小T导读：钢铁行业车间级数据中心建设面临三大挑战：产线点位庞大带来的海量数据、传感器毫秒级采样带来的高频数据、以及生产调控指令需要的强实时性。传统工业实时数据库在结构化存储上存在瓶颈，关系型数据库也难以支撑高并发写入与查询。在这样的背景下，中冶京诚数字科技（北京）有限公司早在 2021 年就采用 TDengine TSDB 2.x 支撑生产业务，至今四年稳定运行零故障，不仅满足性能需求，还显著降低了运维成本。凭借专为时序数据优化的架构，TDengine TSDB 单机每秒可写入百万行数据，查询响应保持在毫秒级，压缩比最高达 10:1，从根本上降低存储开销，为钢铁智能车间构建了稳定高效的数据底座，助力工艺优化与能效提升。本文将分享中冶京诚基于 TDengine TSDB 的实践经验与成效。
背景和痛点
在国家政策推动下，钢铁行业数字化转型已成为高质量发展的核心路径。作为国民经济的支柱产业，钢铁行业正面临产能过剩、环保压力和质量提升等多重挑战，迫切需要借助智能制造实现高效、绿色、安全的生产。在建设车间级数据中心时，我们重点考虑以下因素：
- 写入、查询性能要求高
钢铁生产数据规模庞大、实时性要求极高，采集频率往往达到 100ms 甚至更快。传统分散式系统难以支撑智能决策，关系型数据库在高并发写入和实时查询方面也难以满足需求，因此必须选择一款具备高性能结构化存储能力的平台，才能成为车间级数据中心的可靠支撑。
- 存储成本控制
钢铁生产数据量大，如果依赖传统工业实时数据库，往往在结构化存储和压缩方面存在瓶颈，导致高昂的成本。因此我们需要一款压缩率高、能显著降低存储开销的数据库产品，才可能实现可持续的规模化数据管理，降低成本。
- 使用与运维成本
系统不仅要性能卓越，还需易用、稳定。理想的平台应具备：安装部署简便、后期运维成本低；开发友好，支持多语言与多工具集成；并在稳定性上表现可靠，确保长期运行的安全性和连续性。
多家产品 PK 后的选择
在数据库选型方面，我们进行了严格测试与比对。国家政策明确要求关键行业实现国产化替代，而钢铁作为国民经济支柱产业，更需规避数据安全与技术封锁风险。因此在车间级数据中心建设中，我们选择国产产品，并通过调研筛选出三家厂商进行压力测试：
- 产品一：来自国内某互联网大厂，基于已有物联网平台进行私有化部署，经测试产品性能上满足要求。但该产品对服务器硬件配置要求极高，架构复杂、组件繁多，部署繁琐，后续运维对人员的要求极高，我方需要投入很大资源才能自行进行运维。
- 产品二：基于已有关系型数据库进行二次开发，结构化数据存储方面，该产品表现优异。但是测试过程中随着数据量的增加，系统资源占用骤增，无法满足高频大批量的数据采集需求。
- 产品三（TDengine TSDB）：研发人员可直接下载、安装、测试，支持标准 SQL，开发人员零门槛即可开展业务验证。凭借批量写入机制，吞吐量大幅提升，在普通服务器上即可满足车间级采集、存储和查询需求，与其他产品相比，显著降低硬件投入。同时，超级表功能有效支持车间建模、存储，简化了数据管理与使用门槛。
综合性能、成本与易用性，我们最终选择了 TDengine 时序数据库作为车间级数据中心的底层数据库平台。
业务场景落地
中冶京诚数字科技充分发挥在冶金领域的 KnowHow 能力，使用 TDengine TSDB 的超级表功能对车间进行工艺建模，为各个工艺段、车间和工序建立覆盖生产过程的数据模型。通过较高频率的数据采集，对所涉及的控制系统和单机设备实现全量采集与存储，并在此基础上完成必要的数据处理，形成稳定可靠的数据服务体系。依托在冶金行业与控制系统的积累，我们实现了钢铁生产全过程的数据采集、存储、处理与服务。
该项目自 2021 年投产以来，共接入 12 套 PLC，采集频率达到 100ms，系统已稳定运行四年多，至今保持零故障。
TDengine TSDB 的使用效果
- 写入、查询性能高
TDengine TSDB 在数据文件块的头部存储了该数据文件块的统计信息，包括最大值、最小值和数据总和，当查询处理涉及这些计算结果时，可以直接利用这些预计算值，无须再访问数据文件块的具体内容。对于那些硬盘 I/O 成为瓶颈的查询场景，其利用预计算结果可以有效减轻读取硬盘 I/O 的压力，从而提高查询速度。
而且 TDengine TSDB 还提供了缓存功能，即使在存储大量数据情况下，也能快速查询设备的最新数据，给应用业务查询带来很大便利性，查询 last 最新数据、count 等操作都在毫秒级别响应。
- 压缩率高
TDengine TSDB 在存储架构上采用了列式存储技术，还采用了差值编码技术，大幅度减少存储所需的信息量。对数据进行二次压缩，压缩率通常可以达到 10% 以内，在某些情况下甚至能达到更高。
以其中一个超级表 mot 为例，存储数据量接近 400 亿条，压缩率（下图中的 Comp）为 10%，占据空间大小（下图中的 Size）为 272GB，查询最新数据耗时是 0.08s 左右，极大降低了存储成本。其他超级表（ritmodel、pv）压缩率能达到 2%、3%左右。
再看下图，该集群采用 双副本架构，由 2 台 TDengine TSDB 服务器和 1 个仲裁节点组成。业务数据同时存放在两台 TSDB 服务器上，每台机器各保留一份完整副本，磁盘空间占用约 756GB。
- 运维成本低
自 2021 年上线 TDengine TSDB 2.x 并升级至 2.6.0.28 版本以来，系统始终保持稳定运行。双副本机制确保了高可用性，在版本升级与日常运维方面也比较简便。目前 2.6 版本运行稳定暂时不需要升级到最新的 3.x 新版本。
此外，服务端资源占用低，CPU、内存使用稳定，详见如下两张图：
未来规划
目前，我们已将 TDengine TSDB 应用于智能环保管理系统，在数据处理性能、运维成本和开发效率方面均取得显著提升。未来，我们计划将其推广至能源管理系统等更多业务场景。与此同时，随着 AI 技术的不断成熟，TDengine IDMP 已集成多项智能功能，我们也将持续关注 TDengine TSDB 的新版本特性，进一步拓展应用边界，充分发挥其能力，提升我们的产品市场竞争力。
作者： 京诚数科车间团队
关于中冶京诚
中冶京诚数字科技（北京）有限公司是中冶京诚的全资子公司，已通过国家“双软”认证及全球权威标准 CMMI 5 级认证。公司深耕冶金行业十余年，专注于提供涵盖智能设计、智能设备、智能控制到智能管理的全流程解决方案，助力冶金企业实现数字化转型与产业升级。作为行业内知名的智能制造软件与服务提供商，公司先后承担工信部工业互联网大数据应用服务及多个试点示范项目，并获国家两化融合咨询服务企业和智能制造集成商资质，持续为行业客户提供专业的智能制造整体方案。
