黃向東：工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)庫 IoTDB及其應用

IoTDB源自清華大學軟件學院。王院長帶領團隊從2011年開始關注，2014/2015年開始研制，一路走來始終圍繞工業(yè)數(shù)據(jù)軟件，其中包括了數(shù)據(jù)管理軟件、機器學習軟件、數(shù)據(jù)處理軟件以及應用開發(fā)軟件。我主要負責數(shù)據(jù)管理軟件。讓數(shù)據(jù)發(fā)揮價值，首先要把數(shù)據(jù)管起來，便于未來的數(shù)據(jù)處理和應用開發(fā)。

今天分享關于工業(yè)時序數(shù)據(jù)庫IoTDB（全稱Apache IoTDB）及它的一些應用，主要分四個方面：IoTDB在解決什么類型的數(shù)據(jù)；它和工業(yè)之間的關系是什么；對于這類數(shù)據(jù)有哪些管理的挑戰(zhàn)；IoTDB有什么特性以及我們的一些應用實踐。

工業(yè)與時序數(shù)據(jù)

我們要管理的工業(yè)數(shù)據(jù)到底是什么，它和工業(yè)之間是什么關系？如下圖所示，隨著產(chǎn)業(yè)的發(fā)展，生產(chǎn)型制造在整個G D P的占比會越來越低，而服務型制造會快速發(fā)展。其本質是隨著競爭越來越激烈，怎么才能在有限的生產(chǎn)資源下提供更強的生產(chǎn)力，以及在相同的生產(chǎn)力下怎么能將自己制造出來的產(chǎn)品價值進一步提升？

在疫情影響下，很多工業(yè)企業(yè)進一步加強生產(chǎn)制造的產(chǎn)品自身的價值，并基于產(chǎn)品做增值服務，提升競爭力。那怎么做才能讓這樣一個向下的曲線變成一個向上的綠色曲線呢？

大數(shù)據(jù)是整個工業(yè)數(shù)字化轉型升級中的核心生產(chǎn)資料和關鍵賦能技術。大致分成三類：

第一類，是工業(yè)信息化數(shù)據(jù)，來自傳統(tǒng)的CRM、PLM等系統(tǒng)，包括生產(chǎn)過程中的訂單信息、維修信息等等，主要是人為產(chǎn)生。第二類，是跨界數(shù)據(jù)，因為所有的生產(chǎn)運行一定和大環(huán)境相關，例如災害天氣、油價提升等問題都會對工業(yè)最終生產(chǎn)價值產(chǎn)生一些波動。第三類，是機器設備產(chǎn)生的數(shù)據(jù)，這個時代的工業(yè)設備，帶有大量的傳感器，幫助人們?nèi)ピ\斷和查看設備的運行狀態(tài)，從而更有效地去管理或者運維這些設備。

這三類數(shù)據(jù)共同構成了工業(yè)大數(shù)據(jù)的主體，今天我們主要講的機器設備的數(shù)據(jù)和人產(chǎn)生的數(shù)據(jù)很不一樣。很多情況下，機器7X24小時工作，比如一個發(fā)電廠點一次火，可能需要幾百萬的投入，一旦點著了火，即使電量飽和要降低生產(chǎn),也只會降低功率，并不會停工把機器關掉。很多大型設備需要連軸轉很多天，而且設備采集數(shù)據(jù)的頻率可能會很高，每秒、每毫秒甚至每微秒會采一次數(shù)據(jù)。由此，這些機器設備產(chǎn)生數(shù)據(jù)的速率會遠遠高于人產(chǎn)生數(shù)據(jù)的速率。

慢慢地，機器設備變成了產(chǎn)生工業(yè)大數(shù)據(jù)的主體。而有了這些數(shù)據(jù)之后，人類可以更好地去驅動或調(diào)整這些設備，于是這些設備本身也成了消費這些數(shù)據(jù)的主體。這些機器設備數(shù)據(jù)就是我們今天要講的時序數(shù)據(jù)。

