在工業自動化的領域中,數據的采集、存儲和分析是實現高效決策和操作的基石。AVEVA Historian (原 Wonderware Historian) 作為領先的工業實時數據庫,專(zhuan)注于(yu)收集和(he)存儲高(gao)保真度的(de)(de)歷史工(gong)藝數(shu)據。與(yu)此同時(shi),TDengine 作為一款專(zhuan)為時(shi)序數(shu)據打造的(de)(de)高(gao)性(xing)能數(shu)據庫(ku),在處理和(he)分析大(da)量實時(shi)、歷史時(shi)序數(shu)據方面(mian)展現(xian)出無與(yu)倫比的(de)(de)優越性(xing)。
在最新發布的 TDengine 3.2.3.0 版本中(zhong),我們進(jin)(jin)一(yi)(yi)步(bu)更新了 TDengine 的數(shu)據接入功能,,旨在實(shi)現 AVEVA Historian 與 TDengine 的集成。基于此(ci),本文將(jiang)闡述把 AVEVA Historian 的歷(li)史數(shu)據和實(shi)時(shi)數(shu)據整合進(jin)(jin)入 TDengine 的創新方法,以及這種結合如何(he)能夠極(ji)大地提升數(shu)據利用率,打造一(yi)(yi)個工業創新底座,推動(dong)工業自動(dong)化高(gao)效發展。
我(wo)們(men)先來回顧下當下工(gong)業場(chang)景幾種典型時序數據處理方案(an):
關系型數據庫(例如 Oracle/MySQL、達夢、南大通用)
關系型數據庫在處理海量(liang)時序數據時,讀(du)寫性能較低,分(fen)布式支持(chi)差(cha)。隨(sui)著數據的增加,查(cha)詢的速度也會變(bian)慢。典型的應用場(chang)景包(bao)括低頻(pin)監控場(chang)景和電力 SCADA 歷史庫。
傳統工業實時庫(例如 PI、AVEVA Historian、亞控、海迅)
盡管傳(chuan)統工業實時(shi)庫在(zai)工業數據存儲中(zhong)有著長期的功(gong)效,但它們(men)的架構已(yi)經過(guo)時(shi),缺乏分(fen)布式解決方案,不能水(shui)平擴展(zhan)。而且,它們(men)依賴于 Windows 等(deng)環(huan)境(jing),在(zai)數據分(fen)析能力上(shang)較(jiao)弱,且往往是封閉系統。這類(lei)數據庫主要用于 SCADA 系統和生產(chan)監控系統。
NoSQL 數據庫(例如 MongoDB、Cassandra)
這類數據(ju)庫的問(wen)題在于計(ji)算(suan)實時性較差,查詢速度慢,對內存和(he) CPU 的計(ji)算(suan)開銷大,沒有針(zhen)對時序數據(ju)的優化(hua)。它們(men)主(zhu)要用于處理非結構(gou)化(hua)數據(ju)存儲和(he)爬(pa)蟲數據(ju)。
Hadoop 大數據平臺(例如 HBase、Zookeeper、Redis、Flink/Spark)
雖然這(zhe)類平臺支持分(fen)布式(shi),但其(qi)采(cai)用(yong)(yong)非結(jie)構化方(fang)式(shi)處(chu)理時序數據,組(zu)件(jian)眾(zhong)多(duo),架構臃腫,單節點效率低(di),硬件(jian)和人力維護成本(ben)非常高。它(ta)們(men)主要用(yong)(yong)于通用(yong)(yong)大(da)數據平臺和輿(yu)情電商大(da)數據。
在當前的工業企業中,創新應用需求旺盛,時序數據處理關鍵的應用場景包括智能決策支持、設備故障預警、產品質量分析與預測、智能制造與數字孿生、能耗管理與節能減排。這些關(guan)鍵場景突出了工(gong)業(ye)時序大(da)數據(ju)在創新(xin)應用中的核心價(jia)值,工(gong)業(ye)企業(ye)只(zhi)有采(cai)用先進的解決方(fang)案,才能夠加(jia)快創新(xin)步(bu)伐并在競爭(zheng)激烈的市場中實現差異化(hua)。
在工(gong)業場景(jing)中(zhong),多個工(gong)廠(chang)或車間通常會部署(shu)獨(du)立的 SCADA/Historian 系統,如 AVEVA Wonderware 和 PI 系統,以(yi)管(guan)理實(shi)時和歷史數據。這是目前(qian)工(gong)業自動化的常態,數據分布在各(ge)個現場的數據庫(ku)中(zhong)。
