让数据成为生产力，用友时序数据库为智能制造按下“瞬时加速键”

当前，新一轮科技革命和产业变革突飞猛进，推动企业数智化进程加速向前发展，数据作为一种新型的生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，海量数据的存储和快速处理是发挥数据要素价值的基础，数据库是数据要素价值链上必不可少核心基站。作为关键基础软件之一，数据库国产化正在成为企业招标选型的重要参考，实现信创国产化势在必行。

图：清华大学与用友网络揭牌成立时序数据与物联应用联合研究中心

2022年4月，为突破我国工业软件AIoT平台在物联网时序数据库及工业低代码应用开发方面的“卡脖子”问题，用友联合清华大学，揭牌成立“清华大学（软件学院）-用友网络科技股份有限公司时序数据与物联应用联合研究中心”，重点围绕时序数据库和低代码开发平台等大数据系统软件关键技术开展研究工作。2023年，基于清华大学自主研发的国内首个开源时序数据库，用友自主研发了专业服务企业的商用版国产高性能时序数据库——TimensionDB，实现国产化数据库等基础技术组件的完全自主、安全、可控。

01

专业服务工业场景、更懂业务的

国产高性能时序数据库——TimensionDB

时序数据是随时间不断产生的一系列数据，也就是带时间戳的数据，其源于人类对事物的连续性观察需求，比如服务器的性能监控、锅炉的压力监控、体检时的心电图等等，而时序数据库就是专门用来存储、处理时序数据的系统。

工业企业需要什么样的时序数据库？

时序数据产生量巨大又具有很强的时效性，而在“数据”作为关键生产要素的工业企业，除了要求时序数据库做到基础的存储和处理，对其性能还有更高的要求：

• 工业企业对数据的可靠性、稳定性有很高的要求，对宕机、以及维护里面宕机数据丢失不能容忍的，要求产品的高可用；
• 工业企业的系统与生产执行紧密关联，对数据的抖动、延迟，有很高的要求，不希望由于压力高增，而影响数据存入，因此客户会具体对内存、IO、CPU等提出一些指标要求，保障在客户的工厂、车间等环境上的稳定运行；
• 工业企业为了管好核心的生产制造的高效稳定执行，在满足基础的时序数据库功能之上，还要求“超大规模数据瞬时写入”，同时要实现乱序管理。

用友如何打造专业服务工业场景的时序数据库？

用友基于工业企业客户的需求和专注企业云服务35年的领先实践，打造专业服务工业场景、更懂业务的自主可控商用版高性能时序数据库——用友TimensionDB时序数据库。

• 深研多计算范式融合的技术路线，专业服务工厂、车间等端边协同工业场景，无缝融合MES、ERP、资产管理、设备维保等生产系统，支持流计算、事件驱动、多维查询分析等多种计算范式的融合应用；
• 基于云原生架构聚焦突破工业场景服务性能，创新研发实时+高吞吐、数据摄入架构简化、多维数据计算和分析、灵活数据发布、低资源消耗等能力，在车间、工厂等有限资源环境，持续提高数据压缩比，降低存储成本，优化内存布局，降低内存消耗，提升计算效率；
• 持续拓展企业服务商业化能力，研发业务场景多维分析、数据按需订阅、数据统计分析、时间序列预测等功能，满足工业企业各类场景下的灵活商用需求；
• 具备足够的生态扩展支持能力，提供一站式的多场景多范式计算支持能力，简化使用方式，大度降低生态伙伴的技术成本和接入难度，支持延伸扩展多样化的生态应用场景。
  

02

性能高、成本低、速度快、能力强、拓展高

四大超强引擎，高效释放数据价值

用友TimensionDB时序数据库，致力于解决因设备采集点数量巨大、数据采集频率高造成的存储成本高、写入和查询分析效率低的问题，满足工业企业多场景、高性能、高可用性需求，具有写入性能高、硬件成本低、查询速度快、分析能力强、扩展能力高五大核心优势，搭载存储引擎、查询引擎、流计算引擎、消息引擎四大超强引擎，高效释放数据价值。