為什么叫做時序數(shù)據(jù)呢？因為這些數(shù)據(jù)最典型的特征是記錄了每個設備在不同時刻的某些指標的變化情況。如果用一個關系數(shù)據(jù)庫來看，它就是一個表的結構，可視化出來，橫軸做時間軸，就會看到每一條時序在表示一個設備的某些物理量或指標在時間維度上的變化。

時序數(shù)據(jù)和工業(yè)之間的關系

GE早在2012年就指出，海量時序數(shù)據(jù)是未來驅動新一代工業(yè)革命的歷史性機遇。

以電力為例，發(fā)電、輸電、配電各個環(huán)節(jié)的自動化系統(tǒng)，一直在產(chǎn)生和收集這些數(shù)據(jù)，大量數(shù)據(jù)怎么去管理和使用，才能保障安全、優(yōu)化供需平衡？

例如，金風通過收集風速數(shù)據(jù)和風機轉向角的數(shù)據(jù)和發(fā)電數(shù)據(jù)，可以有效幫助每一臺風機提升它的發(fā)電量，從而產(chǎn)生非常直觀和大量的經(jīng)濟價值。

在制造環(huán)節(jié)，不管是離散制造，還是流程制造，都有大量的工藝參數(shù)數(shù)據(jù)值得被收集，從而進一步保障生產(chǎn)安全以及提高良品率和產(chǎn)能。例如半導體行業(yè)做SMT元器件的貼樁，通過收集每一個元器件的面積、高度、體積、偏移值等數(shù)據(jù)變化，能盡早發(fā)現(xiàn)SMT產(chǎn)線上刀片磨損程度和錫膏濃度對良品率的影響。同時，通過這些時序數(shù)據(jù)，可以訓練出來一些對應的模型，增強監(jiān)測設備的復判能力，降低需要二次人工復判的工作量，進一步提高良品率的穩(wěn)定性。

通過對工程機械實際油耗的消耗程度、設備所處地理位置信息的變化、當時的載重和司機踩油門的輕重等系列數(shù)據(jù)的收集和分析，能幫助司機，合理規(guī)劃應該怎么踩油門、怎么去跑線路才能使工程機械最省油。在工業(yè)運輸和工程機械的使用過程中，省10%的油，就能帶來很高的經(jīng)濟效益。

要在工業(yè)場景中持續(xù)發(fā)揮數(shù)據(jù)價值，本質上取決于到底能采集和管理多少時序數(shù)據(jù)?，F(xiàn)在很多智能設備都號稱可以監(jiān)測設備的實時狀態(tài)，但只管理了實時數(shù)據(jù)。當這些實時數(shù)據(jù)能被存到數(shù)據(jù)庫中變成歷史數(shù)據(jù)，就可以進一步做更多有價值的探索。

下圖從左到右是對實際數(shù)據(jù)管理從少到多的一個過程，同時，也是時序數(shù)據(jù)能發(fā)揮出來的價值從低變高的過程。有了實時數(shù)據(jù)，就可以做狀態(tài)監(jiān)控、遠程運維；有了較長時間的數(shù)據(jù)，就可以對這些設備做一些數(shù)字畫像，進行健康評估，發(fā)現(xiàn)劣化趨勢，進行故障預測和備件調(diào)度；有了設備全生命周期的數(shù)據(jù)，就可以通過它服役狀態(tài)下的設備表現(xiàn)情況，對它的制造工藝進行改進和控制。歷史數(shù)據(jù)沉淀得越多，可挖掘的價值深度就越高。

時序數(shù)據(jù)管理的新需求和新挑戰(zhàn)

在工業(yè)行業(yè)，時序數(shù)據(jù)并不是一個新概念，自動化設備被發(fā)明出來并且被大批量使用的時候，這些數(shù)據(jù)就已經(jīng)被收集和存在了DCS系統(tǒng)。為什么現(xiàn)在又重新把這些數(shù)據(jù)拿出來講？因為在工業(yè)領域的需求在發(fā)生變化。

