黃向東：工業(yè)物聯(lián)網(wǎng)數據庫 IoTDB及其應用

IoTDB源自清華大學(xué)軟件學(xué)院。王院長(cháng)帶領(lǐng)團隊從2011年開(kāi)始關(guān)注，2014/2015年開(kāi)始研制，一路走來(lái)始終圍繞工業(yè)數據軟件，其中包括了數據管理軟件、機器學(xué)習軟件、數據處理軟件以及應用開(kāi)發(fā)軟件。我主要負責數據管理軟件。讓數據發(fā)揮價(jià)值，首先要把數據管起來(lái)，便于未來(lái)的數據處理和應用開(kāi)發(fā)。

今天分享關(guān)于工業(yè)時(shí)序數據庫IoTDB（全稱(chēng)Apache IoTDB）及它的一些應用，主要分四個(gè)方面：IoTDB在解決什么類(lèi)型的數據；它和工業(yè)之間的關(guān)系是什么；對于這類(lèi)數據有哪些管理的挑戰；IoTDB有什么特性以及我們的一些應用實(shí)踐。

工業(yè)與時(shí)序數據

我們要管理的工業(yè)數據到底是什么，它和工業(yè)之間是什么關(guān)系？如下圖所示，隨著(zhù)產(chǎn)業(yè)的發(fā)展，生產(chǎn)型制造在整個(gè)G D P的占比會(huì )越來(lái)越低，而服務(wù)型制造會(huì )快速發(fā)展。其本質(zhì)是隨著(zhù)競爭越來(lái)越激烈，怎么才能在有限的生產(chǎn)資源下提供更強的生產(chǎn)力，以及在相同的生產(chǎn)力下怎么能將自己制造出來(lái)的產(chǎn)品價(jià)值進(jìn)一步提升？

在疫情影響下，很多工業(yè)企業(yè)進(jìn)一步加強生產(chǎn)制造的產(chǎn)品自身的價(jià)值，并基于產(chǎn)品做增值服務(wù)，提升競爭力。那怎么做才能讓這樣一個(gè)向下的曲線(xiàn)變成一個(gè)向上的綠色曲線(xiàn)呢？

大數據是整個(gè)工業(yè)數字化轉型升級中的核心生產(chǎn)資料和關(guān)鍵賦能技術(shù)。大致分成三類(lèi)：

第一類(lèi)，是工業(yè)信息化數據，來(lái)自傳統的CRM、PLM等系統，包括生產(chǎn)過(guò)程中的訂單信息、維修信息等等，主要是人為產(chǎn)生。第二類(lèi)，是跨界數據，因為所有的生產(chǎn)運行一定和大環(huán)境相關(guān)，例如災害天氣、油價(jià)提升等問(wèn)題都會(huì )對工業(yè)最終生產(chǎn)價(jià)值產(chǎn)生一些波動(dòng)。第三類(lèi)，是機器設備產(chǎn)生的數據，這個(gè)時(shí)代的工業(yè)設備，帶有大量的傳感器，幫助人們去診斷和查看設備的運行狀態(tài)，從而更有效地去管理或者運維這些設備。

這三類(lèi)數據共同構成了工業(yè)大數據的主體，今天我們主要講的機器設備的數據和人產(chǎn)生的數據很不一樣。很多情況下，機器7X24小時(shí)工作，比如一個(gè)發(fā)電廠(chǎng)點(diǎn)一次火，可能需要幾百萬(wàn)的投入，一旦點(diǎn)著(zhù)了火，即使電量飽和要降低生產(chǎn),也只會(huì )降低功率，并不會(huì )停工把機器關(guān)掉。很多大型設備需要連軸轉很多天，而且設備采集數據的頻率可能會(huì )很高，每秒、每毫秒甚至每微秒會(huì )采一次數據。由此，這些機器設備產(chǎn)生數據的速率會(huì )遠遠高于人產(chǎn)生數據的速率。

慢慢地，機器設備變成了產(chǎn)生工業(yè)大數據的主體。而有了這些數據之后，人類(lèi)可以更好地去驅動(dòng)或調整這些設備，于是這些設備本身也成了消費這些數據的主體。這些機器設備數據就是我們今天要講的時(shí)序數據。