• 存储引擎实现高压缩比低成本存储，支持单机每秒1000万数据点的高速写入、实现1:150高压缩比，10亿数据点硬盘成本低于1.4元；
• 查询引擎提供面向时间序列的丰富查询语义，面向时序数据特征的计算，面向时间维度的丰富聚合函数支持，实现10亿级数据量、千万数据点查询的毫秒级响应；同时支持切片计算、四则运算、周期性分桶聚合等操作，基于专用的多线程多维计算算法，充分利用服务器的硬件资源来提高计算速度。
• 流计算引擎，提供了与时序数据紧密结合的流计算处理能力，能够持续不断的进行数据消费计算，满足数据实时处理的需要，TimensionDB提供的流计算引擎，未来在语法上可良好兼容Streaming SQL的标准。
• 消息引擎，提供了工业标准的消息队列能力，支持时序数据基于业务规则，快速发布到消息队列，被消费和处理，满足复杂业务场景下的集成需求。

用友TimensionDB时序数据库基于分布式架构，提供弹性伸缩的能力，可适应不同规模时序数据的存储与分析需求，具高扩展性，支持秒级增加节点而无需进行数据迁移了；支持多种数据订阅模式，更贴合企业业务需求；支持对接Hadoop、Spark、Grafana等多种开源生态环境；可快速摄取、存储和处理海量时间序列数据，具有高并发写入、高压缩比存储、快速查询、功能完备、查询分析一体化、简单易用等能力，性能优于国内主流时序数据库引擎，可广泛应用于物联网、工业4.0等场景下海量时序数据的快速采集、高效储存、实时分析。

03

让数据成为生产力

四大规模化场景，用友为智造按下“瞬时加速键”

当前，各行各业的企业数智化持续发展，企业数智化已经进入到围绕生产、经营及管理主题的融合化应用创新、重视和系统推进数据治理的阶段。在能源、冶金、电力、石油化工、工程机械等行业，基于用友“AIoT物联网平台+用友TimensionDB时序数据库”打造的四大规模化应用场景获得众多客户的认可，已在多家工业企业通过运行测试及上线切换，助力工业企业加速释放数据潜能，让数据成为新质生产力。

场景一：AIoT+工业大数据分析

时序数据助力智能制造，打造智能工厂

以工业场景中的工业大数据分析为例，工业企业需要通过终端设备和传感器对生产数据的实时采集和分析、设备故障预警处理等，实现对生产现场的实时监控。而工业数据的采集都需要带有时间戳，大量工业数据建模、工业知识组件和算法组件，均以时间序列数据作为输入数据，对时序数据库的需求和应用更加多元。用友时序数据库实现了工业数据的高性能采集入库、高效数据分析，为企业管理层决策提供数据支持，帮助用户通过持续优化生产管理流程来释放优质产能，助力实体制造业由粗放式经营模式，逐步过渡为生产设备网络化、现场管理数字化、决策运营智能化的精益制造智能工厂。

场景二：AIoT+IT系统运维

统一IT系统运维，全局把控系统运行状态

以工业场景中的IT系统运维为例，企业需要对大规模应用集群和机房设备进行监控，实时关注运行状态、资源利用率和业务趋势，实现数据化运营和自动化开发运维。用友时序数据库可以实现对原始指标数据的采集和实时计算，并将实时计算的结果数据存储到TimensionDB，实现监控和分析的展现，支持多种时序异常类型的检测告警，并将异常情况直观展示，方便运维人员识别异常，告警策略设置简单，业务人员可轻松上手。

场景三：AIoT+设备监控分析

集中式、全景化、数智化的设备监控平台

以工业场景中的设备监控数据分析为例，用友时序数据库支持多个100G数据流量采集点的数据包元数据存储及快速查询，帮助用户实现全量数据的回溯分析，基于自研数据分析引擎，无需借助第三方大数据工具即可完成复杂业务数据分析，助力用户实现集中式管理、全景化分析、数字化运营的设备监控平台。

场景四：AIoT+车联网数据分析

IoT传感器时序数据分析，助力万物互联

以工业场景中的工厂机械车联网为例，用友AIoT将传感器数据通过窄带物联网实时发送至时序数据库，通过多维分析引擎进行复杂的计算和分析，搭建工程机械产业链协同平台，实现工程车辆设备分析与实时监控及设备后服务维保数据分析与管理，基于每秒千万级车辆轨迹数据写入能力、高效压缩、线性扩展等特性，可从容应对采集点&采集频率变更带来的流量突增，实现更高性能、更稳运行、更低成本。

数据库作为支撑工业企业生产运行实现数据治理的关键基础软件之一，对推动中国制造企业数智化转型有着至关重要的作用。未来，用友TimensionDB时序数据库将不断创新，持续投入，深化行业和场景应用，通过实现相关基础技术组件自主、安全、可控，打造国产化数据库的创新模式，为推动制造企业迈向高质量发展和数字中国建设增添强劲动力。