傳統(tǒng)DCS系統(tǒng)大多部署在工廠側，但是現(xiàn)在有智能電表、智能網(wǎng)聯(lián)車、智能路燈以及許多可移動的智能設備，這些設備也具備了數(shù)據(jù)的采集能力，數(shù)據(jù)都需要被管理。

同時，為了做更精細的應用，設備采集數(shù)據(jù)的頻率可能從原來的五秒鐘一次變成了現(xiàn)在一秒鐘一次，甚至一毫秒一次，這對底層的數(shù)據(jù)管理系統(tǒng)的性能要求大幅提高，從原來的數(shù)萬點每秒到千萬點每秒甚至一億點每秒。

而傳統(tǒng)的狀態(tài)監(jiān)測和實時告警等應用，對歷史數(shù)據(jù)的存儲需求并不高，所以很多情況下，大家會采用采十寸一、采百存一的策略，只存下來部分關鍵數(shù)據(jù)，而那些正常或細微變化的數(shù)據(jù)就丟掉了。但量變引起質變，正是這些細微的變化，幫助我們更快更深地洞察問題，所以現(xiàn)在逐漸向應存盡存、全量存儲轉變。

此外，以往在設備側產(chǎn)生數(shù)據(jù)之后，就向云端發(fā)送，在數(shù)據(jù)中心端就可以看到數(shù)據(jù)。現(xiàn)在由于硬件越來越便宜，邊緣計算能力在增強，本地智能化也需要有數(shù)據(jù)管理能力，并且能和云端做很好的協(xié)同。在上述新需求下，如果這些時序數(shù)據(jù)只是簡單存下來，就是不停增加管理成本，只有對數(shù)據(jù)進行充分的分析、計算，才從成本變成價值。這個過程中，工業(yè)用戶獨特場景帶來的時序數(shù)據(jù)管理的挑戰(zhàn)很多。

工業(yè)設備足夠復雜，尤其是昂貴的工業(yè)設備上觀測的指標數(shù)量非常多。以一個電廠為例，由于一些歷史原因和二次加工數(shù)據(jù)，一個電廠需要被觀測的指標可能超過三十萬個；此外，為了做振動分析，這些數(shù)據(jù)的采樣頻率可能達到兆赫茲的級別。

由于工業(yè)場景的環(huán)境惡劣和工業(yè)控制器的升級問題，很多實時數(shù)據(jù)并未按照時間產(chǎn)生的順序到達云端。而一個工業(yè)設備可能由多個控制器來組成，且品牌不一，由不同的控制器根據(jù)零部件的重要程度不同來決定采集數(shù)據(jù)的頻率，采集數(shù)據(jù)的起始時刻也不一樣。如果用一張表來表示，會看到雖然這個設備有三十萬個指標要監(jiān)測，但是某一個時刻下可能只有七八個指標，另一個時刻下有30個指標。這樣參差不齊，會使得用戶將來使用數(shù)據(jù)的成本和難度大幅提升。

邊緣設備迭代快。以前一個設備監(jiān)測三五個點，隨著應用的逐漸深化，有更多重要的點需要監(jiān)測，給設備做診斷時加裝小零部件，又增加了一些可采集和可傳感的數(shù)據(jù)。

用傳統(tǒng)的關系型數(shù)據(jù)庫存儲時，對于schema的維護工作量非常大，并且往往會出現(xiàn)一些錯誤，導致采到大量數(shù)據(jù)卻無法入庫。IoTDB針對這樣的情況，采用了云端適配邊緣端的方法，根據(jù)傳過來的數(shù)據(jù)自動創(chuàng)建這個序列的元數(shù)據(jù)，來降低管理成本，并且盡可能地讓更多數(shù)據(jù)入庫。

復雜設備測點數(shù)海量。傳統(tǒng)關系數(shù)據(jù)庫會用垂直分表方案，把一個表縱向切成幾個表，去表達一個復雜對象或復雜設備，這會造成額外工作量且性能低。而IoTDB容納的時間序列數(shù)量無上限，允許對于單個設備任意復雜化地去描述其資產(chǎn)管理關系和設備的組成關系，以及這些組成關系和零部件上各個測點的關系。