為什么叫做時(shí)序數據呢？因為這些數據最典型的特征是記錄了每個(gè)設備在不同時(shí)刻的某些指標的變化情況。如果用一個(gè)關(guān)系數據庫來(lái)看，它就是一個(gè)表的結構，可視化出來(lái)，橫軸做時(shí)間軸，就會(huì )看到每一條時(shí)序在表示一個(gè)設備的某些物理量或指標在時(shí)間維度上的變化。

時(shí)序數據和工業(yè)之間的關(guān)系

GE早在2012年就指出，海量時(shí)序數據是未來(lái)驅動(dòng)新一代工業(yè)革命的歷史性機遇。

以電力為例，發(fā)電、輸電、配電各個(gè)環(huán)節的自動(dòng)化系統，一直在產(chǎn)生和收集這些數據，大量數據怎么去管理和使用，才能保障安全、優(yōu)化供需平衡？

例如，金風(fēng)通過(guò)收集風(fēng)速數據和風(fēng)機轉向角的數據和發(fā)電數據，可以有效幫助每一臺風(fēng)機提升它的發(fā)電量，從而產(chǎn)生非常直觀(guān)和大量的經(jīng)濟價(jià)值。

在制造環(huán)節，不管是離散制造，還是流程制造，都有大量的工藝參數數據值得被收集，從而進(jìn)一步保障生產(chǎn)安全以及提高良品率和產(chǎn)能。例如半導體行業(yè)做SMT元器件的貼樁，通過(guò)收集每一個(gè)元器件的面積、高度、體積、偏移值等數據變化，能盡早發(fā)現SMT產(chǎn)線(xiàn)上刀片磨損程度和錫膏濃度對良品率的影響。同時(shí)，通過(guò)這些時(shí)序數據，可以訓練出來(lái)一些對應的模型，增強監測設備的復判能力，降低需要二次人工復判的工作量，進(jìn)一步提高良品率的穩定性。

通過(guò)對工程機械實(shí)際油耗的消耗程度、設備所處地理位置信息的變化、當時(shí)的載重和司機踩油門(mén)的輕重等系列數據的收集和分析，能幫助司機，合理規劃應該怎么踩油門(mén)、怎么去跑線(xiàn)路才能使工程機械最省油。在工業(yè)運輸和工程機械的使用過(guò)程中，省10%的油，就能帶來(lái)很高的經(jīng)濟效益。

要在工業(yè)場(chǎng)景中持續發(fā)揮數據價(jià)值，本質(zhì)上取決于到底能采集和管理多少時(shí)序數據?，F在很多智能設備都號稱(chēng)可以監測設備的實(shí)時(shí)狀態(tài)，但只管理了實(shí)時(shí)數據。當這些實(shí)時(shí)數據能被存到數據庫中變成歷史數據，就可以進(jìn)一步做更多有價(jià)值的探索。

下圖從左到右是對實(shí)際數據管理從少到多的一個(gè)過(guò)程，同時(shí)，也是時(shí)序數據能發(fā)揮出來(lái)的價(jià)值從低變高的過(guò)程。有了實(shí)時(shí)數據，就可以做狀態(tài)監控、遠程運維；有了較長(cháng)時(shí)間的數據，就可以對這些設備做一些數字畫(huà)像，進(jìn)行健康評估，發(fā)現劣化趨勢，進(jìn)行故障預測和備件調度；有了設備全生命周期的數據，就可以通過(guò)它服役狀態(tài)下的設備表現情況，對它的制造工藝進(jìn)行改進(jìn)和控制。歷史數據沉淀得越多，可挖掘的價(jià)值深度就越高。

時(shí)序數據管理的新需求和新挑戰

在工業(yè)行業(yè)，時(shí)序數據并不是一個(gè)新概念，自動(dòng)化設備被發(fā)明出來(lái)并且被大批量使用的時(shí)候，這些數據就已經(jīng)被收集和存在了DCS系統。為什么現在又重新把這些數據拿出來(lái)講？因為在工業(yè)領(lǐng)域的需求在發(fā)生變化。

