七家工业数据库横评：PI/亚控/紫金桥/麦杰/力控/中控/庚顿 vs TDengine｜TDengine

在工业互联网与智能制造加速发展的今天，企业的数据量正呈爆发式增长。传统的历史数据库在高并发写入、分布式架构、AI 原生能力等方面逐渐难以满足需求。作为国产时序数据库的代表，TDengine 以高性能、低成本、云原生与智能化特征，成为新一代工业数据底座的首选。

本文严格基于公开资料与官方文档，对国内外主流数据库（包括 PI System、亚控、紫金桥、麦杰、力控、中控、庚顿）与 TDengine（TSDB+IDMP）进行了系统对比，从功能架构、模型设计、安全体系、AI 能力等多维度展示差异，助您一览国产数据库格局。

功能类别	具体功能	TDengine TSDB+IDMP	OSI PI System（Interface+Data Archive+AF+PVS）
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	✅
	实时表/历史表统一	✅	✅
	宽表模式存储	✅	❌
	数据分发权限管理	✅	✅
	时间戳精度	纳秒	纳秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	int16、int32、float16、float32、float64、digital、string、BLOB、timestamp，不支持GEOMETRY、DECIMAL
	是否支持指令下发	❌	❌
资产模型	树状结构	✅以元素为基础形式展示	✅以元素为基础形式展示
	工艺模型/图形模型	❌	✅
	元素引用	✅	✅
	属性特性	✅	✅
	数据引用设置	✅	✅
	测量单位（可参与运算）	✅	✅
	模板和继承	✅	✅
	查找	✅	✅
	版本控制	✅	✅
资产分析	触发器	周期、多种窗口触发和条件过滤	条件触发和定时触发
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	✅
	统计质量过程分析	❌ (planned)	✅
	回填和重计算	✅	✅
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	✅
报警和事件	获取事件值	✅	✅
	确认事件框架	✅	✅
	物料转移事件	❌	✅
	元素引用	✅	✅
	事件模板	✅	✅
通知（事件转发）	通知模板	✅	✅
	触发条件	依据报警严重性等级	✅
	转发设置	✅	✅
	升级转发	✅	✅
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	曲线、值输出、表格、仪表盘、标尺、XY曲线、资产比较表、图像
	组态展示	❌ (planned)	✅
	事件	Partially matched	✅
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	✅
	CSV files	✅	✅
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	❌
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	✅
	Data encryption	✅	✅
	SOC 2 certification	✅	✅
	ISO 27001 certification	✅	✅
应用访问	Server access	浏览器	基于windows专用客户端应用
平台和部署	Windows	✅	✅
	Linux	✅	❌
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	与本地不一致
	Supported cloud platforms	Azure, AWS, GCP，阿里云	Azure
集成	REST API	✅	✅
	JDBC and ODBC	✅	✅
	Power BI	✅	✅
	Tableau	✅	✅
	Seeq	✅	✅
	Grafana	✅	✅
	Excel	✅	DataLink
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

PI System 是国际上应用广泛的工业历史数据库系统，由 Interface、Data Archive、AF 与 PVS 等组件组成。该系统以中心化架构为主，不支持分布式集群与多级存储，也缺乏高可用和负载均衡机制。相比之下，TDengine 原生支持分布式部署、自动负载均衡与多级存储，能够在保障高并发性能的同时有效降低总体存储成本。

在数据模型方面，PI System 以元素为基础构建层级模型，但在宽表建模、历史更新、补录、过期等场景数据处理以及版本控制等方面存在不足。TDengine 采用树状结构的资产模型，支持属性继承、元素引用、单位参与运算及版本管理，更适合工业设备的多层次语义表达。数据类型方面，PI System 类型较有限，不支持 GEOMETRY、DECIMAL，TDengine 支持包括 JSON、GEOMETRY、BLOB、DECIMAL 在内的丰富类型，时间戳精度达纳秒级。

在计算分析上，PI System 提供周期与条件触发机制，而 TDengine 支持周期、变化与条件多种触发方式，并具备回填与历史重算能力，可在数据更新后自动触发重算。事件体系上，TDengine 具备事件模板、报警分级、通知转发与升级机制，覆盖范围更广。

在数据接入方面，PI System 支持较多协议的数据采集，但相对缺乏消息队列支持的，而这是当前主流架构关键的一环。TDengine不仅支持灵活的OPC 采集，还支持 OPCServer 发生改变，TDengine 自动点位更新，无需要人为管理，而且还支持 MQTT、Kafka、CSV 以及各种关系数据库的输入，具备断线续传能力。