采樣頻率高。當采樣頻率變得很高時，用關系數(shù)據(jù)庫易達到1000萬行的單表存儲上限，且水平分表分庫等方案需要每天分表，所以在很多IT系統(tǒng)里有一些日表的概念。這會對查詢等操作帶來困擾。IoTDB對時序數(shù)據(jù)的特有處理，能幫助用戶持續(xù)高效地寫入、查詢和管理超高吞吐量的數(shù)據(jù)，并且存儲成本非常低。容納PB級別數(shù)據(jù)。

各數(shù)據(jù)獨立采集。一個設備上不同零部件的數(shù)據(jù)采集是獨立的，采集頻率不一樣，采集時刻對不齊，會造成在可視化或者做兩條序列的相關性分析等時候，出現(xiàn)向量長度不一樣等現(xiàn)實問題。IoTDB把數(shù)據(jù)整理工作，下放到數(shù)據(jù)庫中，讓數(shù)據(jù)庫支持時序數(shù)據(jù)把多條序列按時間對齊，把缺失的值進行空值填充等方式，讓用戶更方便地使用數(shù)據(jù)、發(fā)揮價值。

工業(yè)環(huán)境數(shù)據(jù)亂序到達。工業(yè)環(huán)境網(wǎng)絡質量難以保證，經(jīng)常出現(xiàn)如延遲、斷網(wǎng)，導致數(shù)據(jù)無法完全保序到達。而IoTDB 支持時間序列的亂序寫入。

總的來講，對時序數(shù)據(jù)的處理，一些時序數(shù)據(jù)庫不論是在性能、功能、存儲成本上，都存在一定的不足。市面上也有很多新的時序數(shù)據(jù)庫，但它們的應用場景和底層技術棧不是面向工業(yè)設計的，而是面向互聯(lián)網(wǎng)企業(yè)應用性能監(jiān)控的場景而設計，面對工業(yè)場景下特殊需求，就會出現(xiàn)很不穩(wěn)定或者很差的性能表現(xiàn)。

IoTDB與衍生產(chǎn)品

做IoTDB的初衷，是幫助工業(yè)用戶解決時序數(shù)據(jù)的存儲查詢使用問題，能支撐機器數(shù)據(jù)海量讀寫，能支撐用戶超低成本地存儲數(shù)據(jù)和深度的分析挖掘。我們希望IoTDB成為智能制造或者是未來工業(yè)物聯(lián)網(wǎng)的基礎設施之一。

IoTDB的主要特性，除了高吞吐數(shù)據(jù)、低成本、高壓縮、高可用外，還有面向物聯(lián)網(wǎng)原生的模型和端邊協(xié)同的模式。作為數(shù)據(jù)庫，它也給用戶提供了寫入和查詢的接口形態(tài)。

IoTDB起源于863計劃的一個課題，和國內(nèi)的某家龍頭工業(yè)企業(yè)合作的過程中注意到，他們的工程機械設備數(shù)據(jù)在Oracle中管理出現(xiàn)了瓶頸，上層沒辦法進一步做業(yè)務運用。

從2015年，我們開始自研IoTDB，在很多場景和技術上做了驗證。2018年，我們正式把IoTDB推到Apache基金會，吸引了國內(nèi)和國際上一系列的同行，圍繞IoTDB做一些開發(fā)和使用。2020年，IoTDB正式畢業(yè)，成了Apache的全球頂級項目。之后在持續(xù)的推廣過程中，IoTDB拿到了國內(nèi)一系列的開源獎項。

目前，IoTDB是Apache物聯(lián)網(wǎng)數(shù)據(jù)庫的唯一項目，甚至可以說是唯一一個專門為時序數(shù)據(jù)打造的項目。IoTDB也入選了國家“十三五”科技創(chuàng)新成就展、北京市科技進步一等獎等。IoTDB自主研發(fā)過程中產(chǎn)生了大量面向時序數(shù)據(jù)的新專利，也發(fā)表了一些論文。它是一個物聯(lián)網(wǎng)原生的時序數(shù)據(jù)庫，具有它自己的基準性能。

