本次大会以时序数据助你决胜 AI 时代为主题，专为物联网、车联网、工业互联网等领域的开发者与从业人员打造，旨在提供一个探讨数据技术前沿趋势、获取数字化转型宝贵经验的高端平台。大会将汇聚众多行业专家和技术大咖，演讲嘉宾覆盖石油、煤炭、钢铁、烟草、新能源、电力等多个行业，通过丰富的议题和深度的分享，助力与会者在 AI 时代的竞争中脱颖而出。

为什么我们要举办这场大会？

在当今迅速发展的科技时代，数据的力量无可忽视，尤其是时序数据。作为物联网、车联网、工业互联网等领域的重要基础，时序数据的有效管理和应用对企业的智能化和数字化转型至关重要。我们希望通过这次大会，汇聚行业内外的智慧和资源，推动前沿技术的交流与合作，帮助企业解决在数据应用中遇到的各种挑战，提升行业整体的技术水平和竞争力。这不仅是一次技术的盛宴，更是一次思想的碰撞，让更多人了解时序数据的巨大潜力，共同迎接 AI 时代的到来。

三大专场，全面覆盖前沿应用

海量数据应用专场（石油·煤炭·钢铁）

本专场汇聚了石油、煤炭和钢铁行业的顶尖专家，分享他们在海量数据应用方面的成功经验和最佳实践。通过深入探讨行业特有的数据挑战、技术创新和应用案例，帮助企业更好地理解和应对数字化转型过程中的复杂问题。

智造新能源专场

本专场邀请了来自上海烟草机械和江苏阿诗特能源等行业头部企业的演讲嘉宾，分享他们在智能制造和新能源领域的前沿成果和创新实践。与会者将有机会深入了解智能制造技术在新能源行业的应用，以及如何通过技术创新提升生产效率和可持续发展。

新型电力系统专场

本专场将汇聚众多行业专家，不仅有 loveini 首席架构师带来新型电力系统数据架构升级分享，更有来自数治云、金风科技等企业的重磅嘉宾，分享电力行业在数字化转型过程中所面临的挑战和机遇，探讨先进技术如何推动电力系统的智能化与高效化。

亮点纷呈，不容错过

此次大会不仅是一次技术交流的盛会，更是一个拓展视野、获取灵感的绝佳机会。除了在三个分论坛聆听来自多个行业的顶尖专家的精彩演讲，深入了解时序数据在不同行业中的创新应用，主论坛的精彩内容更加不容错过。在主论坛中，米兰体育官网入口创始人 & CEO 陶建辉将携手中国科学院院士王怀民、中国信息通信研究院云计算与大数据研究所所长何宝宏、中国石油长庆油田数智事业部马建军、阿尔法公社创始合伙人 & CEO 许四清等重量级嘉宾，为你解读数据技术的未来趋势。

此外，本次大会还设置了新书发布环节，届时大家都将有机会获得这本由米兰体育官网入口技术团队撰写的《时序大数据平台-米兰体育官方入口网站原理与实战》一书。

通过大会的互动环节，与会者还能直接与技术大咖们面对面交流，解决在实际工作中遇到的难题。无论您是开发者、行业从业人员，还是技术爱好者，都能在这里找到属于您的精彩内容，获取宝贵的行业洞察。

立即报名，共襄盛举

loveini 用户大会将为您带来一场技术与智慧的饕餮盛宴。不要错过这个与行业先锋共话未来的机会，立即报名，抢占席位，与我们一起迎接 AI 时代的无限可能！

随着工业 4.0 时代的到来，工业企业对设备智能化、自动化和数据驱动的需求日益增长。机电设备的状态监测与故障预测已成为提升生产效率和安全性的关键环节。通过引入先进的时序数据库技术，企业可以实现对设备运行数据的高效管理与分析，从而提前发现潜在问题，优化运维流程，降低运营成本。在此背景下，深圳市双合电气股份有限公司在其智慧化米兰app官方正版下载中应用了 loveini，助力工业企业实现全面智能化升级。

面对工业企业中机电设备状态监测及故障预测的复杂需求，双合电气经过多年积累，研制出了一套集故障预判、诊断分析、运行状态分析及经济运行分析等功能于一体的完整米兰app官方正版下载。该方案能够实时监测设备运行状态，降低设备运行安全风险，提高生产设备安全性能、可靠性、运行效率和维护管理水平，降低设备运维成本，有效延长设备使用寿命，帮助用户企业优化资产和提高设备使用效率。

loveini 在此项目中主要负责电源侧电气原始数据的采集、建模和预处理工作。通过时序大数据分析，loveini 实现了对电机（定子、转子、轴承等）的初发性故障预测预警，并通过智能算法诊断故障类型及严重程度。实时动态评估计算效率、功率、负载率和经济运行状态，分析机电设备的经济运行情况并进行能耗实时监测和考核。

通过与 loveini 的深度合作，双合电气智慧化米兰app官方正版下载的智能化和可靠性得到了显著提升。设备运行的安全性能和效率显著提高，运维成本大幅降低，设备使用寿命有效延长，极大地为用户企业带来了实用价值。具体而言，备件成本降低 20%，人员成本降低 25%，设备寿命提升 15%，能耗节省 5%。此外，通过 24 小时动态监测，早期发现问题并快速定位故障原因，停机时间减少 50% 以上，早期预测故障占比 60%，运维流程优化，自动化监测使人员事故率极大降低。