在安全与生态方面，TDengine 具备 RBAC 权限控制、数据加密、SOC 2 与 ISO 27001 认证；PI System 支持 SSO 但未提供加密或安全认证。TDengine 原生兼容 REST API、JDBC/ODBC、Power BI、Tableau、Grafana、Seeq 等主流工具，形成开放生态。在智能化能力上，TDengine 已支持 Chat BI、零查询智能、AI 异常检测与时序预测功能，PI System 暂无 AI 模块。

功能类别	具体功能	TDengine TSDB+IDMP	亚控 KingHistorian+KingIOServer+KingSCADA+KingSPC+KingPortal
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	❌
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	开关量（布尔类型）、单字节整数（有符号）、双字节整数（有符号）、四字节整数（有符号）、八字节整数（有符号）、单精度浮点数、双精度浮点数、定长字符串变长字符串、定长Unicode字符串、变长Unicode字符串、时间戳、定长二进制数据、变长二进制数据、精确小数类型、数字状态量、ScaledFloat16，不支持GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过独立SCADA下发，库本身不下发，作为SCADA历史库
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	✅
	元素引用	✅	部分支持，通过构建单独的数据模型支持,数据模型要求实例化的变量相同
	属性特性	✅	✅
	数据引用设置	✅	✅KingSCADA支持
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	✅
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	周期、条件、变化触发
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	✅
	回填和重计算	✅	❌
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	✅需要借助特殊组件
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	✅（通过KingSCAD引用模型对象）
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	✅
	升级转发	✅	✅
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件、3D组件、历史回放等
	组态展示	❌ (planned)	✅（客户端采用MFC编译的IDE环境、KingPortal采用Canvas）
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	❌
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/ CS客户端
平台和部署	Windows	✅	✅
	Linux	✅	❌
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	✅
	JDBC and ODBC	✅	功能受限，部分支持
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	✅
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

亚控 KingHistorian 系列包括 KingIOServer、KingSCADA、KingSPC 与 KingPortal 等模块，整体以组态与控制为核心。系统不具备分布式与多级存储能力，也不支持宽表模式。

在数据模型上，亚控以测点元素为基础展示结构，SCADA 产品支持模板与属性功能，但不支持单位换算、版本管理或历史回填。TDengine 具备模板继承、属性引用及测量单位参与运算等功能，能在复杂工业结构中实现统一建模。

在计算与分析方面，两者均支持周期、条件与变化触发，具备表达式与汇总分析能力，但亚控的环比/同比分析需依赖特殊组件实现。TDengine 支持周期窗口、历史重算、环比同比及状态触发机制，计算体系更灵活。

数据接入上，亚控支持 OPC 与 MQTT，但不支持 Kafka、CSV 以及 Flink 等。安全性方面，亚控不支持存储加密与云边协同架构。TDengine 具备 REST API、JDBC/ODBC、BI 工具与 AI 模块集成能力，安全体系更完善。TDengine 同时支持 Kafka 与 MQTT 的数据分发，实现负载解耦、流量削峰、数据完整性消费等。

功能类别	具体功能	TDengine TSDB+IDMP	紫金桥 RealHistorian（采集、服务端以及客户端平台）
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	❌
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	支持整型、实型、字符串和布尔类型，不支持GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过其配套的组态软件下发
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	✅
	元素引用	✅	✅
	属性特性	✅	✅
	数据引用设置	✅	✅
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	✅
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	周期、条件、变化触发
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	❌
	回填和重计算	✅	❌
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	❌
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	✅组态中模型实例化引用
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	✅
	升级转发	✅	❌
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件、3D组、历史回放等
	组态展示	❌ (planned)	✅Qt技术IDE环境，CS组态，可BS浏览
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	✅
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	❌
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/跨平台 CS 客户端
平台和部署	Windows	✅	✅
	Linux	✅	✅
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	✅
	JDBC and ODBC	✅	不支持JDBC，且ODBC SQL功能受限
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	❌
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

紫金桥 RealHistorian 由采集、服务端与客户端平台组成，主要服务传统工业控制系统。该系统不支持分布式与多级存储，数据类型支持有限，不包括 GEOMETRY、BLOB 与 DECIMAL。TDengine 在类型丰富度和时间戳精度（纳秒级）方面更强。

