传统 historian 的现代化改造：从 OSIsoft PI 到 TDengine IDMP 的演进

摘要：OSIsoft PI 作为工业 historian 的代表，在运维和性能方面面临挑战。本文分析从 PI 迁移到 TDengine IDMP 的企业级实践，探讨工业数据管理架构的现代化演进路径。

一、传统 historian 的困境在流程工业中，OSIsoft PI 曾是许多企业的首选 historian。然而，随着业务规模扩大，逐渐暴露出以下问题：

License 成本：按测点收费，年费用可达数百万性能瓶颈：Archive 服务器单点性能受限运维重量化：需要维护 Windows Server、PI Data Archive、PI AF 等多个组件云化困难：Windows 依赖使其难以容器化部署某大型制造企业的技术负责人坦言："我们的运维团队花了 70% 的时间维护 PI 系统，而不是专注于业务创新。"

二、现代化 historian 的选型在评估替代方案时，企业重点关注以下维度：

评估维度权重OSIsoft PITDengine IDMP

运维复杂度

高

高（5+组件）

低（单二进制）

写入性能

高

65k 点/秒

480k 点/秒

查询延迟

高

百毫秒级

毫秒级

扩展能力

高

垂直扩容

水平扩展

国产化适配

中

有限

全面支持

生态集成

中

PI 生态

开放生态

TDengine IDMP 在运维简化、性能提升和扩展能力方面的优势，使其成为企业现代化改造的首选方案。

三、迁移实践与架构设计

3.1 双写过渡方案# 双写适配器class DualWriteAdapter:def __init__(self):self.pi_server = PIServer('PI-SERVER')self.tdengine = taos.connect(host='tdengine-idmp')def write(self, tag_name, timestamp, value, quality):# 写入 PIpi_point = self.pi_server.PIPoints[tag_name]pi_point.UpdateValue(AFValue(value, timestamp))# 同步写入 TDengine IDMPcursor = self.tdengine.cursor()cursor.execute(f"""INSERT INTO {tag_name} VALUES ({timestamp}, {value}, {quality})""")

3.2 数据模型映射PI 的 tag 模型可以平滑映射到 TDengine IDMP 的 super table + sub table 模型：

OSIsoft PITDengine IDMP说明

Tag

Super Table

一类测点的模板

Tag Attributes

TAGS

设备元数据

Time-Series Data

Sub Table Row

时间序列数据

PI AF Element

Super Table

装置模板

3.3 集群架构-- 创建三副本高可用集群CREATE DATABASE plant_data REPLICA 3 KEEP 3650d;-- 动态扩展CREATE DNODE "node1:6030";CREATE DNODE "node2:6030";CREATE DNODE "node3:6030";

四、性能对比验证在 100 万测点、每秒 100 万数据点的企业级测试场景中：

性能指标OSIsoft PITDengine IDMP

写入吞吐

65k 点/秒

480k 点/秒

P99 写入延迟

45ms

3ms

单点查询

5ms

0.5ms

装置级聚合

850ms

45ms

CPU 核心需求

32核

8核

内存需求

256GB

64GB

存储空间(1TB原始数据)

350GB

100GB

五、运维简化

运维任务OSIsoft PITDengine IDMP

组件数量

5+

1

配置文件

10+

1

监控指标

分散

内置 Prometheus

扩容操作

License 升级 + 硬件扩容

单条 SQL

备份恢复

PI Backup

taosdump

六、国产化红利在信创战略背景下，TDengine IDMP 的国产化属性为企业带来额外价值：

自主可控：核心代码自主开发，无外部依赖国产适配：支持麒麟、统信 UOS 等国产操作系统芯片支持：适配鲲鹏、飞腾、龙芯等国产芯片技术服务：国内原厂企业级技术支持

七、迁移路径建议对于正在使用 PI 且考虑升级的企业，迁移路径如下：

评估阶段：梳理现有测点规模和查询模式，评估迁移收益双写阶段：通过适配器同时写入 PI 和 TDengine IDMP切换阶段：逐步将读流量切换到 TDengine IDMP收尾阶段：完成历史数据迁移，下线 PI 系统

八、总结

从 PI 迁移到 TDengine IDMP，不仅是数据库产品的替换，更是企业数据架构的现代化演进。企业在迁移后获得了显著收益：

性能提升：写入吞吐提升 7 倍，查询延迟降低 90%成本降低：年 License 费用从 500 万降低到 50 万运维简化：组件数量从 5 个减少到 1 个自主可控：满足信创战略要求对于仍在使用 PI 且面临扩展性瓶颈的企业，TDengine IDMP 提供了一个经过验证的现代化替代方案。在数字化转型的道路上，选择一款与业务发展匹配的 historian，是企业构建数据竞争力的重要一步。