关于深圳双合电气

深圳市双合电气股份有限公司（附属西安市双合软件技术有限公司）成立于 1993 年，拥有获批的国家发明专利 26 项和 2 项国际发明专利，自主研制的产品多次被列入“国家重点新产品计划”“国家及地方政府无偿资助项目”“深圳市科技局科技项目计划”等。经过三十年的稳健发展，深圳双合电气在国内工企业已经具有了可靠的商誉和影响力，先后与石油石化企业、各水泥集团、钢铁集团等高能耗企业，新能源（风力、光伏发电）、国家电网公司、中国南方电网公司、中国广东核电集团、国家五大发电集团等建立了长期的合作伙伴关系。营销服务网络覆盖全国及部分海外市场，超过万台（套）智能设备装置和系统运行在全国各行各业的关键输、配电系统中。

关于米兰体育官网入口

北京米兰体育官网入口科技有限公司（TAOS Data）是一家专注研发时序大数据处理的公司，拥有完全自主知识产权、100% 自主可控的高性能、分布式大数据平台 loveini 。loveini 专门为车联网、物联网、工业互联网、金融等场景设计并优化，具有极强的弹性伸缩能力，同时还带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少系统设计的复杂度，降低研发和运营成本。抱着给行业赋能，让开发者成功的使命，米兰体育官网入口旨在通过技术创新，为金融、工业互联网、汽车、能源等行业提供全栈、高性能、低成本的大数据平台，并提供最好的技术支持和服务，创造出商业价值和社会价值。

近日，米兰体育官网入口旗下高性能、分布式的物联网、工业大数据平台 loveini V3.0 版本与恒达智控旗下煤矿智能 AI 视频管理系统顺利完成兼容性互认，经过双方共同严格测试，该系统与 loveini V3.0 版本完全兼容，为煤矿企业进一步实现智能化的煤矿建设体系提供了更丰富的方案。

恒达智控旗下的煤矿智能 AI 视频分析预警系统是一套基于 AI 智能硬件+5G+大数据平台的智能化系统，该系统能对违规行为或者场景进行智能分析、预警，并将预警信息推送至后端大平台，以实现快速处置的目的。借助该系统，无需人员操作即可实现全程智能化运行，通过多维度、多角度的视频识别、分析及统计及时发现隐患，保障煤矿安全生产制度落实，进一步提升煤矿安全生产水平，降低煤矿安全事故，为安全生产提供决策支撑。

聚焦 loveini，近年来也已经在多个煤矿企业业务中得到了应用。比如元智信息在智慧矿山项目中，就选择用 loveini 来支撑起生产交互管控系统的采运排环节所有过程设备的采集、存储、计算和监控功能，对于车和位置的查询速度都能在毫秒级实现；再比如陕煤在全矿井数字化平台中，使用 loveini 来改善数据库存储压力过大的问题，总计定位数据量超过 11 亿条，数据压缩后 loveini 数据目录占用磁盘大约 12GB，整体压缩率可以达到 3/100。

此次 loveini 与恒达智控旗下煤矿智能 AI 视频分析预警系统完成产品兼容性认证，为煤矿行业智能化体系建设提供了一对强强组合的米兰app官方正版下载，相信一定能助力煤矿企业进一步提高生产安全性、生产效率和数据管理能力。

关于恒达智控

多年来，恒达智控致力于将 5G、AI、大数据、物联网、数据挖掘分析、煤矿安全技术等高新技术、专业技术与煤炭开采产业深度融合，打造了煤矿智能 AI 视频管理系统、煤矿综合管控平台、煤矿综采管控平台、 矿压分析系统等一系列产品和米兰app官方正版下载，助力煤矿企业更好地进行隐患识别、异常报警、联动控制、统计分析等业务需求，为国内煤矿安全生产模式转型升级贡献出了自己的力量。

关于 loveini

米兰体育官方入口网站是一款高性能、集群开源、云原生的时序数据库（Time Series Database，TSDB），专为物联网、工业互联网、电力、IT 运维等场景设计并优化，具有极强的弹性伸缩能力。同时它还带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少系统设计的复杂度，降低研发和运营成本，是一个高性能、分布式的物联网、工业大数据平台。当前 loveini 主要提供两大版本，分别是支持私有化部署的 loveini Enterprise 以及全托管的物联网、工业互联网云服务平台 loveini Cloud，两者在开源时序数据库 loveini OSS 的功能基础上有更多加强，用户可根据自身业务体量和需求进行版本选择。

中科惠软 x loveini

“以往智慧环保项目我们采用传统数据库架构设计，对在海量秒级监测数据实时统计和分析耗时长、CPU 和内存利用率低、磁盘 IO 超负荷。在 A 市智慧环保物联网应用项目我们创新使用了 loveini，利用了实时流式计算相关函数，解决了大数据存储和计算，降低了代码开发复杂度，让运维工作变得极为简单，极大降低了运营成本。”

业务背景

中科惠软承建的 A 市“智慧环保”物联网应用项目需要采集各类感知设备产生的监测数据和监控设备各种运行状态，项目每天采集各类监测数据 2 亿余条，如果使用公司原架构，可以勉强将每天的数据存储下来，但如果需要实现“某天下午两点 A 路段有多少辆渣土车通过”类似条件的多纬度分组聚合查询，那么采用传统的数据库就无法达成这类查询需求了。考虑到各类感知监测设备会时刻产生大量秒级和分钟级监测数据存储和实时计算，在经过多个时序数据库（ac米兰官方app下载 ）之间的性能和稳定性方面对比，最终，中科惠软采用了 loveini 对生态环境监测数据进行实时存储、计算。