我們希望通過這個產(chǎn)品幫助用戶利用數(shù)據(jù)提質增效、降低數(shù)據(jù)的管理成本。最重要的是，能低成本、高性能地給用戶提供服務，更便捷地從其他的系統(tǒng)中把數(shù)據(jù)導入IoTDB，提供豐富的數(shù)據(jù)處理生態(tài)和一站式解決方案。

和一些其他的開源系統(tǒng)對比，IoTDB寫入性能遙遙領先，并且在實際的用戶案例下，一臺IoTDB可替代原來15臺NoSQL數(shù)據(jù)庫服務器組成的集群。從查詢性能上，IoTDB不管是原始數(shù)據(jù)查詢還是聚合查詢，都領先同類產(chǎn)品。一個IoTDB就能同時滿足實時數(shù)據(jù)監(jiān)控以及海量歷史數(shù)據(jù)查詢。

IoTDB樹型結構管理的數(shù)據(jù)模型非常適合工廠。一個工廠同一個型號的生產(chǎn)設備不止一臺，這些相同型號的設備，當觀測指標都相同的時候，IoTDB提供了模板化管理方式。對于設備上多個指標，它能同時去采集；采集頻率也相同的時候，可以用對齊的采集模式。對于不同時刻采集，采集頻率不一樣的形式，我們提供了單元序列的方式，各測點獨立采集。對于這些數(shù)據(jù)，既有靜態(tài)的數(shù)據(jù)管理，也有沿時間變化的數(shù)據(jù)管理。此外，也可以在樹上添加一些節(jié)點，實現(xiàn)動態(tài)模型化。

雖然對傳統(tǒng)的IT人員有一些學習成本，但對于OT域人員，這和業(yè)務場景更匹配。為了實現(xiàn)低成本的存儲，我們自研了一個列式文件格式叫Tsfile。它既有列式的存儲形態(tài)，又有高壓縮的編碼結構，還有各種各樣的分段聚合的語句和信息，幫助用戶盡快做降采樣、聚合查詢、生成報表等。在文件的末尾，我們也有文件集的索引來幫助用戶在海量的數(shù)據(jù)下快速查找數(shù)據(jù)。

當采樣頻率提升到毫秒級之后，要做可視化或者做不同應用，需要查詢數(shù)據(jù)的采樣頻率是不一樣的。因此我們給用戶提供了實時降采樣的能力，將一條序列降采樣成數(shù)據(jù)密度更稀疏的序列，來減輕業(yè)務端或應用端的壓力。我們可以把處理后的降采樣或者其他結果，再重新寫回數(shù)據(jù)庫,從而將原始數(shù)據(jù)、加工后的數(shù)據(jù)、再一次加工后的數(shù)據(jù)分別生成出來，最終變成一些知識和決策。

對于質量不高的數(shù)據(jù)，可以通過簡單的降采樣，再把數(shù)據(jù)按時間對齊，并把每分鐘里缺失的數(shù)據(jù)進行補全，來幫助用戶拿到一個更整齊和更便于分析的數(shù)據(jù)。除了寫入建模、寫入查詢以外，IoTDB提供了大量的分析函數(shù)，支持定制化分析，自行開發(fā)和創(chuàng)建函數(shù)以滿足工業(yè)機理分析。目前，IoTDB已經(jīng)陸續(xù)完成了75種函數(shù)。

不止于此，從數(shù)據(jù)進到IoTDB開始的采集、存儲、查詢和分析全生命周期，都提供了數(shù)據(jù)計算的能力。當一個數(shù)據(jù)采集過來要寫入到數(shù)據(jù)庫，就提供了觸發(fā)器機制。用戶對每個新寫入的數(shù)據(jù)都可以去做預知、判斷、告警，都可以對數(shù)據(jù)進行加工和修改，把多個數(shù)據(jù)計算a+b衍生出來c計算出來衍生變量。

