時序數據庫 TDengine + 高級分析軟件 Seeq，助力企業挖掘時序數據潛力

Shuduo Sang

2023-11-07 / 技術文章 - 時序數據庫, 精選

作為(wei)一(yi)款制(zhi)造(zao)業和(he)工業互聯網（IIOT）高(gao)級(ji)(ji)分(fen)析軟(ruan)件，Seeq 支(zhi)持(chi)在工藝制(zhi)造(zao)組(zu)織(zhi)中使(shi)用(yong)機器(qi)學習創(chuang)新的(de)新功(gong)(gong)能(neng)。這(zhe)些功(gong)(gong)能(neng)使(shi)組(zu)織(zhi)能(neng)夠將自己或第三方(fang)機器(qi)學習算法(fa)部署到(dao)前(qian)(qian)線(xian)流程(cheng)工程(cheng)師和(he)主題專(zhuan)家使(shi)用(yong)的(de)高(gao)級(ji)(ji)分(fen)析應(ying)用(yong)程(cheng)序，從而使(shi)單個數(shu)(shu)據(ju)科學家的(de)努力擴(kuo)展(zhan)到(dao)許多前(qian)(qian)線(xian)員工。通過 TDengine Java connector，Seeq 可以輕(qing)松支(zhi)持(chi)查詢 TDengine 提供的(de)時(shi)序數(shu)(shu)據(ju)，并(bing)提供數(shu)(shu)據(ju)展(zhan)現(xian)、分(fen)析、預(yu)測等(deng)功(gong)(gong)能(neng)。本文將對此進行介紹。

如何配置 Seeq 訪問 TDengine

查看 data 存儲位置

sudo seeq config get Folders/Data

從下載 TDengine Java connector 包，目前最新版本為 3.2.7 （）。并拷貝至 data 存儲位置的 plugins\lib 中。
重新啟動 seeq server

sudo seeq restart

輸入 License

使(shi)用(yong)瀏覽(lan)器訪問 ip:34216 并按照說明輸入(ru) license。

使用 Seeq 分析 TDengine 時序數據

下文將為大家(jia)演(yan)示如(ru)何(he)使用 Seeq 軟件配合 TDengine 進行時序數據(ju)分(fen)析。

場景介紹

示例場景(jing)為一個(ge)電(dian)(dian)(dian)(dian)力(li)系(xi)統，用(yong)(yong)戶每天從(cong)電(dian)(dian)(dian)(dian)站儀表收集(ji)用(yong)(yong)電(dian)(dian)(dian)(dian)量(liang)數(shu)據，并將(jiang)其存儲在(zai) TDengine 集(ji)群(qun)中(zhong)。現在(zai)用(yong)(yong)戶想要預測電(dian)(dian)(dian)(dian)力(li)消耗將(jiang)會如何發展(zhan)，并購買更多設(she)備來支(zhi)持它(ta)。用(yong)(yong)戶電(dian)(dian)(dian)(dian)力(li)消耗隨著每月訂(ding)單變(bian)化而不同，另外考(kao)慮到季節(jie)變(bian)化，電(dian)(dian)(dian)(dian)力(li)消耗量(liang)會有(you)所(suo)不同。這個(ge)城市位于(yu)北半球，所(suo)以在(zai)夏天會使用(yong)(yong)更多的電(dian)(dian)(dian)(dian)力(li)。我們模擬數(shu)據來反映這些假定。

數據 Schema

CREATE STABLE meters (ts TIMESTAMP, num INT, temperature FLOAT, goods INT) TAGS (device NCHAR(20));
create table goods (ts1 timestamp, ts2 timestamp, goods float);

時序數據庫 TDengine + 高級分析軟件 Seeq，助力企業挖掘時序數據潛力 - TDengine Database 時序數據庫

構造數據方法

python mockdata.py
taos -s "insert into power.goods select _wstart, _wstart + 10d, avg(goods) from power.meters interval(10d);"

源代碼托管在。

使用 Seeq 進行數據分析

配置數據源（Data Source）

使用 Seeq 管(guan)理員角色(se)的帳號登錄，并新建(jian)數(shu)據源。

Power

{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, num FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Num",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

Goods

{
    "QueryDefinitions": [
        {
            "Name": "PowerGoods",
            "Type": "CONDITION",
            "Sql": "SELECT ts1, ts2, goods FROM power.goods",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Goods",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Duration",
                    "Value": "10days",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": [
                {
                    "Name": "goods",
                    "Value": "${columnResult}",
                    "Column": "goods",
                    "Uom": "string"
                }
            ]
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

Temperature

{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, temperature FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Temperature",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

使用 Seeq Workbench

登(deng)錄 Seeq 服務頁面并新建 Seeq Workbench，通過選擇數據源搜索結果和(he)根(gen)據需要選擇不同(tong)的工具(ju)，可以進行數據展現或預測(ce)，詳細使用方法(fa)參見官方知識庫：。

