轻量级业务福音！TDengine Cloud 在国轩高科储能项目中的应用

涛思数据（TDengine）

已于 2023-09-26 14:47:08 修改

阅读量172

点赞数

分类专栏：用户案例文章标签： tdengine 大数据时序数据库

于 2023-09-26 14:45:22 首次发布

本文链接：https://blog.csdn.net/taos_data/article/details/133309429

版权

用户案例专栏收录该内容

30 篇文章 1 订阅

订阅专栏

在我们的“海外某储能项目”项目中，需要实时监测电池安全，采集记录每次使用的充放电过程、电流/电压等值，而此类数据都带有时间戳，是典型的时序数据。为了应对未来海量的用户使用数据，我们需要选择一款专业的时序数据库（Time Series Database）。

我们的业务属于海外，去年是通过 2.x 版本在海外本地化部署，但由于维护团队位于国内，首先在网络通信上就有不小的麻烦。其次，由于部署的是开源版 TDengine ，需要自己部署优化、学习文档、通过社区反馈问题等等，有不少的时间成本。后来， TDengine 官方于今年初发布的时序数据云平台 TDengine Cloud 便进入了我们的视野。由于我们当前业务量并不大，因此对我们来说 TDengine Cloud 最直观的帮助就是：全托管。

云服务附带和 TDengine 企业版同级别的服务，因此我们不再需要担心部署、优化、扩容、备份、异地容灾等事务，减少了我方开发人员的负担，可全心关注核心业务。由于我们的设备量暂时不多，根据官方现有的定价规则，基础版本便可满足。在经过计费方案估算器计算后，最终我们选择了 1200 元/月的基础版规格。

我们针对每个储能设备单独建表，一类储能设备建立一个超级表，包括用电量、充电量、用电状态、充电状态等指标，共一百余列，每个设备 7*24h 地以每 10 秒一行的频率写入数据库。通过“数据浏览器”的页面，可以很轻松地看到库/表的元数据信息：

写入能力分析

TDengine 根据时序数据的特征专门设计的一个设备一张表、列式压缩、标签这几个强大的创新点，从根本上解决了数据写入需要加锁、行式压缩效率低、静态数据冗余存储这几大难题。

我们的数据处理流程如下图所示，某类储能设备产生的时序数据会以 MQTT 方式上传，其中业务数据转发给 PostgreSQL，设备产生的时序数据以及设备运行日志、设备状态数据转给 TDengine。中台各系统则会统一规划使用这些数据库中的数据，来用于分析计算，也可以直接控制设备下发指令。最终，借助 PC Web、APP 以及其他管理平台等软件方式在前端体现。

在测试阶段，TDengine 的数据压缩率可以轻松达到 10% 以内，每秒可以写入数百万行数据。在具体实践中也很好地达到了这个写入效果。

除了写入和压缩性能，TDengine 的查询能力也是我们比较关注的。

查询效果分析

为了提供高质量的售后服务以及提升用户使用体验，科学合理地使用上述写入的数据，我们会做很多类型的查询，比如监测用电产品的健康状态、分析设备用电量趋势、使用寿命等等。

以下是几个典型的查询：

1. 利用会话窗口统计每一段连续时间间隔小于等于 1 分钟时间内的单设备输入功率之和：

select FIRST(ts) firstTs, LAST(ts) lastTs, count(*) countVal, sum(input_total_power) totalPower
from device_data_58CF7920B63C where ts >= '2023-08-09T00:00:00.000Z'
and ts< '2023-08-10T00:00:00.000Z' SESSION(ts, 1m)

2. 通过 interval 查看设备输入功率的趋势，并且使用了 offset 时区的偏移：

select _WSTART as ts, avg(inverter_power) avgVal, min(inverter_power) minVal, max(inverter_power) maxVal
from gendome.device_data_58CF7920B63C where inverter_power > 0 and ts >= '2023-08-09T00:00:00.000Z'
and ts< '2023-08-10T00:00:00.000Z'
interval (1d, 960m) FILL (NULL)