當數(shù)據(jù)進入到數(shù)據(jù)庫之后，我們也給用戶提供了一個后臺離線的計算模式，幫助用戶把數(shù)據(jù)查出來，進行處理，之后重新寫回數(shù)據(jù)庫。在數(shù)據(jù)庫中，它可能被叫做物化視圖。通過定期執(zhí)行的方式，在后臺不繁忙的時候幫助用戶把原始數(shù)據(jù)逐漸加工出來。用戶實時查詢的時候，通過UDF函數(shù)機制，也可以實時做一些計算。

當把IoTDB和spark、flink等等大數(shù)據(jù)生態(tài)集成之后，就可以做更多的大數(shù)據(jù)分析應用。整個過程中，既可以對每個采過來的數(shù)據(jù)值做計算，也可以按照時間窗口做計算，讓用戶自定義自己的計算邏輯，幫助用戶更好地整理數(shù)據(jù)。

此外，IoTDB端邊云協(xié)同的設計理念，希望打破原來端測產(chǎn)生數(shù)據(jù)之后，要在本地編碼解編碼，壓縮之后傳到云端，解碼再解壓，再把數(shù)據(jù)寫入到數(shù)據(jù)庫，數(shù)據(jù)庫耗費CPU和內(nèi)存對數(shù)據(jù)進行排序和鍵索引的過程。當端側有了足夠的計算能力，就可以把數(shù)據(jù)編碼，上傳到云端，云端可以直接落盤并分析使用了。這種模式下，云端CPU使用率大幅減小，網(wǎng)絡帶寬也會大幅降低。我們也和一些生態(tài)軟件進行了搭配，用戶可以很方便地拿我們的數(shù)據(jù)庫去做數(shù)據(jù)可視化、數(shù)據(jù)交互式分析，以及用大數(shù)據(jù)spark等標準語言做時序數(shù)據(jù)的分析應用。

IoTDB繼承了很多屬于Apache的開源項目，以及部署Apache，覆蓋從采集、處理、分析、應用的各階段。

作為一個時序數(shù)據(jù)庫，IoTDB更多是提供時序數(shù)據(jù)的建模查詢、處理分析，和低成本存儲的能力。在此之外，我們也逐漸圍繞IoTDB衍生出向前向后的一些功能，幫助用戶更好的去做數(shù)據(jù)的采集告警、基于規(guī)則引擎的計算來產(chǎn)生更復雜的告警、對數(shù)據(jù)進行組態(tài)可視化、對數(shù)據(jù)進行交互分析和大數(shù)據(jù)分析等。

應用案例

清華已推動IoTDB很多年，陸續(xù)得到開源用戶和企業(yè)客戶的大量使用，目前已服務幾百家企業(yè)。包括一系列中字頭的企業(yè)、工業(yè)龍頭企業(yè)，以及國家的一些雙跨平臺。

目前用得最遠的是在一顆衛(wèi)星上，有一個小的盒子里面安裝了IoTDB，在太空中去管理現(xiàn)場的實時數(shù)據(jù)。稍微低一些，是管理飛機的數(shù)據(jù)，中國商飛的大飛機C919試飛階段的數(shù)據(jù)管理用的是IoTDB，成飛無人機的試飛數(shù)據(jù)等也是在用IoTDB。目前，IoTDB已經(jīng)管理了幾萬億個數(shù)據(jù)點，數(shù)據(jù)量達到十幾個T。