時序數據向中心側集中的優勢在于,它可以增強對數據的整體控制力,使得企業更好地利用它們的數據資產。數(shu)據(ju)的集中處理為全局數(shu)據(ju)可視(shi)化帶(dai)來了可能,為業務創新提供靈感和快(kuai)速驗證的手(shou)段,幫助企業更(geng)好地管理和分析數(shu)據(ju),快(kuai)速響應(ying)而提取有價值的洞見,并(bing)依此及時(shi)做出商業決策(ce)。
SCADA/Historian 也提供了數據(ju)集(ji)中方案,確實在某些方面能(neng)夠滿足需求(qiu),但面臨的挑戰(zhan)是它們難(nan)以支持(chi)海量(liang)測點(傳感(gan)器、設備(bei)等)的數據(ju)量(liang),難(nan)以滿足創新應用的對(dui)大量(liang)獲取時(shi)序數據(ju)的需求(qiu)。當數據(ju)量(liang)非常大時(shi),SCADA/Historian 數據(ju)消費(fei)接口的能(neng)力較弱,可(ke)能(neng)會經歷高(gao)延時(shi),甚(shen)至無法獲取需要的數據(ju)集(ji)。
要有效應(ying)對(dui)這些挑戰(zhan),需要從以下幾個方面優化方案:
- 利用好已有的投資:很多情況下,企業已經采購、部署了多套 SCADA/Historian,投資已經形成,方案必須考慮如何充分利用已建成系統的能力,避免重復投資。
- 提高數據消費接口的能力:增強數據接口的能力,以確保即使在數據量很大時也能快速、高效地消費數據。
- 降低延時:提升系統的性能以減少處理和提取數據時的延時,確保可以及時地獲取數據。
- 實現實時和歷史數據的整合:數據的整合可以提高存儲空間利用率,并為分析和決策提供更完整的數據視圖。實時和歷史數據的結合還能支持更復雜的創新應用,如預測維護、能耗管理和優化操作。
- 支撐海量測點:提高系統能夠處理的測點數量,以適應越來越多傳感器數據的需求。
- 推動創新應用的發展:構建支持創新的基礎架構,應對創新應用需求、新興的工業應用,如預測性維護、資產性能管理、能效優化等,需要對數據進行更深層次的消費、分析和更快速的處理。
TDengine 作為一款極(ji)簡的(de)(de)時(shi)序(xu)(xu)大數(shu)(shu)據平臺,具有高(gao)效的(de)(de)數(shu)(shu)據寫(xie)入和查(cha)詢(xun)性能,適合處(chu)理海量、時(shi)序(xu)(xu)性的(de)(de)工(gong)業數(shu)(shu)據。除了實(shi)時(shi)與歷史合一的(de)(de)時(shi)序(xu)(xu)庫核心功能外(wai),還提供了消息隊列、事件驅動(dong)流(liu)計算、讀寫(xie)緩存,以及多數(shu)(shu)據源接(jie)入的(de)(de)能力。如(ru)何實(shi)現融合上(shang)述六點(dian)的(de)(de)方(fang)案(an)優化(hua),TDengine 也(ye)給(gei)出了答案(an)。
整合 AVEVA Historian 數據到 TDengine
本(ben)文方案中(zhong),將(jiang)利用(yong) TDengine 企業版 taosX 的多(duo)數(shu)據源接入能力匯集多(duo)路 AVEVA Historian 現場數(shu)據,持久化至(zhi)中(zhong)心側 TDengine 集群。

其特點如下:
- 數據遷移:從 AVEVA Historian 系統遷移現有的歷史數據到 TDengine。
- 數據同步:支持實時和歷史數據的同步,實現 AVEVA Historian 實時(Runtime.dbo.Live)和歷史數據(Runtime.dbo.History)至 TDengine 之間的數據同步。
- 支持海量測點:TDengine 支持 10 億時間線,輕松應對目前工業大數據場景。
- 充分利用已有投資:已有的 AVEVA Historian 將繼續發揮作用,同時在 TDengine 平臺上支持創新業務的開發。
- 時序數據優化存儲:利用 TDengine 的高效數據壓縮和存儲機制,優化數據在新平臺上的存儲。
- 查詢性能顯著提升:與 Historian 的查詢性能比較,TDengine 無論在投影查詢還是聚合查詢,均提升幾個數量級的性能。
- 支持數據訂閱:TDengine 提供了結構化的消息隊列,當數據入庫的同時,可根據業務需要創建主題,支持實時消費以驅動創新應用落地。
- 支持多種部署環境:LInux & Windows
- 支持完整 ETL 特性:taosX 組件支持完整的解析、提取拆分、過濾以及數據映射,零代碼即可完成外部數據源接入 TDengine。
本方案的(de)基本環境要求(qiu)有(you):
