企业级工业数据中台建设：TDengine IDMP 与 OSIsoft PI 的协同实践

摘要：在企业级工业数据中台建设中，实时数据存储与历史数据分析是两个核心需求。本文介绍 TDengine IDMP 与 OSIsoft PI 协同构建的企业级数据平台架构，分析两款 database 在分层架构中的价值定位。

一、企业级工业数据中台的存储挑战

随着工业互联网和数字化转型的深入推进，企业面临的数据场景日益复杂。以某大型能源企业为例，其业务系统需要同时处理：

· 实时告警：设备异常需要秒级响应

· 事务记录：生产批次、质量检测结果需要精确记录

· 实时分析：产线状态需要实时监控和告警

· 历史分析：长期数据用于工艺优化和预测性维护

单一的 historian 产品难以同时满足这些差异化需求。经过实践验证，采用 TDengine IDMP + PI 的分层架构，是更为务实的方案。

二、分层架构设计

2.1 架构概览

DCS/PLC -> OPC-UA Gateway -> PI (实时存储 + DCS 集成)

    |

    | ETL 同步

    v

TDengine IDMP (长期存储 + 历史分析)

    |

    v

BI 系统 / 数据大屏

2.2 各层职责

三、实时层：PI 的实践

3.1 数据接入

PI 与 DCS 系统的深度集成是其核心优势：

# PI 接口配置

Interface=OPCInt

Server=OPC.DCS.Honeywell

PointSource=H

Tags=UNIT1.*

ScanRate=1s

3.2 实时告警

PI 的实时告警功能成熟稳定：

// PI AF Analysis 告警

if (TagValue('TI-101') > 500)

{

    SendNotification('High Temperature Alert');

}

四、分析层：TDengine IDMP 的实践

4.1 数据同步

通过 ETL 将 PI 数据同步到 TDengine IDMP：

# ETL 同步脚本

import taos

from PIconnect import PIServer

def sync_to_tdengine():

    pi_server = PIServer('PI-SERVER')

    td_conn = taos.connect(host='tdengine-idmp', database='plant_data')

    cursor = td_conn.cursor()

    # 从 PI 读取聚合数据

    for tag in pi_server.search('*'):

        values = tag.interpolated_values('2024-01-01', '2024-01-02', '1h')

        for value in values:

            cursor.execute(f"""

                INSERT INTO {tag.name} VALUES

                ('{value.timestamp}', {value.value}, 0)

            """)

4.2 复杂分析

-- TDengine IDMP 长期趋势分析

SELECT

    _irowts,

    AVG(value) AS avg_value,

    MAX(value) AS max_value,

    MIN(value) AS min_value

FROM pi_tag_data

WHERE tag_name = 'TI-101' AND ts > NOW - 365d

INTERVAL(1d)

FILL(PREV);

五、性能表现

5.1 各层性能

5.2 资源占用

六、企业级特性

6.1 高可用设计

-- TDengine IDMP 三副本配置

CREATE DATABASE plant_data REPLICA 3 KEEP 3650d;

-- PI 高可用

-- PI Collective 主备复制

6.2 数据一致性保障

· 实时层：PI 保证 DCS 数据的实时性

· 分析层：TDengine IDMP 保证历史数据的完整性

· 同步链路：ETL 定时同步，确保数据一致

七、与华为云生态集成

该架构已与华为云深度集成：

· 华为云 CCE：Kubernetes 容器平台部署 TDengine IDMP

· 华为云 AOM：与云监控服务对接，统一监控视图

· 华为云 OBS：冷数据归档，降低长期存储成本

八、总结

TDengine IDMP 与 OSIsoft PI 的协同架构，充分发挥了各自的技术优势：

· PI 负责实时层的 DCS 集成和即时告警，确保操作员监控的稳定性

· TDengine IDMP 负责分析层的长期存储和历史趋势分析，提供强大的分析能力

这种分层设计虽然增加了架构复杂度，但在企业级大规模工业数据场景下，能够更好地满足差异化的数据处理需求。对于同时需要 DCS 集成和长期分析能力的能源、制造、化工等企业，这种协同架构值得参考。

在企业数字化转型的道路上，选择合适的技术组合，构建分层解耦的数据架构，是提升数据竞争力的关键。