傳統DCS系統大多部署在工廠(chǎng)側，但是現在有智能電表、智能網(wǎng)聯(lián)車(chē)、智能路燈以及許多可移動(dòng)的智能設備，這些設備也具備了數據的采集能力，數據都需要被管理。

同時(shí)，為了做更精細的應用，設備采集數據的頻率可能從原來(lái)的五秒鐘一次變成了現在一秒鐘一次，甚至一毫秒一次，這對底層的數據管理系統的性能要求大幅提高，從原來(lái)的數萬(wàn)點(diǎn)每秒到千萬(wàn)點(diǎn)每秒甚至一億點(diǎn)每秒。

而傳統的狀態(tài)監測和實(shí)時(shí)告警等應用，對歷史數據的存儲需求并不高，所以很多情況下，大家會(huì )采用采十寸一、采百存一的策略，只存下來(lái)部分關(guān)鍵數據，而那些正?；蚣毼⒆兓臄祿蛠G掉了。但量變引起質(zhì)變，正是這些細微的變化，幫助我們更快更深地洞察問(wèn)題，所以現在逐漸向應存盡存、全量存儲轉變。

此外，以往在設備側產(chǎn)生數據之后，就向云端發(fā)送，在數據中心端就可以看到數據?，F在由于硬件越來(lái)越便宜，邊緣計算能力在增強，本地智能化也需要有數據管理能力，并且能和云端做很好的協(xié)同。在上述新需求下，如果這些時(shí)序數據只是簡(jiǎn)單存下來(lái)，就是不停增加管理成本，只有對數據進(jìn)行充分的分析、計算，才從成本變成價(jià)值。這個(gè)過(guò)程中，工業(yè)用戶(hù)獨特場(chǎng)景帶來(lái)的時(shí)序數據管理的挑戰很多。

工業(yè)設備足夠復雜，尤其是昂貴的工業(yè)設備上觀(guān)測的指標數量非常多。以一個(gè)電廠(chǎng)為例，由于一些歷史原因和二次加工數據，一個(gè)電廠(chǎng)需要被觀(guān)測的指標可能超過(guò)三十萬(wàn)個(gè)；此外，為了做振動(dòng)分析，這些數據的采樣頻率可能達到兆赫茲的級別。

由于工業(yè)場(chǎng)景的環(huán)境惡劣和工業(yè)控制器的升級問(wèn)題，很多實(shí)時(shí)數據并未按照時(shí)間產(chǎn)生的順序到達云端。而一個(gè)工業(yè)設備可能由多個(gè)控制器來(lái)組成，且品牌不一，由不同的控制器根據零部件的重要程度不同來(lái)決定采集數據的頻率，采集數據的起始時(shí)刻也不一樣。如果用一張表來(lái)表示，會(huì )看到雖然這個(gè)設備有三十萬(wàn)個(gè)指標要監測，但是某一個(gè)時(shí)刻下可能只有七八個(gè)指標，另一個(gè)時(shí)刻下有30個(gè)指標。這樣參差不齊，會(huì )使得用戶(hù)將來(lái)使用數據的成本和難度大幅提升。

邊緣設備迭代快。以前一個(gè)設備監測三五個(gè)點(diǎn)，隨著(zhù)應用的逐漸深化，有更多重要的點(diǎn)需要監測，給設備做診斷時(shí)加裝小零部件，又增加了一些可采集和可傳感的數據。

用傳統的關(guān)系型數據庫存儲時(shí)，對于schema的維護工作量非常大，并且往往會(huì )出現一些錯誤，導致采到大量數據卻無(wú)法入庫。IoTDB針對這樣的情況，采用了云端適配邊緣端的方法，根據傳過(guò)來(lái)的數據自動(dòng)創(chuàng )建這個(gè)序列的元數據，來(lái)降低管理成本，并且盡可能地讓更多數據入庫。