- AVEVA Historian 接入需 TDengine 企業版支持
- 遠端采集需通過代理模式接入,采集現場須部署 taosX Agent
- 支持 AVEVA Historian 2017 以后的版本
下面以數(shu)(shu)據(ju)遷(qian)移為例(li),介(jie)紹 AVEVA Historian 的歷史視圖數(shu)(shu)據(ju)如何(he)遷(qian)移至 TDengine。

1. 先完成準備工作:在 TDengine 中建庫、建超級表
2. 登入 taosExplorer,創建數據寫入任務,類型:AVEVA Historian
3. 填寫任務基本信息:任務名稱、目標數據庫、Historian 服務器地址、端口、認證信息
4. 填寫采集配置:migrate 模式、選擇標簽點位范圍(默認所有點位)、設置源數據起始終止時間、查詢時間窗口跨度
5. 數據解析與過濾:因 Historian 發送過來的數據是結構化的,無需額外配置解析器和過濾器
6. 數據映射:選擇目標超級表后,系統會自動匹配部分字段,沒有匹配的字段,手工指定映射關系即可
7. 啟動任務
數據同(tong)步 synchronize 與數據遷移 migrate 類似,不同(tong)之處在于:
- 支持兩個來源:Runtime.dbo.History & Runtime.dbo.Live
- 任務結束時間可以不設定,意味著可以一直同步下去,直至人工終止
本方案還可以與 OPC 方案融合:歷史數據通過 Historian 導入 TDengine,實時數據通過 OPC 匯集至 TDengine。新方案的優點是,通過 OPC 支持的訂閱特性實現實時數據即時采集,一旦變化就立刻采集至 TDengine。
新方案同樣是基(ji)于 taosX 組件(jian),維護(hu)方便。

結語
對于(yu)曾投(tou)資 AVEVA Wonderware 的(de)工業(ye)企業(ye),在面臨(lin)數(shu)字(zi)化(hua)(hua)轉型的(de)挑戰時,Historian Connector 結合 TDengine 的(de)解決方案便能成為他們的(de)強大后(hou)盾。此(ci)方案不(bu)僅能快(kuai)速打通數(shu)字(zi)化(hua)(hua)轉型的(de)難關,還能攜業(ye)務創(chuang)新之力,開拓數(shu)字(zi)化(hua)(hua)潛能。
此外,本方(fang)(fang)案具有(you)優秀的(de)融(rong)合能力,可與(yu)各類數(shu)據(ju)(ju)(ju)采集解決方(fang)(fang)案無(wu)縫結合。例如,通(tong)過與(yu) OPC Connector 數(shu)據(ju)(ju)(ju)采集方(fang)(fang)案的(de)整合,歷史數(shu)據(ju)(ju)(ju)得以從 Historian 順暢(chang)導入至 TDengine,同時實時數(shu)據(ju)(ju)(ju)亦可通(tong)過 OPC 即時匯集至 TDengine,實現(xian)(xian)現(xian)(xian)場(chang)時序數(shu)據(ju)(ju)(ju)的(de)高效集中處理。
本(ben)方案所依托的(de)是 TDengine Enterprise 企業版(ban)的(de)強大功能(neng)(且未來(lai)我們將推出 TDengine Cloud 版(ban)本(ben))。如若貴企業正(zheng)尋(xun)求(qiu)這(zhe)方面的(de)解決方案,歡迎主動接洽北京濤(tao)思的(de)專業商務團隊,一起探索(suo)先進的(de)數據處理之道。
關于 AVEVA Wonderware
Wonderware 公司(si)成立于(yu) 1987 年,總(zong)部(bu)位于(yu)美國洛杉磯,是全球(qiu)工(gong)業自動化(hua)(hua)領域的知名品牌(pai)。其先被(bei)施耐德電氣(qi)收(shou)購,后并入 AVEVA。AVEVA Wonderware 應用行業廣泛,在連續生(sheng)產過程(cheng)控制(zhi)和離(li)散制(zhi)造領域優勢明顯。主要應用于(yu)煙草(cao)生(sheng)產、水處理、電力、石油(you)天然氣(qi)、化(hua)(hua)工(gong)、鋼鐵(tie)冶金(jin)、食(shi)品飲料、制(zhi)藥、汽車制(zhi)造、物流倉(cang)儲等行業。其產品包括但不限于(yu) In Touch HMI(人機界面)、System Platform(系(xi)統平臺)、Historian(歷史數據記錄與分析(xi))。


























