InfluxDB一周当前，应用SQL语句

select * from ops WHERE ts>1629450000000 and ts<1629463600000 limit 2;

来执行查问，内存使用率达到了80%，并且过了十分钟也没进去后果，所以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。

五、TDengine的应用状况

目前技术团队已采纳TDengine作为SCU（Station Control Unit）架构的外围时序数据库，实现储能零碎综合信息感知、就地运行管制与协调爱护性能；同时反对储能电站及设施的近程运维，实现高级数据分析与运行优化，全方面守护储能电站的平安。

TDengine高性能的写入和聚合查问性能，可能毫秒级响应电站运行信息监督。

在压缩方面，TDengine也体现得很优良。在采集点数量雷同的状况下，在应用TDengine之前，咱们应用的是InfluxDB，1天的数据量大略是200多MB，而应用了TDengine后，1天的数据竟然不到70MB，是InfluxDB的1/3。

咱们还将在后续我的项目中，持续拓展其分布式集群利用，构建储能电站运行状况的数字化档案，联合开发的剖析算法、预测算法、数据挖掘技术，实现电站稳定性剖析、效率和损耗剖析、故障预测、寿命预测、性能短板定位以及热治理剖析等高级剖析和诊断性能。

⬇️点击下方图片查看流动详情，iPhone 13 Pro 等你带回家！