復雜設備測點(diǎn)數海量。傳統關(guān)系數據庫會(huì )用垂直分表方案，把一個(gè)表縱向切成幾個(gè)表，去表達一個(gè)復雜對象或復雜設備，這會(huì )造成額外工作量且性能低。而IoTDB容納的時(shí)間序列數量無(wú)上限，允許對于單個(gè)設備任意復雜化地去描述其資產(chǎn)管理關(guān)系和設備的組成關(guān)系，以及這些組成關(guān)系和零部件上各個(gè)測點(diǎn)的關(guān)系。

采樣頻率高。當采樣頻率變得很高時(shí)，用關(guān)系數據庫易達到1000萬(wàn)行的單表存儲上限，且水平分表分庫等方案需要每天分表，所以在很多IT系統里有一些日表的概念。這會(huì )對查詢(xún)等操作帶來(lái)困擾。IoTDB對時(shí)序數據的特有處理，能幫助用戶(hù)持續高效地寫(xiě)入、查詢(xún)和管理超高吞吐量的數據，并且存儲成本非常低。容納PB級別數據。

各數據獨立采集。一個(gè)設備上不同零部件的數據采集是獨立的，采集頻率不一樣，采集時(shí)刻對不齊，會(huì )造成在可視化或者做兩條序列的相關(guān)性分析等時(shí)候，出現向量長(cháng)度不一樣等現實(shí)問(wèn)題。IoTDB把數據整理工作，下放到數據庫中，讓數據庫支持時(shí)序數據把多條序列按時(shí)間對齊，把缺失的值進(jìn)行空值填充等方式，讓用戶(hù)更方便地使用數據、發(fā)揮價(jià)值。

工業(yè)環(huán)境數據亂序到達。工業(yè)環(huán)境網(wǎng)絡(luò )質(zhì)量難以保證，經(jīng)常出現如延遲、斷網(wǎng)，導致數據無(wú)法完全保序到達。而IoTDB 支持時(shí)間序列的亂序寫(xiě)入。

總的來(lái)講，對時(shí)序數據的處理，一些時(shí)序數據庫不論是在性能、功能、存儲成本上，都存在一定的不足。市面上也有很多新的時(shí)序數據庫，但它們的應用場(chǎng)景和底層技術(shù)棧不是面向工業(yè)設計的，而是面向互聯(lián)網(wǎng)企業(yè)應用性能監控的場(chǎng)景而設計，面對工業(yè)場(chǎng)景下特殊需求，就會(huì )出現很不穩定或者很差的性能表現。

IoTDB與衍生產(chǎn)品

做IoTDB的初衷，是幫助工業(yè)用戶(hù)解決時(shí)序數據的存儲查詢(xún)使用問(wèn)題，能支撐機器數據海量讀寫(xiě)，能支撐用戶(hù)超低成本地存儲數據和深度的分析挖掘。我們希望IoTDB成為智能制造或者是未來(lái)工業(yè)物聯(lián)網(wǎng)的基礎設施之一。

IoTDB的主要特性，除了高吞吐數據、低成本、高壓縮、高可用外，還有面向物聯(lián)網(wǎng)原生的模型和端邊協(xié)同的模式。作為數據庫，它也給用戶(hù)提供了寫(xiě)入和查詢(xún)的接口形態(tài)。

IoTDB起源于863計劃的一個(gè)課題，和國內的某家龍頭工業(yè)企業(yè)合作的過(guò)程中注意到，他們的工程機械設備數據在Oracle中管理出現了瓶頸，上層沒(méi)辦法進(jìn)一步做業(yè)務(wù)運用。

從2015年，我們開(kāi)始自研IoTDB，在很多場(chǎng)景和技術(shù)上做了驗證。2018年，我們正式把IoTDB推到Apache基金會(huì )，吸引了國內和國際上一系列的同行，圍繞IoTDB做一些開(kāi)發(fā)和使用。2020年，IoTDB正式畢業(yè)，成了Apache的全球頂級項目。之后在持續的推廣過(guò)程中，IoTDB拿到了國內一系列的開(kāi)源獎項。

目前，IoTDB是Apache物聯(lián)網(wǎng)數據庫的唯一項目，甚至可以說(shuō)是唯一一個(gè)專(zhuān)門(mén)為時(shí)序數據打造的項目。IoTDB也入選了國家“十三五”科技創(chuàng )新成就展、北京市科技進(jìn)步一等獎等。IoTDB自主研發(fā)過(guò)程中產(chǎn)生了大量面向時(shí)序數據的新專(zhuān)利，也發(fā)表了一些論文。它是一個(gè)物聯(lián)網(wǎng)原生的時(shí)序數據庫，具有它自己的基準性能。