使用 Seeq Data Lab Server 進行進一步的數據分析

登錄(lu) Seeq 服務(wu)頁面并(bing)新(xin)建 Seeq Data Lab，可以進(jin)一步使(shi)用 Python 編程或其他機器學習工具(ju)進(jin)行更復(fu)雜的數據挖掘(jue)功能(neng)。

from seeq import spy
spy.options.compatibility = 189
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import mlforecast
import lightgbm as lgb
from mlforecast.target_transforms import Differences
from sklearn.linear_model import LinearRegression

ds = spy.search({'ID': "8C91A9C7-B6C2-4E18-AAAF-XXXXXXXXX"})
print(ds)

sig = ds.loc[ds['Name'].isin(['Num'])]
print(sig)

data = spy.pull(sig, start='2015-01-01', end='2022-12-31', grid=None)
print("data.info()")
data.info()
print(data)
#data.plot()

print("data[Num].info()")
data['Num'].info()
da = data['Num'].index.tolist()
#print(da)

li = data['Num'].tolist()
#print(li)

data2 = pd.DataFrame()
data2['ds'] = da
print('1st data2 ds info()')
data2['ds'].info()

#data2['ds'] = pd.to_datetime(data2['ds']).to_timestamp()
data2['ds'] = pd.to_datetime(data2['ds']).astype('int64')
data2['y'] = li
print('2nd data2 ds info()')
data2['ds'].info()
print(data2)

data2.insert(0, column = "unique_id", value="unique_id")

print("Forecasting ...")

forecast = mlforecast.MLForecast(
    models = lgb.LGBMRegressor(),
    freq = 1,
    lags=[365],
    target_transforms=[Differences([365])],
)

forecast.fit(data2)
predicts = forecast.predict(365)

pd.concat([data2, predicts]).set_index("ds").plot(title = "current data with forecast")
plt.show()

運行程序輸出結果：

寫在最后

通(tong)過集成 Seeq 和 TDengine，用(yong)(yong)戶(hu)能夠(gou)充分利用(yong)(yong)到 TDengine 高(gao)性(xing)能的(de)時(shi)序數(shu)據存儲和檢索，確(que)保數(shu)據的(de)高(gao)效處理；同時(shi)也將受益于 Seeq 提(ti)供(gong)的(de)強大數(shu)據可(ke)視化和分析功能，如數(shu)據可(ke)視化、異常檢測(ce)、相(xiang)關性(xing)分析和預測(ce)建模(mo)，方便(bian)用(yong)(yong)戶(hu)獲得有價值的(de)數(shu)據洞察(cha)并基(ji)于此(ci)進行決策。

未來 Seeq 和(he)(he) TDengine 將(jiang)共(gong)同為制造業、工業物聯網和(he)(he)電力系統(tong)等各行(xing)各業的(de)時序數(shu)(shu)據(ju)分(fen)析(xi)提(ti)供綜合解決方案，將(jiang)高效數(shu)(shu)據(ju)存儲和(he)(he)先進數(shu)(shu)據(ju)分(fen)析(xi)相結合，賦予(yu)企業深入挖掘(jue)時序數(shu)(shu)據(ju)潛力的(de)能力，推(tui)動(dong)業務(wu)發展與改進。如果你想要(yao)了(le)解 Seeq 的(de)更(geng)全面設置、Seeq 與全托管的(de)云服務(wu)平臺(tai) TDengine Cloud 的(de)具體連接(jie)詳情，請移(yi)步官方文(wen)檔進行(xing)查閱(yue)。

物聯網

工業互聯網

車聯網

電力

IT運維

金融

文檔

博客

資源

活動

TDengine TSDB-OSS

知識庫

開發者論壇

合作伙伴

集成與解決方案伙伴

渠道伙伴

云服務伙伴

技術生態解決方案

社區伙伴

時序數據庫 TDengine + 高級分析軟件 Seeq，助力企業挖掘時序數據潛力

如何配置 Seeq 訪問 TDengine

使用 Seeq 分析 TDengine 時序數據

場景介紹

數據 Schema

構造數據方法

使用 Seeq 進行數據分析

配置數據源（Data Source）

使用 Seeq Workbench

使用 Seeq Data Lab Server 進行進一步的數據分析

寫在最后

IDMP 應用場景

電動汽車場景

微電網監控場景

无码人妻精品一区二区三18禁,影音先锋男人AV橹橹色,污污污污污污www网站免费,日韩成人av无码一区二区三区,欧美性受xxxx狂喷水

物聯網

工業互聯網

車聯網

電力

IT運維

金融

文檔

博客

資源

活動

TDengine TSDB-OSS

知識庫

開發者論壇

合作伙伴

集成與解決方案伙伴

渠道伙伴

云服務伙伴

技術生態解決方案

社區伙伴

時序數據庫 TDengine + 高級分析軟件 Seeq，助力企業挖掘時序數據潛力

如何配置 Seeq 訪問 TDengine

使用 Seeq 分析 TDengine 時序數據

場景介紹

數據 Schema

構造數據方法

使用 Seeq 進行數據分析

配置數據源（Data Source）

使用 Seeq Workbench

使用 Seeq Data Lab Server 進行進一步的數據分析

寫在最后

IDMP 應用場景

電動汽車場景

微電網監控場景