1. 簡介

本文以電動汽車監控為例，詳細介紹通過MQTT，輕松采集電動汽車電門開度、驅動電機功率、空調功率、車速、SOC、電池電壓/電流等監控指標，將數據寫入 TDengine TSDB 時序數據庫，然后通過 TDengine IDMP，利用 AI 自動生成可視化面(mian)板(ban)和實(shi)時分析(xi)，幫助(zhu)您幾分鐘(zhong)就構建一(yi)套穩(wen)定、高效的服(fu)務器監控(kong)解決(jue)方案。

在(zai)這個方案中，TDengine TSDB + TDengine IDMP 的組合能夠為您帶來四(si)大好(hao)處：

• 輕松完成數據導入：TDengine IDMP 與 TDengine TSDB 無縫集成，當監控數據寫入 TSDB 后，能夠快速導入 IDMP 并以樹形結構的方式展現被監控的電動汽車，IT 資產一目了然。
• 無問智推，數據自己說話：不用在 TDengine 側做任何配置，不用腳本，不用提問，IDMP 會基于采集的數據，自動判斷為 IT 監測場景，自動為您推薦面板和實時預警，服務器的運行狀態盡在掌控之中。
• 智能問數，隨問隨答：不用 SQL，不用任何腳本語言，你只要用自然語言說出感興趣的數據分析或監測面板，IDMP 將會自動幫您創建，把數據可視化與分析的使用門檻降為 0；
• 如果添加新的被監測的電動汽車，只要配置好 MQTT， 在 TDengine 側不用做任何設置和操作，電動汽車就被自動的加入到監測的對象中，最大程度節省人力。

2. 環境準備

2.1 基礎環境

本次(ci) TDengine TSDB 和 IDMP 演示使(shi)用 docker 形式(shi)進行部署，MQTT 作為演示環境數據源。

具體數據流如下：

2.2 前提條件

• Docker(20.10+)
• Docker Compose(v2.0+)

3. 配置指南

3.1 快速啟動服務

• 克隆 倉庫

git clone //github.com/taosdata/tdengine-idmp-deployment.git

• 使用 Docker Compose 啟動 TDengine IDMP，TDengine TSDB，MQTT 服務

cd tdengine-idmp-deployment/examples/electric_vehicle
docker compose up -d

• 確認服務均已啟動

docker compose ps

• 至此，所有服務已成功啟動。您可以在瀏覽器輸入 //localhost:6042 訪問 IDMP 服務，輸入 //localhost:6060 訪問 TSDB 服務。更多細節請參見 。

說明：TDengine IDMP 服務默認(ren)使用(yong) TDengine TSDB 作為其數(shu)據(ju)源(yuan)，IDMP 實例會自動(dong)創建到上述 TSDB 的連(lian)接。

3.2 創建數據寫入任務并進行模擬數據寫入

3.2.1 創建數據庫

• 瀏覽器輸入 進入 Explorer 界面，在注冊頁完成注冊，默認用戶名 root，密碼 taosdata。
• 點擊【數據瀏覽器】，在數據瀏覽器頁面點擊【創建數據庫】。
• 設置數據庫名稱為 ev，完成 DB 創建。

3.2.2 創建數據寫入任務

• 點擊【數據寫入】標簽，進入任務配置頁面，點擊 【導入任務】。

• 選擇 tdengine-idmp-deployment/examples/electric_vehicle/ev-task.json 文件，在彈出的導入任務對話框中，選擇當前任務，選擇數據庫 ev，點擊【確定】。

• 點擊啟動任務按鈕，啟動當前任務

• 任務啟動成功后，狀態顯示【運行中】

3.2.2 生成模擬數據

• 進入 ev-mqtt 容器

docker compose exec -it ev-mqtt /bin/sh

• 啟動數據模擬器，發送模擬數據

~ # ./mqtt_pub --schema ev-history.toml --interval 0ms
client_id: mqtt_pub_tool_91ZTZU424w
client_id: mqtt_pub_tool_xbLu82Nolb
client_id: mqtt_pub_tool_X5SdYp8CDb
client_id: mqtt_pub_tool_4Oe00ePc65
client_id: mqtt_pub_tool_RI06X0JbUi
client_id: mqtt_pub_tool_GhHh2ZMp4G
client_id: mqtt_pub_tool_p4F2TdW3X1
client_id: mqtt_pub_tool_8WND7eY2GY
client_id: mqtt_pub_tool_580cvLtSPd
client_id: mqtt_pub_tool_40kd6ebBB6
client_id: mqtt_pub_tool_SP4KjAMa5U
client_id: mqtt_pub_tool_aABIknMB1N
published 10066, speed: 28680/s, avg speed: 402640/s
published 114348, speed: 20957/s, avg speed: 22860/s
published 216489, speed: 20436/s, avg speed: 21647/s
published 300894, speed: 16851/s, avg speed: 20046/s