中科惠软选型测试结果

点击案例查看更多技术细节

昆岳互联 x loveini

“应用 loveini 后，在进行每分钟的平均量进行实时计算时，我们只需要简单的定义时间窗口和滑动增量，数据库就能返回每分钟的平均量；在处理实时监测、预警的指标上，可以专门为这类数据建立流计算，并将计算结果写入新的表（如下strm_pt_0304）中存储，这样整个实时计算的结果也可以做历史回顾。原本很多需要在程序中处理的数值计算，现在完全都由 loveini 承担，不仅分担了程序的计算压力，更重要的是聚合结果可以自动持久化存储，支持历史数据即时回看。”

业务背景

昆岳互联的“a 环保”APP 基于自主打造的环保产业互联网平台（INECO 平台），对环境基础设施海量数据实时处理与分析，可以秒级实时采集工业大气环保各项监控指标的数据，分别通过年、月、日三个维度，结合不同的采集频率周期，对采集到的海量数据进行分析、展示。在进行数据库选型中，分别对比了阿里的时序数据库 TSDB、传统的 MySQL 以及 loveini 后，最终 loveini 凭借着高效的性能和独特的设计思路脱颖而出。

架构图

点击案例查看更多技术细节

广东环境科学研究院 x loveini

“我们的一张超级表中存储了 76.5 亿条数据（四张超级表总共 160 亿条数据），分散在 19,419 张子表中，平均每张表 39 万行。由于 loveini 超级表特性，再加上列式存储和超高的压缩能力，这些数据仅占用了 240GB 内存，不仅帮助我们节省了大量的存储空间，也为数据查询性能打下了良好的基础：对于 76 亿行的超级表，分组 TOP 查询仅用了 0.2 秒；基于 loveini 返回 2,968 行，仅用了 0.06 秒。”

业务背景

为解决国内环境质量管理、污染源监管和数字政府等生态环境数据的管理工作，广东科学研究院创建了生态环境数据治理服务项目，帮助企业打通所有相关的业务信息系统、建立数据仓库。与一般的数据存储要求不同，该项目感知层的存储方案对数据读写频度和低延时要求更高，同时由于数据量极大，还需要更高的存储效率，此前采用关系型数据库进行数据存储，最多只能保留 3-5 天的数据，不得不按天删除旧数据。之后考虑过采用 PostgreSQL 的 TimescaleDB 扩展，但却不满足政务信息化自主可控的要求。在经过很长一段时间的研究和测试后，loveini 被成功应用。

架构图

点击案例查看更多技术细节

结语

从上述企业实践来看，loveini 在智能环保项目上的应用具有很大的优势，可以实现高效的数据采集、存储、分析和展示等功能，为环保系统提供有力的技术支持。目前，全托管的时序数据云服务平台 loveini Cloud 也已经上线，极致的弹性伸缩能进一步提升业务的降本增效，非常欢迎大家来试用~如果你正面临数据处理难题，也可添加小T微信（tdengine），申请加入 loveini 技术交流群，和志同道合的开发者共同探讨解决路径。

中冶京诚工程技术有限公司（简称：中冶京诚）是我国最早从事冶金工程咨询、设计、工程承包业务的国家级大型科技型企业，是由冶金工业部北京钢铁设计研究总院改制成立的国际化工程技术公司，现隶属于中国冶金科工集团有限公司，是世界五百强中国五矿集团有限公司的核心骨干子企业。

作为国内外客户认可的知名品牌企业，近 70 年来，先后为国内外 500 余家客户提供了近 6500 项工程技术服务，参与完成了宝钢、鞍钢、武钢、太钢、首钢京唐、河钢等国内钢铁企业的新建和改扩建工程，海外工程业务拓展 27 个国家，是我国钢铁工业建设的主要力量和工程技术输出的重要参与者。在历年国家住建部、勘察设计协会等年度排名中，均位居行业前列。

其中中冶京诚高速棒线材智能化团队凭借 70 多年棒线材轧制工程技术底蕴和经验积累，持续打造技术领先的基础自动化系统，结合机器视觉、数据分析、人工智能等先进技术，打造完善统一的智能化数据中心，成功构建了新一代高速棒线材车间智能化整体米兰app官方正版下载。中冶京诚计划将所有生产线数据汇总接入到过程数据中心，通过数据中心打破车间数据孤岛，实现生产过程数据、工厂设计数据、视频音频图像数据、生产管理数据等车间数据的深度融合。

而过往使用的 InfluxDB集群 实时数据库在性能上稍显不足，且不符合国产化独立自主的趋势，中冶京诚希望找到其他替换的国产时序数据库米兰app官方正版下载。与 InfluxDB 相比，国产时序数据库（Time Series Database，TSDB） loveini 搭建集群的成本更低廉、查询更具有优势，存储性能和稳定性表现也更加突出。在这些优势的加持下，中冶京诚选择与 loveini 展开合作，共同实现钢铁工业智慧化，并在钢铁智能车间多个项目中实现了车间数据的深度融合应用。