在资产模型上，紫金桥以测点为基础，模型表达能力有限；TDengine 支持模板继承、属性引用与单位运算，能更高效地管理多层级资产。

在计算方面，紫金桥仅支持周期、条件与变化触发，不支持历史重算与环比分析；TDengine 提供周期窗口、事件模板与自动重算机制。

在安全与生态集成上，紫金桥缺乏数据加密与国际认证，接口兼容性不足，而 TDengine 提供开放 API 与 AI 功能，具备更高的可扩展性。

功能类别	具体功能	TDengine TSDB+IDMP	麦杰 OpenPlant
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	✅
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	模拟量点、开关量点、短整数点、长整数点、双精度点、 binary、文本、long，不支持GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过其配套的组态软件下发
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	❌
	元素引用	✅	❌
	属性特性	✅	❌
	数据引用设置	✅	✅通过组态软件图素面板引用
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	❌
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	变化计算和每秒周期计算
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	❌
	回填和重计算	✅	❌
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	❌
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	❌
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	❌
	升级转发	✅	❌
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、历史回放等
	组态展示	❌ (planned)	✅JAVA开发，BS组态/CS组态
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	❌
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	采集盒子传输加密，数据库本身无加密
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/CS 客户端
平台和部署	Windows	✅	✅
	Linux	✅	✅
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	与本地不一致
	Supported cloud platforms	Azure, AWS, GCP，阿里云	私有云
集成	REST API	✅	❌ （但支持web API）
	JDBC and ODBC	✅	JDBC/ODBC SQL功能受限
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	❌
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

麦杰 OpenPlant 系统是一款集采集、SCADA 与报表展示于一体的工业数据平台。系统不支持分布式与多级存储，也未采用宽表模式。

其资产模型以测点为核心，支持有限的模板定义，但无继承与版本控制功能。TDengine 则支持树状资产结构、模板化继承及属性引用，能够适配大规模复杂系统。

在计算分析上，麦杰支持周期与条件触发，但不支持历史重算与环比分析；TDengine 内置多触发机制与回填重算能力。数据接入上，麦杰支持 OPC 与 MQTT，不支持 Kafka 或 CSV，不支持 OPCServer 点位更新后，数据库自动发现和采集功能。

在安全与生态层面，麦杰支持 RBAC，但缺乏数据加密与数据消息队列式的订阅分发。TDengine 支持 REST、JDBC/ODBC、BI 工具集成，并具备 AI 异常检测与预测功能。

功能类别	具体功能	TDengine TSDB+IDMP	力控 pSpace+eForceCon
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	❌
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	数据库支持浮点型、双精度浮点型、整型8/16/32/64位、布尔型、字符串、时间戳，不支持GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过独立的SCADA下发，库本身不下发，作为SCADA历史库
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	❌
	元素引用	✅	❌
	属性特性	✅	❌
	数据引用设置	✅	✅通过组态软件图素面板引用
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	❌
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	独立的计算引擎，支持周期、定时（按年、星期）、变化（支持多个测点）
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	❌
	回填和重计算	✅	✅
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	❌
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	❌
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	✅
	升级转发	✅	❌
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件、3D组件、历史回放等
	组态展示	❌ (planned)	✅CS组态，支持BS访问
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	✅
	CSV files	✅	✅
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	✅（pspace支持）
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/CS windows 客户端
平台和部署	Windows	✅	✅
	Linux	✅	✅
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	❌ （但支持web API）
	JDBC and ODBC	✅	JDBC/ODBC SQL功能受限
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	✅
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

力控的 pSpace 与 eForceCon 产品以 SCADA 控制为中心，数据库特性相对较弱。系统不支持分布式与多级存储，也不具备宽表模式。

在模型方面，以测点为核心的资产体系不支持继承，层级表达有限。TDengine 支持元素化结构与模板继承，能够映射复杂关系。

在计算能力上，力控支持定时、事件与状态触发，但无历史自动重算与环比分析；TDengine 支持多维度触发与回填机制。

数据接入方面，力控支持 OPC、MQTT 与部分协议，但无 Kafka 、 CSV、flink等接口。安全层面，力控支持 RBAC 与 SSO（pSpace），但无加密与云端一致架构。TDengine 支持 Linux、Ansible 与 Helm 部署，并具备 AI 异常检测与预测能力。