我們希望通過(guò)這個(gè)產(chǎn)品幫助用戶(hù)利用數據提質(zhì)增效、降低數據的管理成本。最重要的是，能低成本、高性能地給用戶(hù)提供服務(wù)，更便捷地從其他的系統中把數據導入IoTDB，提供豐富的數據處理生態(tài)和一站式解決方案。

和一些其他的開(kāi)源系統對比，IoTDB寫(xiě)入性能遙遙領(lǐng)先，并且在實(shí)際的用戶(hù)案例下，一臺IoTDB可替代原來(lái)15臺NoSQL數據庫服務(wù)器組成的集群。從查詢(xún)性能上，IoTDB不管是原始數據查詢(xún)還是聚合查詢(xún)，都領(lǐng)先同類(lèi)產(chǎn)品。一個(gè)IoTDB就能同時(shí)滿(mǎn)足實(shí)時(shí)數據監控以及海量歷史數據查詢(xún)。

IoTDB樹(shù)型結構管理的數據模型非常適合工廠(chǎng)。一個(gè)工廠(chǎng)同一個(gè)型號的生產(chǎn)設備不止一臺，這些相同型號的設備，當觀(guān)測指標都相同的時(shí)候，IoTDB提供了模板化管理方式。對于設備上多個(gè)指標，它能同時(shí)去采集；采集頻率也相同的時(shí)候，可以用對齊的采集模式。對于不同時(shí)刻采集，采集頻率不一樣的形式，我們提供了單元序列的方式，各測點(diǎn)獨立采集。對于這些數據，既有靜態(tài)的數據管理，也有沿時(shí)間變化的數據管理。此外，也可以在樹(shù)上添加一些節點(diǎn)，實(shí)現動(dòng)態(tài)模型化。

雖然對傳統的IT人員有一些學(xué)習成本，但對于OT域人員，這和業(yè)務(wù)場(chǎng)景更匹配。為了實(shí)現低成本的存儲，我們自研了一個(gè)列式文件格式叫Tsfile。它既有列式的存儲形態(tài)，又有高壓縮的編碼結構，還有各種各樣的分段聚合的語(yǔ)句和信息，幫助用戶(hù)盡快做降采樣、聚合查詢(xún)、生成報表等。在文件的末尾，我們也有文件集的索引來(lái)幫助用戶(hù)在海量的數據下快速查找數據。

當采樣頻率提升到毫秒級之后，要做可視化或者做不同應用，需要查詢(xún)數據的采樣頻率是不一樣的。因此我們給用戶(hù)提供了實(shí)時(shí)降采樣的能力，將一條序列降采樣成數據密度更稀疏的序列，來(lái)減輕業(yè)務(wù)端或應用端的壓力。我們可以把處理后的降采樣或者其他結果，再重新寫(xiě)回數據庫,從而將原始數據、加工后的數據、再一次加工后的數據分別生成出來(lái)，最終變成一些知識和決策。

對于質(zhì)量不高的數據，可以通過(guò)簡(jiǎn)單的降采樣，再把數據按時(shí)間對齊，并把每分鐘里缺失的數據進(jìn)行補全，來(lái)幫助用戶(hù)拿到一個(gè)更整齊和更便于分析的數據。除了寫(xiě)入建模、寫(xiě)入查詢(xún)以外，IoTDB提供了大量的分析函數，支持定制化分析，自行開(kāi)發(fā)和創(chuàng )建函數以滿(mǎn)足工業(yè)機理分析。目前，IoTDB已經(jīng)陸續完成了75種函數。

不止于此，從數據進(jìn)到IoTDB開(kāi)始的采集、存儲、查詢(xún)和分析全生命周期，都提供了數據計算的能力。當一個(gè)數據采集過(guò)來(lái)要寫(xiě)入到數據庫，就提供了觸發(fā)器機制。用戶(hù)對每個(gè)新寫(xiě)入的數據都可以去做預知、判斷、告警，都可以對數據進(jìn)行加工和修改，把多個(gè)數據計算a+b衍生出來(lái)c計算出來(lái)衍生變量。