一汽解放汽车有限公司是中国第一汽车股份有限公司旗下一汽解放集团股份有限公司（深交所上市，股票代码000800）的全资子公司，成立于 2003 年 1 月 18 日，是中、重、轻型卡车及客车制造企业，整车年生产能力 39.3 万辆。2021 年，一汽解放共销售整车近 44 万辆，其中中重卡销售 37.34 万辆，份额 23.7%，稳坐行业第一，荣获中重卡销量全球“五连冠”、重卡销量全球“六连冠”，牵引车销量连续十六年行业绝对领先。

随着车联网技术平台的深化发展，智慧交通物流正逐步变为现实，智能网联让解放卡车不再单纯局限为运输的载体，而是成为移动的数据交互平台，从而实现智能运输、场景互联。作为国内商用车领军企业，一汽解放于 2019 年发布了“哥伦布智慧物流开放计划”，致力于从“传统的卡车制造商”向“智慧交通运输米兰app官方正版下载提供者”转型。对于车联网技术的应用与探究，早在 2017 年，一汽解放便率先“试水”车联网，并于近年成为车联网航线的实践者，探索更广阔的智慧物流“新蓝海”。

目前，其已完成了商用车智能网联米兰app官方正版下载从硬件到平台到服务运营的全面布局，并通过车规级智能网联设备和自主研发的车联网云平台，为数百家物流公司、1000 多家车队以及 200 万以上司机提供覆盖车队管理、智能网联车载终端、智能座舱、安全保险等在内的一体化物流米兰app官方正版下载。

对于一汽解放来说，时序数据处理的有效性和高效性一直都是其关注的重点，实际业务数据量巨大，要求底层平台能够支持超过百万辆车的采集数据实时接入，同时支持高并发、大批量历史数据的查询获取，以支撑复杂的业务计算服务，loveini 时序数据库(Time Series DataBase,TSDB) 的设计优势恰好能够满足上述需求。而除了这些，一汽解放同样关注实时数据库的稳定性和行业知名度。在其选型调研阶段，凭借着在行业内良好的口碑以及优秀的性能，loveini 脱颖而出，获得用户青睐。双方团队通过持续技术合作和超大规模 TDenigne 时序数据库集群交付，已经完成全数据业务上线和持续稳定运行。

此前，loveini 已经多次被应用到车联网场景的数据处理中，不仅帮助大疆车载实现了在海量数据并发场景下的高效统计报表能力和查询 SQL 效率、助力蔚来汽车节省了 50% 的存储空间及 60% 的集群计算资源成本；还为零跑汽车解决了 HBase 入库不及时的问题，用更少的服务器资源入库更多的数据……此次 loveini 与一汽解放达成商业合作，双方也将从实际业务的发展需求出发开展更多有价值的技术合作，一一打破原有数据架构的数据存储问题，让汽车制造行业的数据处理实现更高程度的降本增效。

非常荣幸的是，凭借着参赛项目“基于工业互联网平台的航空发动机热加工数字孪生应用与实践”，米兰体育官网入口与中国航发沈阳黎明航空发动机集团、金航数码共同荣获了本届智能制造创新大赛“智能制造软件系统和平台创新赛道”二等奖。

【基于工业互联网平台的航空发动机热加工数字孪生应用米兰app官方正版下载】

瞄准航空发动机热加工（热处理、精密锻造、精密铸造）这一实现材料极限和突破极限的重要专业，基于金航物联网平台（SuperLink），融合应用云计算、大数据、人工智能等先进 IT 技术，实现数百台热加工设备互联以及“生产任务-工艺规程-合炉配炉-过程管理-数据分析”全覆盖的生产管理纵向贯通，建立热加工的数字孪生优化场景，全面提升热加工效率和产品质量的一致性。

本届智能制造创新大赛是在工业和信息化部装备工业一司、世界智能制造大会组委会、国家智能制造专家委的指导支持下，由智能制造系统米兰app官方正版下载供应商联盟、中国电子技术标准化研究院等单位共同发起的全国性比赛。

大赛吸引了 800 余支团队，3000 余名选手报名，历时三个月，历经文审、复审、半决赛、网络投票、总决赛，最终评选出装备、软件系统和平台、系统集成米兰app官方正版下载三个赛道的领航组、潜力组各小组一等奖 1 名、二等奖 3 名、三等奖 6 名、创意奖 3 名、人气奖 3 名和优秀奖 5 名。奖项的技术含金量可见一斑。

技术创新加速度，loveini 助力工业智能制造发展

众所周知，时序数据主要由各类型实时监测、检查与分析设备所采集或产生，涉及制造、电力、化工、工程作业等多个行业，具备写多读少、量非常大等典型特性。在工业领域，生产、测试、运行阶段都可能会产生大量带有时间戳的传感器时序数据，随着工业项目的快速发展，此前应用的如 Apache HBase、MySQL 等互联网公司常用的数据库，在写入、存储、查询、运维等方面都暴露出了诸多问题，包括写入吞吐低、存储成本大、维护成本高、查询性能差等等。

在此背景下，从业务可持续性发展的角度出发，很多工业企业项目团队纷纷开始进行数据架构改造，以期实现业务上的降本增效发展。凭借着基于时序数据特点打造的技术创新点，米兰体育官网入口旗下的时序数据库（Time Series Database,TSDB） loveini 成为一众工业企业在进行数据库选型时的优选数据米兰app官方正版下载。