在地面，我們跟大量的工廠、地鐵車輛做了鏈接；在海上，我們和中船合作，管理船舶和水文變化數(shù)據(jù)。

IoTDB在國際上也有大量用戶，和德國的企業(yè)合作去服務寶馬、德鐵等企業(yè)。和博世、西門子等企業(yè)的合作也在陸續(xù)展開。

首先講講國內(nèi)的應用：

和中車合作，管理上海地鐵所有列車的數(shù)據(jù)。之前是15臺KairosDB+底層Cassandra，管理144列車的數(shù)據(jù)，每列車有3000個測點，采樣頻率是500毫秒采集一次。升級后，單臺IoTDB就可以管理這種數(shù)據(jù)量級，并且能大幅提升上限容量。當系統(tǒng)完全切換成IoTDB，我們將它原來在CTV中三年的數(shù)據(jù)重新導入，過去用其他系統(tǒng)三年存儲的200TB的數(shù)據(jù)，在IoTDB能被壓縮到16TB，幾乎降低了90%的存儲成本。

和博世合作，博世的ctrlX AUTOMATION，圖中右上角亮燈的小盒子，在工廠側可以直接部署應用。一定程度上和國內(nèi)的工控機有點像。但是因為和博世的其他設備打通得更好，所以它潛力極大。之前，盒子不具備管理歷史數(shù)據(jù)的能力，我們把IoTDB安裝在盒子內(nèi)，現(xiàn)在它可以管理歷史數(shù)據(jù)。上個月，此產(chǎn)品在德國博世的展會和SPS展上進行了發(fā)布。

和湖南中煙合作，兩三年前，幫助管理集控車間和工廠的數(shù)據(jù)，監(jiān)控制絲和卷包車間 260 個設備的狀態(tài)，涉及90135個時間序列數(shù)據(jù)的采集，將多個工廠的數(shù)據(jù)匯總到公司級大數(shù)據(jù)平臺，形成了車間、工廠、集團這樣多層次的數(shù)據(jù)管理體系，管理各種制造過程中工藝參數(shù)數(shù)據(jù)，提升生產(chǎn)效率、降低損耗。

和大唐先一合作，在4個火電廠和60多個新能源發(fā)電企業(yè)替換掉open TSDB，對數(shù)據(jù)進行管理，原來需要一個集群才能搞定的事情，現(xiàn)在單個節(jié)點就能搞定，減少 95% 運維成本。

和國家電網(wǎng)合作，應用于成都世代積家充電場站、北京亦莊光伏場站等業(yè)務場景，把IoTDB放在電表箱內(nèi)部，實現(xiàn)了充電場站實時狀態(tài)監(jiān)測，及本地負荷計算、諧波計算、終端故障預警等能力。

和長安汽車合作，幫助長安汽車把數(shù)據(jù)匯總到云端，建設了云平臺，使得原來做一些故障數(shù)據(jù)查詢的響應速度，從分鐘級提升到秒級，帶來更好的用戶體驗，從而去做更多的業(yè)務應用。

和太極合作，是一個火電廠的應用，使用 IoTDB 替換 Apache Druid， 構建發(fā)電機組的遠程分析平臺，管理了11個發(fā)電機組的數(shù)據(jù)，大幅降低了運維成本。

和中國氣象局合作，把全國十萬個地面氣象觀測站的實時數(shù)據(jù)進行存儲。之前不方便查看單站數(shù)據(jù)，尤其不方便查看單站一段歷史時間數(shù)據(jù)，因為氣象預報員預報數(shù)據(jù)的時候，一定程度上會依賴于所謂的視覺殘差。要快速查看數(shù)據(jù)在不同時刻的變化情況，在視覺上形成動畫效果，這就要求數(shù)據(jù)庫能非常高速的去突出每個時刻的數(shù)據(jù)變化情況，IoTDB恰好滿足這樣的場景。

和東方國信合作，打造東方國信Cloudiip平臺，連續(xù)四五年入選國家十大雙跨平臺。底層的時序數(shù)據(jù)庫是基于IoTDB，并且基于IoTDB發(fā)布了CirroData-TimeS 的衍生產(chǎn)品。

和用友合作，管理了工廠生產(chǎn)設備的數(shù)據(jù)。用友目前也在基于IoTDB打造對應的產(chǎn)品。還有一些和工業(yè)稍微離得遠一些的應用場景，包括金融、DFS等場景。歡迎大家關注開源項目IoTDB。