當數據進(jìn)入到數據庫之后，我們也給用戶(hù)提供了一個(gè)后臺離線(xiàn)的計算模式，幫助用戶(hù)把數據查出來(lái)，進(jìn)行處理，之后重新寫(xiě)回數據庫。在數據庫中，它可能被叫做物化視圖。通過(guò)定期執行的方式，在后臺不繁忙的時(shí)候幫助用戶(hù)把原始數據逐漸加工出來(lái)。用戶(hù)實(shí)時(shí)查詢(xún)的時(shí)候，通過(guò)UDF函數機制，也可以實(shí)時(shí)做一些計算。

當把IoTDB和spark、flink等等大數據生態(tài)集成之后，就可以做更多的大數據分析應用。整個(gè)過(guò)程中，既可以對每個(gè)采過(guò)來(lái)的數據值做計算，也可以按照時(shí)間窗口做計算，讓用戶(hù)自定義自己的計算邏輯，幫助用戶(hù)更好地整理數據。

此外，IoTDB端邊云協(xié)同的設計理念，希望打破原來(lái)端測產(chǎn)生數據之后，要在本地編碼解編碼，壓縮之后傳到云端，解碼再解壓，再把數據寫(xiě)入到數據庫，數據庫耗費CPU和內存對數據進(jìn)行排序和鍵索引的過(guò)程。當端側有了足夠的計算能力，就可以把數據編碼，上傳到云端，云端可以直接落盤(pán)并分析使用了。這種模式下，云端CPU使用率大幅減小，網(wǎng)絡(luò )帶寬也會(huì )大幅降低。我們也和一些生態(tài)軟件進(jìn)行了搭配，用戶(hù)可以很方便地拿我們的數據庫去做數據可視化、數據交互式分析，以及用大數據spark等標準語(yǔ)言做時(shí)序數據的分析應用。

IoTDB繼承了很多屬于A(yíng)pache的開(kāi)源項目，以及部署Apache，覆蓋從采集、處理、分析、應用的各階段。

作為一個(gè)時(shí)序數據庫，IoTDB更多是提供時(shí)序數據的建模查詢(xún)、處理分析，和低成本存儲的能力。在此之外，我們也逐漸圍繞IoTDB衍生出向前向后的一些功能，幫助用戶(hù)更好的去做數據的采集告警、基于規則引擎的計算來(lái)產(chǎn)生更復雜的告警、對數據進(jìn)行組態(tài)可視化、對數據進(jìn)行交互分析和大數據分析等。

應用案例

清華已推動(dòng)IoTDB很多年，陸續得到開(kāi)源用戶(hù)和企業(yè)客戶(hù)的大量使用，目前已服務(wù)幾百家企業(yè)。包括一系列中字頭的企業(yè)、工業(yè)龍頭企業(yè)，以及國家的一些雙跨平臺。

目前用得最遠的是在一顆衛星上，有一個(gè)小的盒子里面安裝了IoTDB，在太空中去管理現場(chǎng)的實(shí)時(shí)數據。稍微低一些，是管理飛機的數據，中國商飛的大飛機C919試飛階段的數據管理用的是IoTDB，成飛無(wú)人機的試飛數據等也是在用IoTDB。目前，IoTDB已經(jīng)管理了幾萬(wàn)億個(gè)數據點(diǎn)，數據量達到十幾個(gè)T。

在地面，我們跟大量的工廠(chǎng)、地鐵車(chē)輛做了鏈接；在海上，我們和中船合作，管理船舶和水文變化數據。

IoTDB在國際上也有大量用戶(hù)，和德國的企業(yè)合作去服務(wù)寶馬、德鐵等企業(yè)。和博世、西門(mén)子等企業(yè)的合作也在陸續展開(kāi)。