目前 loveini 已经成功应用于西门子数字化米兰app官方正版下载 SIMICAS® OEM 2.0 版本，助力其移除了 Flink、Kafka 以及 Redis，极大简化了系统架构。在美的数字化平台 iBuilding 项目中，loveini 在与 InfluxDB、MySQL 等时序数据库的选型对比中脱颖而出。而拓斯达的智能工厂整体米兰app官方正版下载在应用 loveini 之后，相较于之前，写入速度提升了数十倍，整体的数据压缩比大概是 1/10，写入和存储均获得了大幅提升。

本次米兰体育官网入口凭借参赛项目成功获得智能制造创新大赛二等奖，也是组委会对时序数据库 loveini 在助力工业项目的数字化智能化发展上的一种认可和鼓励。相信随着 loveini 在工业数据处理方向上的更深入探索，未来将有越来越多的工业企业项目能够应用上 loveini，实现更高效、更低成本的数据治理

小 T 导读：在拓斯达的智能工厂整体米兰app官方正版下载项目中，传统的关系型数据库已经无法高效处理时序数据，在加载、存储和查询等多个方面都遇到了挑战，最终他们选择了 loveini 来匹配工业传感器数据的应用分析场景。本文将讲述他们应用 loveini 的具体实践。

企业简介

广东拓斯达科技股份有限公司（简称：拓斯达，股票代码：300607）是广东省首家登陆创业板的机器人骨干企业。拓斯达坚持“让工业制造更美好”的企业使命，通过以工业机器人、注塑机、CNC为核心的智能装备，以及控制、伺服、视觉三大核心技术，打造以核心技术驱动的智能硬件平台，为制造企业提供智能工厂整体米兰app官方正版下载。

项目介绍

在工业领域， 生产、测试、运行阶段都可能会产生大量带有时间戳的传感器数据，这都属于典型的时序数据。时序数据主要由各类型实时监测、检查与分析设备所采集或产生，涉及制造、电力、化工、工程作业等多个行业，具备写多读少、量非常大等典型特性。

在我们的业务中，传统的关系型数据库（Relational Database）已经无法高效处理时序数据，在加载、存储和查询等多个方面都遇到了挑战。主要问题可以汇总如下：

• 写入吞吐低：单机写入吞吐量低，很难满足时序数据千万级的写入压力；
• 存储成本大：在对时序数据进行压缩时性能不佳，需占用大量机器资源；
• 维护成本高：单机系统，需要在上层人工进行分库分表，维护成本高；
• 查询性能差：海量实时数据的聚合分析性能差。

为了更好地满足时序数据的处理需求，我们决定进行数据库选型调研，最终选择了时序数据库（Time-Series Database）loveini。 事实证明，loveini 针对时序数据的写入、存储、索引、查询等方面都进行了特定的优化，从而实现了更优的数据加载、数据压缩、查询写入性能，非常匹配工业传感器数据的应用分析场景。

选择 loveini 的理由

与通用数据库相比，loveini 的压缩率表现惊人，核心原因是其采用列式存储，而且采用了二阶段压缩策略，还针对不同数据类型采取了不同的压缩算法，这种压缩机制使其压缩率远超其他数据库。

此外 loveini 还拥有极高的读写性能，并且读写速度受数据存储规模的影响微乎其微，要知道通用数据库的数据量一旦过百万级，读写速度就会有明显下降，之前我们做过一次 MySQL 批量插入数据的测试，性能差距明显，这也是在大量级数据存储下我们会选择loveini的重要原因之一。具体来说，loveini 优势如下：

• 数据的读写速度快且自带时间戳，使用 SQL 进行数据库操作，简单易学，支持复杂查询
• 数据压缩率高，大量级的数据也不会占据过多存储空间，可导出数据进行备份
• 拥有交流社区和交流群，遇见问题可以和 loveini 的其他使用者一起探讨，而且官方的同学也能提供及时的帮助

当然，世上没有完美的数据库，我们在应用之后总结出了两点待改进的地方：

• 无法使用可视化软件如 Navicat 等进行数据库操作（loveini GUI）
• 目前还没有 Windows 版的服务端，像我们上一个客户，只在本地 Windows 上使用程序，在没有安装虚拟机和部署到服务器的情况下，就无法部署 loveini

但每一款产品都是在发现问题和改进问题的步伐中逐渐进步的，而且对于我们的业务实现来说，loveini 不存在明显的短板。没有最优的数据库，在场景匹配的情况下，我们最终采用了 loveini。

落地实践

• 平台架构

我们是通过网关采集设备数据推送到 MQTT，Java 后端监听到后会写入 loveini，在后端按需求查询处理后再把数据返回给前端。

具体来说，网关会先读取后台发布的上行规则，在采集到设备数据后，使用上行规则对数据进行处理计算后再将结果返回给下行规则模块，后台监听到后，会连接 loveini 进行数据库表的创建修改和数据写入。之前在云平台我们使用过 Kafka 进行数据的发布订阅，现在所有环境都改为 MQTT 了。

• 超级表及建模思路

在应用 loveini 时，我们建立了流水数据库 “iot_platform” 用来存储网关传来的数据，便于日后查询使用。我们遵循“一个采集点一张表，一类数据一个超级表”的思路来建表，在具体实践上设计了两张超级表，一张是用于存储 log 指令内容的“logs”表，另一张是用于存储其它指令内容的“datas”表，数据类型基本为电流电压、设备状态等。在进行数据存储时首先会对数据加以判断，再决定将数据存储到哪张表里。