功能类别	具体功能	TDengine TSDB+IDMP	中控 InPlant iSYS/VXHistorian/VXBase+InPlant SCADA
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	✅
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	支持7种数据类型，包含bool、byte、int16、int32、int64、float、double，不支持 GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过独立的SCADA下发，库本身不下发，作为SCADA历史库
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示，支持结构体
	工艺模型/图形模型	❌	✅
	元素引用	✅	✅
	属性特性	✅	✅
	数据引用设置	✅	✅通过组态软件图素面板引用
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	部分满足，不能继承
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌（但组态软件支持检入\检出功能，画面只读控制等，不能回滚操作）
资产分析	触发器	周期、多种窗口触发和条件过滤	定时、变化、事件（打开、关闭、冗余切换等）触发
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	✅基于测点或者表达式，较弱
	统计质量过程分析	❌ (planned)	独立产品
	回填和重计算	✅	✅
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	支持定时间、事件和状态统计
	环比/同比分析	✅	❌
报警和事件	获取事件值	✅	✅
	确认事件框架	✅	✅通过事件转成实时报警
	物料转移事件	❌	❌
	元素引用	✅	✅组态中模型实例化引用
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	✅
	升级转发	✅	❌
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件、3D组件等
	组态展示	❌ (planned)	✅CS组态，支持BS访问
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	❌
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	部分支持，只有104协议
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/客户端
平台和部署	Windows	✅	✅
	Linux	✅	✅
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	✅
	JDBC and ODBC	✅	✅
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	✅
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	✅
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	✅
	AI-based anomaly detection	✅	✅
	Integration with third-party AI applications	容易	较难

中控 InPlant 系列（含 iSYS、VXHistorian、VXBase 与 InPlant SCADA）以组态与监控为主，数据库功能相对基础。系统不支持分布式与多级存储。

数据模型以测点为基础构建，支持一定的开发 check in/out 模式版本控制，支持部分模板功能，但无继承、单位运算。TDengine 支持模板复用与多层级资产结构，模型表达更强。

在分析计算方面，中控支持定时、变化与事件触发，可进行周期性计算，但不具备历史回填与同比分析。TDengine 除支持上述功能外，还具备窗口触发与自动重算机制。

在数据接入上，中控支持 OPC、MQTT 与部分协议，并部分支持断线续传（仅 104 协议）；TDengine 同时支持 OPC、Kafka 与 MQTT，形成完善的数据通道。

安全层面，中控支持 RBAC，但无数据加密与国际认证；TDengine 安全体系更完整，并支持 REST API 与多种可视化集成。

功能类别	具体功能	TDengine TSDB+IDMP	庚顿 GoldenRTSB+GoldenVision
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	✅
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	支持bool、uint8、int8、char、uint16、int16、uint32、int32、int64、float16、float32、float64、coor、string、blob、datetime，不支持DECIMAL
	是否支持指令下发	❌	✅通过独立的SCADA下发，库本身不下发，作为其历史库
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	❌
	元素引用	✅	❌
	属性特性	✅	❌
	数据引用设置	✅	✅通过组态软件图素面板引用
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	❌
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	变化、周期和定时
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	✅
	回填和重计算	✅	✅
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	❌
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	❌
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	❌
	升级转发	✅	❌
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件等
	组态展示	❌ (planned)	✅BS架构
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	❌
	Kafka	✅	❌
	Relational databases	✅	✅
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅（较少）
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
数据分发	MQTT	✅	❌
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	BS访问，可以跨平台
平台和部署	Windows	✅	✅
	Linux	✅	✅
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	❌ （但支持web API）
	JDBC and ODBC	✅	部分支持，JAVA/ODBC SQL功能受限
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	✅
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

庚顿 GoldenRTSB 与 GoldenVision 组合系统，不支持分布式与多级存储。其数据类型包含 bool、int、float、string、blob 等，但不支持 DECIMAL 等数据类型。

在资产建模上，庚顿以测点为基础，支持结构体展示，但不支持模板继承与版本控制。TDengine 则支持模板继承、属性引用与多层级结构，能灵活映射复杂对象。

在计算分析上，庚顿支持变化、周期与定时触发，具备统计与事件触发功能，并支持断线续传。TDengine 除支持多种触发方式外，还具备环比同比分析与重计算机制。

庚顿不支持 Kafka、CSV 或 Flink 集成，接口兼容性较低；TDengine 提供统一 API、JDBC/ODBC 访问、可视化工具与 AI 功能，在智能分析与生态集成上显著领先。

物联网

工业互联网

车联网

电力

IT运维

金融

文档

博客

资源

活动

TDengine TSDB-OSS

知识库

认证

开发者论坛

合作伙伴

集成与解决方案伙伴

渠道伙伴

云服务伙伴

技术生态解决方案

社区伙伴

七家工业数据库横评：PI/亚控/紫金桥/麦杰/力控/中控/庚顿 vs TDengine