在做设备预测性维护或能源管理分析时，你是否也曾思考过：如何才能让机器“理解”我们收集的大量时序数据？工业现场的数据是结构化的，而语义分析、知识推理却往往需要 RDF 等图谱格式。换句话说，“会说话”的数据更聪明，但“翻译”的门槛太高。
时序数据库 TDengine 最近完成了一项全新集成——连接 Ontop，一个开源的虚拟知识图谱系统，实现时序数据向知识图谱的自动转化，带你一步迈入语义化分析的新世界。
时序数据库 × 知识图谱 = 可理解的数据智能
Ontop 由意大利博尔扎诺自由大学开发，它可以将传统关系型数据库中的数据虚拟成 RDF 格式，支持用 SPARQL 语言进行语义化查询。现在，它也支持 TDengine 了。这意味着，只需配置映射规则，无需迁移数据，你就可以直接用“知识图谱”的方式分析 TDengine 中的时序数据。
比如，在一个智能电表场景中，用户可以查询“过去十分钟内电压超过 240V 的设备位置”，甚至做出基于语义的多维推理。这种能力将传统的结构化数据推上了“可理解”的新台阶，也为 AI 和 LLM 的接入打开了大门。
三步接入，让你的时序数据“开口说话”
如何将 TDengine 接入 Ontop？你只需要三步：
- 准备好 TDengine 集群和 taosAdapter，并安装 JDBC 驱动；
- 配置好连接信息（db.properties）和映射文件（db.obda），定义你的 SQL 到 RDF 映射逻辑；
- 启动 Ontop 服务，打开浏览器进入 SPARQL 查询页面，就能看到时序数据“说话”的样子了。
举个例子：用 taosBenchmark 生成 10 万条模拟电表数据，再用 SPARQL 查询其中电压异常的记录，几秒钟就能获得带时间戳、相位、位置等信息的“知识化”结果，直观清晰，还能继续做语义推理。
注意：目前 Ontop 对 TDengine 的支持已合入 version5 分支，需从源码构建。
完整教程直达 ：https://docs.taosdata.com/third-party/bi/Ontop/
结语：我们的使命就是让数据更“聪明”
TDengine 一直在做的，不只是存储数据、加速查询，更重要的是降低数据智能的门槛。我们希望，哪怕是不懂建模、不擅长代码的用户，也能用最自然的方式，问出最关键的问题。通过与 Ontop 的集成，我们把传统时序数据拉进了语义化世界，也为工业 IoT、智慧城市、能源管理等场景打开了新思路。下一步，就看你如何“提问”了。