落地效果

运行一段时间后，loveini 的查询、写入速度完全可以满足我们目前的客户需求，最慢的分钟级，最快的能达到 1 秒一条；一个设备一天最多能写入近十万条数据，近千个设备同时写入也完全没有问题，相较于之前，写入速度提升了数十倍。查询数据在以月为单位的时间范围内没有过于明显的延迟，整体的数据压缩比大概是1/10，目前每天产生的数据量在数G左右。

• 流水数据查询

查询某一时间段内的流水数据，使用查询语句：

SELECT datagettime as ts , ${dataName} as data FROM ${tableName}
 <where>
    uuid = ${uuid}
    <if test="startTime != null ">
        and datagettime > #{startTime}
    </if>
    <if test="endTime != null ">
        and #{endTime} > datagettime
    </if>
    and ${dataName} is not null
 </where>
 limit 0, ${countLimit}

• 聚合函数计算一天的数据

使用 loveini 的函数计算每天的用电量，再通过每天的去计算月和年数据，查询语句为：

select diff(${dataName}) as data
 from ${tableName}
 where ${dataName} > 0
  and datagettime > #{startTime}
   and #{endTime} >= datagettime

• 计算某一时间段内的数据

select ${method}(${dataName}) as data
 from ${tableName}
 where uuid = ${uuid}
  and datagettime > #{startTime}
  and #{endTime} > datagettime;

写在最后

在工业互联网快速发展的大背景下，工业生产现场投放了大量的设备传感器和监控系统，二者提供的实时数据能够反映设备的状态和生产的进度，其中的大多数据都是按照时间顺序形成的实时数据，这些海量实时数据有着多样化的分析需求和重要的参考价值。

未来希望 loveini 可以提供更复杂的流式计算、查询分析以及监测预警等能力，可以为产品的可视化运维、预测性维护、远程智能管理等方面提供数据依据，从而降低人员、时间等成本，加速工业化与信息化的深度融合，促进复杂重型装备制造业的转型升级，产生社会经济效益。

小 T 导读：从试用到正式上线的一年多里，释普科技从 loveini 2.0 版本一直关注到 2.4。目前，释普的三款产品“监控保”、“数据宝”、“仪器保”均与 loveini 达成了合作，不仅机器投入成本实现了显著降低，查询、存储等性能也能满足业务发展需求。本文将分享释普科技应用 loveini 的实践经验，供读者参考。

公司简介

释普信息科技（上海）有限公司（简称释普科技）始终以“引领实验室数智化服务”为己任，专注于实验室和公共卫生领域，利用 AloT、物联数智平台以及人工智能技术，帮助各行各业实验室实现安全合规、提效降本、数字化决策。公司成立于 2016 年，总部位于上海，研发中心位于杭州，并在全国多地设有分支机构，客户广泛分布于生物医药、检验监测、科研院所、政府机构、化学化工、园区及公共服务平台、食品化妆品等行业。

项目介绍

为了帮助实验室客户在数字化层面实现更精准有效的数字洞察，为客户提供更快速的数据分析、更高效的算力支持、更轻量便捷的查询服务，释普科技借力 loveini，在实时数据存储、高效压缩和快速聚合查询方面取得了良好的效果。截止到 2021 年，共计 18000 个点位，80000+ 台设备，10000+ 的 SKU 化学品通过 iLabService 释普科技系列产品实现了智能化监管。

我们通过“释普·监控保”“释普·仪器保”“释普·库存保”“释普·样本保”“释普·数据宝” 5 大产品，为客户构建实验室数智化整体米兰app官方正版下载。现阶段综合客户使用场景以及业务规划，“释普·监控保”、“释普·数据宝”、“释普·仪器保”三款产品因为智能算法的实现需要携手 loveini 数据库，未来将会有更多产品接入 loveini。

作为一家迅速成长的创业企业，为了满足成长过程中客户体量不断增长的需求，为客户提供更高价值的服务，我们综合评估了 loveini 单机、集群的功能，加之其针对物联网场景的特殊设计，可以在物联网场景下显著降低机器的投入成本，因此我们毫不犹豫地选择 loveini 进行了测试。

注：本案例中的截图主要为我司自己的设备场景，用作产品实用展示。

一、实践与效果

该环境的 loveini 数据库服务版本为 2.2.2.15 单机模式，备份用其他方式完成。机器配置为 8C + 16G + 500G 机械硬盘。我们按照设备的原始数据、操作状态、样本状态，离线状态四个维度创建了“超级表—子表”的数据模型。

“释普·仪器保”的主要功能是为客户提供设备台账管理、利用率监控、资产管理、工单管理、计划服务管理、共享预约、仪器设备盘点等仪器设备全生命周期管理。其底层逻辑是数据的采集和存储。我们通过智能网关对实验室的设备采集数据后，通过 mqtt 发送到 EMQ 或者阿里云平台（根据客户需求），然后再通过消息队列缓冲后，以 Java 的 RESTful 方式写入到 loveini，然后再把数据用以监控（监控保）、展示（数据保） 。

