工厂里的传感器每秒产生成千上万条读数，真正的挑战不是数据量，而是从数据流到运营洞察的速度。等数据落库、人工查询、发现问题，往往已经错过了最佳处置时机。压缩机能效已经悄悄下滑数周，水泵振动的细微漂移早已出现，OEE 在固定班次周期内反复跌破目标——这些信号都在数据里，只是没有人在实时监视。

TDengine 的实时分析让计算持续运行在数据流上：工程师配置好分析规则，系统便开始不间断地执行计算，生成 KPI、检测异常、触发告警。对于已知的关键指标，用规则精确定义；对于难以预先描述的复杂偏离，TDgpt AI 引擎自动识别。两种方式在同一套平台上并行运行，覆盖已知与未知两类问题。

计算在数据库内核，不受应用层限制

TDengine 内置高性能流式计算引擎，计算逻辑直接运行在数据库内核中。每个实时分析对应一个 TDengine 流计算（Stream），通过 SQL 创建和管理，随数据写入持续执行——不占用应用服务器资源，应用层重启或网络中断，流计算依然在数据库层面持续运行。

传感器数据延迟到达或乱序写入时，TDengine 对受影响的时间窗口重新计算，确保输出结果始终准确。对于需要回溯历史的场景，流计算可以对存量数据执行回填，让历史趋势图在分析上线后即刻呈现完整数据。计算结果作为时序数据写回 TDengine，和原始传感器读数统一存储，可用 SQL 直接查询，也可在可视化面板中展示，或作为下游分析的输入。

工程师可以直接编写 SQL 创建和管理流计算，也可以通过 TDengine IDMP 的图形化界面完成同样的配置——无需写代码，无需了解流计算的底层语法。

分析的触发方式配置页面

八种触发方式，覆盖工业数据的每种节拍

工业现场的数据不都是按固定频率上报的。有的设备每秒推送一次测量值，有的只在状态切换时才产生记录；有的流程以时间为节拍，有的以批次号为单位；有的异常在某一时刻瞬间触发，有的需要观察一段完整过程才能定性。

TDengine 提供八种流计算触发方式，覆盖工业场景中数据的不同节拍。需要每分钟刷新一次滚动 KPI，按时间滑动窗口持续计算；设备在运行、空闲、故障之间切换，跟随状态变化自动分段统计；批次设备结束任务后数据流静默，系统检测到静默间隔自动触发批次汇总；需要捕获温度超限从发生到消退的完整过程，用表达式定义开始和结束条件，自动计算这段时间内的峰值、均值和持续时长。每种触发方式在 IDMP 配置界面中均有对应选项，工程师选择触发类型后填写参数即可，底层 SQL 流计算自动生成。

TDgpt：不需要预设规则，自动识别异常

异常检测的传统做法是为每一种已知问题设定阈值：温度超过 85°C 告警，振动超过 12mm/s 告警。这条路能精确覆盖已知的问题，但设备缓慢退化的早期信号往往不触碰任何硬限值。

TDengine 内置时序 AI 分析引擎 TDgpt，通过 ANOMALY_WINDOW() 函数对外提供异常检测能力。不依赖预设阈值，TDgpt 自动学习目标属性的正常运行规律，持续识别偏离这一规律的数据片段——哪怕读数仍在正常范围内。一台冷水机的能效系数出现历史规律之外的小幅下滑，会被检测到并生成事件；一台水泵流量曲线上出现不符合历史规律的周期性波动，会在轴承损坏之前被标记出来。

TDgpt 支持从无需参数配置的经典统计方法（IQR、LOF、Isolation Forest），到能学习复杂周期规律的深度学习模型（LSTM-AD），以及在多样化工业数据上预训练的 TDtsfm 时序基础模型——历史数据量不足的场景下也能零样本启动。工程师既可以在 SQL 中直接调用 ANOMALY_WINDOW() 函数，也可以在 IDMP 的分析配置界面中选择触发类型为”异常检测”，选定属性和算法后保存运行。

借助LLM，TDengine 能自动推荐分析任务，你也可以用自然语言让它创建你想要的分析任务

AI 辅助配置，工程师无需从零开始

在 IDMP 的分析配置界面，内置 AI 助手让配置过程更直接：在输入框里描述需要什么，AI 自动解析意图并生成完整的分析配置——触发类型、计算间隔、聚合窗口、输出表达式、目标属性全部自动填充，用户审查后保存即可运行。

AI 还会根据当前设备的属性、模板类型和已采集数据主动推荐适合这台设备的分析方案。对于一台电表，系统可能推荐每小时最大电压计算或功率因数监控；对于一台压缩机，可能推荐排气温度的异常检测。无论工程师选择直接描述需求还是从推荐列表里挑选，最终生成的都是标准的 TDengine 流计算，可以在数据库层持续运行。

Q&A

Q：实时分析和仪表板告警有什么区别？

A：仪表板告警通常在用户查看页面时由前端执行判断，或通过定时轮询触发。TDengine 的实时分析是流式计算，在数据库内核持续运行，不依赖页面是否打开、用户是否在线。计算结果写回 TDengine，后续告警、事件、KPI 展示都基于已经计算好的结果。

Q：工程师必须用 IDMP 界面配置实时分析吗，还是可以直接写 SQL？

A：两种方式均支持。TDengine 的流计算通过 SQL 语句创建和管理，熟悉 SQL 的工程师可以直接编写；IDMP 的图形化界面和 AI 助手是在 SQL 流计算之上的配置层，最终生成的也是标准流计算，两种方式产生的结果完全一致。

Q：分析支持跨设备的聚合计算吗？

A：支持。TDengine 的超级表设计将同类设备的数据聚合简化为单张超级表的查询，无需 JOIN。在 IDMP 中选择子元素聚合模式，可以对共享同一模板的所有子设备执行聚合——例如计算所有风机的平均发电功率，或汇总产线所有设备的总能耗。

Q：历史数据能回填吗？

A：可以。创建分析时启用历史回填并指定起始时间，TDengine 对历史数据执行同样的流计算逻辑并写入对应属性，分析上线后历史趋势图立刻呈现完整数据。

Q：TDgpt 异常检测和固定阈值告警可以同时使用吗？

A：可以，两者互补。固定阈值告警处理已知的、明确的边界条件；TDgpt 异常检测识别无法预先定义的偏离模式。在同一台设备上可以同时运行多个分析，分别监控不同维度的状态。