• 進入 //localhost:6060 【數據瀏覽器】頁面，看到電動汽車模擬數據已經生成

3.3 初始化 IDMP、體驗AI分析

3.3.1 從 TDengine TSDB 導入資產模型與數據

TDengine TSDB 設計之初就考慮了靜態標簽支持樹狀結構，層級(ji)之間(jian)用“.”進行分割。

在本示例中，location 靜態(tai)標簽列(lie)被(bei)用于存(cun)放樹狀(zhuang)層級關系。

• 瀏覽器進入 //localhost:6042，在注冊頁完成注冊激活
• 點擊用戶頭像，進入【管理后臺】

• 點擊【連接】 標簽下面的 【TDengine】，點擊右側三個點菜單，選擇“數據導入”。

• 從下拉框中選擇數據庫 ev，將標簽 location 在資產模型中設為 路徑；其余列全部設為“屬性”，將 location 字段重命名為 Electric Vehicle，點擊“完成”進行導入。（此處重命名僅僅為了后續展示時的美觀）

• 點擊【下一個超級表】，點擊【忽略】，忽略掉除了【electric_vehicle】外的其它超級表。此處可以給字段進行重命名，在這里我們使用字段的本名進行演示。

• 點擊【完成】，開始導入數據。

• 進入【元素瀏覽器】頁面，在左側資源瀏覽器中選中 Electric Vehicle ，在右側選擇【通用】

3.3.2 體驗 AI 生成面板

• 在左側資源瀏覽器中，點擊 Electric Vehicle > 北京 > 東城 -> 東華門街道 -> ev-17 元素，通過上方路徑導航菜單選擇【面板】，跳轉至該元素的 AI 推薦面板頁面。
• 等待 AI 生成面板推薦后，您可根據需求進行選擇，例如：“過去1天每小時的電池電壓不平衡度”，在您感興趣的面板右上方的菜單中，點擊【生成】按鈕。等待面板生成后，可以【查看】該面板。

• 面板生成后，您還可以在該面板的詳情頁面中選擇【高級】，查看 AI 創建面板時使用的 SQL 語句：

SELECT _wstart,AVG(`cell_max_voltage` - `cell_min_voltage`) AS `EV_Equipment_Battery_Voltage_Imbalance` FROM `idmp`.`vt_ev-17_569050` WHERE _c0 >= now-1d and _c0 <= now INTERVAL(1h) SLIDING(1h) ;

• 點擊【保存】，即可在下方面板列表中查看 ev-17 元素下對應的面板。

3.3.3 體驗 AI 分析

• 在左側資源瀏覽器中，點擊 Electric Vehicle > 北京 > 東城 -> 東華門街道 -> ev-17 元素，通過上方路徑導航菜單選擇【分析】，跳轉至該元素的 AI 推薦分析頁面。
• 等待 AI 生成分析問題推薦后，您可以根據需求進行選擇，例如：“electric_vehicle:ev-17的soc低于20%時，發出次要報警，計算當時平均battery_current,狀態窗口”，點擊您感興趣的問題鏈接，以進入分析編輯頁面，點擊頁面最下方的【保存】。

• 退回到分析列表中，即可查看對應的分析。

3.4 停止服務

如果(guo)想要(yao)停止當前服(fu)務，輸入以下命令

? docker compose down
[+] Running 4/4
 ? Container ev-mqtt                  Removed                                                                                                                                                                                                     0.2s
 ? Container tdengine-idmp            Removed                                                                                                                                                                                                    10.4s
 ? Container tdengine-tsdb            Removed                                                                                                                                                                                                     0.4s
 ? Network electric_vehicle_taos_net  Removed

4. 更多

除了容器化部(bu)署方式以外，TDengine 還支持 tar 包(bao)安(an)裝方式，同時還提供云服務。詳見：

5. 小結

本文以步驟分(fen)解的(de)(de)方式，介(jie)紹了如何使用 TDengine TSDB + TDengine IDMP 快速搭(da)建一(yi)個(ge)基于 MQTT 上(shang)報數據(ju)的(de)(de) 電動汽車(che)監(jian)控系統(tong)，無需(xu)專(zhuan)門的(de)(de)IT技(ji)能，搭(da)建過程簡潔(jie)而高效(xiao)。日(ri)后(hou)，如果有新的(de)(de)車(che)輛需(xu)要被納入(ru)到監(jian)控系統(tong)中，無需(xu)創建元素(su)，IDMP將(jiang)自動偵測到新接(jie)入(ru)的(de)(de)車(che)輛、納入(ru)監(jian)控。

搭建整個監控系統的(de)工作(zuo)幾乎都在 MQTT 數據源的(de)準備，無需編寫(xie)復雜的(de) SQL 語句(ju)，無需腳本和(he)其他(ta)配置，無需學習(xi) Grafana，無需了(le)解多少電動汽(qi)車(che)(che)知識，即可輕松掌握電動汽(qi)車(che)(che)的(de)運行狀態，實時監控和(he)分析電動汽(qi)車(che)(che)的(de)狀態并采(cai)取相應措施。