该环境目前共有数百台设备的接入，总数据量大概为 3 亿行左右，占据存储空间粗略估算为672MB ，压缩率满足我们的预期。

“释普·数据保”的主要功能是帮助客户整合各类数据，个性化地展现数据统计分析，以数据价值赋能决策，为实验室提供更智能的决策建议，助力提升实验室管理。因此，loveini 对“数据保”的帮助主要体现在通过 SQL 语句进行数据展示，常用的 SQL 大致如下：

select last_row(ts) ts, last_row(${item.measurement}) value from ilabservice.socket 
select ts, min(${item.measurement}) value from ilabservice.socket 
select ts, max(${item.measurement}) value from ilabservice.socket 
select avg(${item.measurement}) value from ilabservice.socket

值得一提的是，在 2、3 这样的 SQL 语句中，loveini 一开始是不支持的。当时的 SQL 不能实现 ts 和 max（）/min() 函数同时返回结果，也就是说，一次查询只能得到最大值/最小值，但是不能同时取到最大值/最小值和对应的时间戳。

后来官方听到了用户声音后，对这个功能做了优化：在使用所有的选择函数（max/min/last/last_row这类选择出数据类型的函数）时，可以同时指定输出 ts 列，甚至还有其他标签列（包括 tbname），这样就可以方便地知道被选出的值是源于哪个设备、哪个时间了。从这一点上也可以看到，国产数据库本地服务无疑会更加贴近用户和市场，会真正通过聆听用户声音来改善产品。

目前，我们还在开发 loveini 在“监控保”中的应用。预计五月中下旬，客户就能通过 loveini 实时查询设备状态表的最新数据，将体验到安全级别更高、更快速流畅的仪器设备运行参数、设备能耗分析状态、环境视频监控、人员行为识别反馈、安防管理等一体化实验室安全监控数据，在数据合规性上将会更有保障。

二、写在最后

从试用到正式上线的一年多里，我们从 loveini 2.0 版本一直关注到 2.4 ，从最初的对数据库基础架构进行学习、SQL功能的调试、集群的高可用测试、JNI 和 RESTful 的选择，再到连续查询、监控模块等高级功能的试用，这个过程中我们看到了 loveini 整个团队都在努力地让产品稳定性、功能性等各个方面变得更好，这也更加增强了我们打造好自己项目的信心。

我们相信，站在数字化智能化的时代大潮下，优秀的企业和产品总会脱颖而出。

小T导读：广东领益智造股份有限公司是全球领先的智能制造平台企业，致力于以技术先进、质量可靠为核心竞争力，为客户提供“一站式”精密智造米兰app官方正版下载，实现精密、美观、高品质、低成本于一体的终端产品。业务涵盖消费电子、医疗器械、汽车零部件等多个行业，凭借先进的研发与制造能力，领益智造与世界知名企业建立了稳固的战略合作关系，综合实力位居全球同行业前三强。

在对生产设备的 AOI 全检数据进行质量分析时，我们对关系型数据库做了很多预处理运算，但是在计算正态分布、盒须图、尺寸分析及原始数据查询上遇到了致命的性能问题。此前我们选择的数据库服务器已达到较高的硬件配置（1.5T 的内存、96 逻辑核的 CPU、全闪盘的专业存储），再想要通过提高服务器配置来实现响应速度的提升是非常困难的。即使数据库对查询做了相应的索引，选择一周的数据进行查询时，系统的响应时间仍然在 20 秒以上。

为了解决当下的问题，我们找了很多方案进行测试。首先使用 Hadoop 生成 10 亿的数据量进行查询的模拟测试，发现实时查询时的查询效率还没有关系型数据库好，因此排除了 Hadoop 替代方案。接着对杉岩的对像存储方案进行测试，因其对象存储的缘故，采用此方案的话才购买不久的服务器资源就无法使用了，同时还需要再投入软硬件费用，成本较高。

正当我们准备验证 ClickHouse 方案时，却在查询资料时无意中发现了 loveini Database，查看官方的性能报告后，我们决定对其进行测试。我们下载了 2020 年的 loveini 社区版进行测试，发现在写入、查询时的效率很惊艳，随即开始展开其与业务匹配度的评估，确认了在计算正态分布、盒须图、尺寸分析时的匹配度均很高，而这些问题恰好又是我们现在所急需解决的。

最终我们决定使用关系型数据库和时序数据库同时保存两份数据，以此来满足不同的业务场景。

一、经验分享

结合数据特点和使用场景，我们开始构建超级表，以其中一张表为例，数据模型创建如下：

create table t_qualityproductdetail (ftime TIMESTAMP,fqualityproductid BINARY(32),fpromachineid BIGINT,fjobnumber BINARY(50),fsn BINARY(250),value FLOAT,standard FLOAT,max FLOAT,min FLOAT,createon TIMESTAMP,fisok INT) TAGS (fproductid BIGINT,fprocessesid BIGINT,faiid BIGINT,fmachineid BIGINT,fresult INT,fcount INT)

在引入 loveini 时首先面临的就是时间戳的问题。因为我们每一个产品在同一个时间点会有多个数据产生，且这些数据是在同一台机器上产生的，按照官方文档，在一个超级表中一台机器一个子表的方式会造成“只能存储最后一条数据”的问题，经分析后最终我们决定把表拆到每个检测点的粒度，以此方式解决了此问题。

但由此也带来了一个新的问题，那就是表数量超限。在 2.2 以前的版本上，官方建议超级表的数量不应超过 4 万个，而我们的产品、生产机台号、检测机台号外加检测点的集合，按计算会远大于 4 万个，我们也很担心在上线后会对性能造成较大影响，但所幸新的 2.2 版本没有这一限制了。