首先講講國內的應用：

和中車(chē)合作，管理上海地鐵所有列車(chē)的數據。之前是15臺KairosDB+底層Cassandra，管理144列車(chē)的數據，每列車(chē)有3000個(gè)測點(diǎn)，采樣頻率是500毫秒采集一次。升級后，單臺IoTDB就可以管理這種數據量級，并且能大幅提升上限容量。當系統完全切換成IoTDB，我們將它原來(lái)在CTV中三年的數據重新導入，過(guò)去用其他系統三年存儲的200TB的數據，在IoTDB能被壓縮到16TB，幾乎降低了90%的存儲成本。

和博世合作，博世的ctrlX AUTOMATION，圖中右上角亮燈的小盒子，在工廠(chǎng)側可以直接部署應用。一定程度上和國內的工控機有點(diǎn)像。但是因為和博世的其他設備打通得更好，所以它潛力極大。之前，盒子不具備管理歷史數據的能力，我們把IoTDB安裝在盒子內，現在它可以管理歷史數據。上個(gè)月，此產(chǎn)品在德國博世的展會(huì )和SPS展上進(jìn)行了發(fā)布。

和湖南中煙合作，兩三年前，幫助管理集控車(chē)間和工廠(chǎng)的數據，監控制絲和卷包車(chē)間 260 個(gè)設備的狀態(tài)，涉及90135個(gè)時(shí)間序列數據的采集，將多個(gè)工廠(chǎng)的數據匯總到公司級大數據平臺，形成了車(chē)間、工廠(chǎng)、集團這樣多層次的數據管理體系，管理各種制造過(guò)程中工藝參數數據，提升生產(chǎn)效率、降低損耗。

和大唐先一合作，在4個(gè)火電廠(chǎng)和60多個(gè)新能源發(fā)電企業(yè)替換掉open TSDB，對數據進(jìn)行管理，原來(lái)需要一個(gè)集群才能搞定的事情，現在單個(gè)節點(diǎn)就能搞定，減少 95% 運維成本。

和國家電網(wǎng)合作，應用于成都世代積家充電場(chǎng)站、北京亦莊光伏場(chǎng)站等業(yè)務(wù)場(chǎng)景，把IoTDB放在電表箱內部，實(shí)現了充電場(chǎng)站實(shí)時(shí)狀態(tài)監測，及本地負荷計算、諧波計算、終端故障預警等能力。

和長(cháng)安汽車(chē)合作，幫助長(cháng)安汽車(chē)把數據匯總到云端，建設了云平臺，使得原來(lái)做一些故障數據查詢(xún)的響應速度，從分鐘級提升到秒級，帶來(lái)更好的用戶(hù)體驗，從而去做更多的業(yè)務(wù)應用。

和太極合作，是一個(gè)火電廠(chǎng)的應用，使用 IoTDB 替換 Apache Druid， 構建發(fā)電機組的遠程分析平臺，管理了11個(gè)發(fā)電機組的數據，大幅降低了運維成本。

和中國氣象局合作，把全國十萬(wàn)個(gè)地面氣象觀(guān)測站的實(shí)時(shí)數據進(jìn)行存儲。之前不方便查看單站數據，尤其不方便查看單站一段歷史時(shí)間數據，因為氣象預報員預報數據的時(shí)候，一定程度上會(huì )依賴(lài)于所謂的視覺(jué)殘差。要快速查看數據在不同時(shí)刻的變化情況，在視覺(jué)上形成動(dòng)畫(huà)效果，這就要求數據庫能非常高速的去突出每個(gè)時(shí)刻的數據變化情況，IoTDB恰好滿(mǎn)足這樣的場(chǎng)景。

和東方國信合作，打造東方國信Cloudiip平臺，連續四五年入選國家十大雙跨平臺。底層的時(shí)序數據庫是基于IoTDB，并且基于IoTDB發(fā)布了CirroData-TimeS 的衍生產(chǎn)品。

和用友合作，管理了工廠(chǎng)生產(chǎn)設備的數據。用友目前也在基于IoTDB打造對應的產(chǎn)品。還有一些和工業(yè)稍微離得遠一些的應用場(chǎng)景，包括金融、DFS等場(chǎng)景。歡迎大家關(guān)注開(kāi)源項目IoTDB。