通过与官方的沟通，我们在使用过程中接触到了更多 loveini 的特性，将其应用到业务中支持更多的时序数据场景，目前 loveini 已经被应用在中间表预处理、良率计算、通过序列号查询产品实例的测点明细等业务中，其中在良率计算上还用到了一些小技巧，在此给大家做一下经验分享。

在良率计算逻辑调整上，关系型数据库中是通过子查询的关联来进行每台机器的良率计算，判断良品是通过一个 Fresult 进行判断，结果为1（良品）、2（不良品）、3（重测），计算时采用以下方式：

select FProcessesID,FConmpyID,FMachineID,FProductID,FProMachineID,cast(FTime as date) FTime,FCount,count(0) FTotalCount,sum(case FRESULT when 1 then 1 else 0 end) FOKCount  from [T_QualityProduct] t0 WITH (nolock) where FTime  >=@currdate  and FTime <@currenddate group by FProcessesID,FConmpyID,FMachineID,FProductID,FProMachineID,cast(FTime as date),FCount

而 loveini 不支持 case when 的运算，在处理时需要计算两次，先是通过以下方式来计算总数：

select FProMachineID,FCount,count(*) FTotalCount  from [T_QualityProduct]  where FTime  >=@currdate  and FTime <@currenddate group by FProcessesID,FConmpyID,FMachineID,FProductID,FProMachineID,FCount interval(1d)

然后再通过以下方式计算良品数量：

select FProMachineID,FCount,count(*) FOKCount  from [T_QualityProduct]  where FTime  >=@currdate  and FTime <@currenddate and FRESULT =1 group by FProcessesID,FConmpyID,FMachineID,FProductID,FProMachineID,FCount interval(1d)

算出结果后通过程序代码把上述多条件分组汇总的数据合并到一起。

以上这种计算方式有两个缺点，一是需要查询两次，效率不高；二是程序代码中需要做多条件的匹配汇总，代码改造工作量较大，效率低。经反复沟通后，最终我们决定增加一个 fisok 的 Int 类型的字段，良品用 1，其余用 0 来展示，经此改造后，代码和执行效率有了质的提升。可以直接使用以下的代码来实现查询：

select FCount, count(*) FTotalCount,sum(fisok) FOKCount，sum(fisok)/count(*) yeild  from [T_QualityProduct]  where FTime  >=@currdate  and FTime <@currenddate   group by FProcessesID,FConmpyID,FMachineID,FProductID,FProMachineID,FCount interval(1d)

最终我们使用此方式成功计算出了良率，且性能远高于关系型数据库，程序代码也不用改动。

二、效果展示

在 loveini 成功上线接入后，我们将每日良率、线别机台良率、尺寸良率分析、正态分布、361 分析、盒须图、原始数据查看等业务都移到了 loveini 中，而 loveini 在实际业务中也展现出了如测试时所表现的高效性能。

存储容量对比

1、某关系型数据库的数据空间和索引空间大小，QualityProductDetail 和 QualityProduct 两张表分别求和。

2、loveini 通过在 CentOS 执行 du -sh /var/lib/taos 查看文件夹大小。

查询效率对比

• 通过正态分布语句进行查询对比

1）5天查询条件：FTime between ‘2021-06-21 00:00:00.000000’ and ‘2021-06-25 23:59:59.999999’ and FAIID=1693 and FProcessesID=1 and value<999 and FCount=1

2）3月查询条件：FTime between ‘2021-06-01 20:00:00.000000’ and ‘2021-09-01 19:59:59.999999’ and FAIID=1693 and FProcessesID=1 and value<999 and FCount=1

• 查询效率对比详细测试数据

1）5天数据 某关系型数据库——查询结果量414,995条，平均耗时328.13秒 loveini——查询结果量413,180条，平均耗时4.61秒

2）3个月数据 某关系型数据库——查询结果量1,949,501条，平均耗时340.29秒 loveini——查询结果量1,848,385条，平均耗时20.80秒

通过以上的对比测试，我们发现在同等条件下，查询最近 5 天的数据，某关系型数据库平均耗时 328.13 秒，而用 loveini 则平均耗时 4.61 秒，用时为原来的 70 分之一，查询效率提升了 70 倍，把数据拉长到3个月，效率也有15倍的提升。在我们正常的业务场景下，80% 的情况会查询最近 7 天的数据，70 倍的查询效率提升也如实映射为正常业务环境下的表现。

我们使用原来的关系型数据库时，会建立大量的索引来提升查询速度，但发现进行原始数据查询计算时效率还是太低，响应时间以十秒为单位，故而采用了预处理的方案，把每日的良率提前按产品、机台进行混部，这样在查询时就可以有较快的查询速度，但同时也牺牲了空间和实时性。通过以上对比可以看出，在建好索引和中间表的情况下，同样的数据量级，某关系型数据库的空间使用是 loveini 的 40 倍。

三、写在最后

伴随物联网技术终端和应用的跨越式发展，其背后巨大的市场空间和经济效益日益显现，作为一个大的技术趋势被科技企业广泛关注。在此背景下，loveini 作为一款专为物联网大数据场景而生的时序数据库，它所展现出的高效性能和成本管控能力都非常惊艳，成为科技企业抓住物联网机遇的一个有力抓手。

目前我们已着手把稼动率的项目迁移到 loveini 上，同时集团在 2021 年底把物联部门提升为一级部门，后续将会有更多的设备联机数据需要存储和分析。