在做設備預測性維護或能源管理分析時，你是否也曾思考過：如何才能讓機器“理解”我們收集的大量時序數據？工業現場的數據是結構化的，而語義分析、知識推理卻往往需要 RDF 等圖譜格式。換句話說，“會說話”的數據更聰明，但“翻譯”的門檻太高。

時序數據庫?TDengine?最近完成了一項全新集成——連接 Ontop，一個開源的虛擬知識圖譜系統，實現時序數據向知識圖譜的自動轉化，帶你一步邁入語義化分析的新世界。

時序數據庫?× 知識圖譜 = 可理解的數據智能

Ontop 由意大利博爾扎諾自由大學開發，它可以將傳統關系型數據庫中的數據虛擬成 RDF 格式，支持用 SPARQL 語言進行語義化查詢。現在，它也支持?TDengine?了。這意味著，只需配置映射規則，無需遷移數據，你就可以直接用“知識圖譜”的方式分析?TDengine?中的時序數據。

比如，在一個智能電表場景中，用戶可以查詢“過去十分鐘內電壓超過 240V 的設備位置”，甚至做出基于語義的多維推理。這種能力將傳統的結構化數據推上了“可理解”的新臺階，也為 AI 和 LLM 的接入打開了大門。

三步接入，讓你的時序數據“開口說話”

如何將?TDengine?接入 Ontop？你只需要三步：

• 準備好?TDengine?集群和 taosAdapter，并安裝 JDBC 驅動；
• 配置好連接信息（db.properties）和映射文件（db.obda），定義你的 SQL 到 RDF 映射邏輯；
• 啟動 Ontop 服務，打開瀏覽器進入 SPARQL 查詢頁面，就能看到時序數據“說話”的樣子了。

舉個例子：用 taosBenchmark 生成 10 萬條模擬電表數據，再用 SPARQL 查詢其中電壓異常的記錄，幾秒鐘就能獲得帶時間戳、相位、位置等信息的“知識化”結果，直觀清晰，還能繼續做語義推理。

注意：目前 Ontop 對?TDengine?的支持已合入 version5 分支，需從源碼構建。

完整教程直達 ：https://docs.taosdata.com/third-party/bi/Ontop/

結語：我們的使命就是讓數據更“聰明”

TDengine?一直在做的，不只是存儲數據、加速查詢，更重要的是降低數據智能的門檻。我們希望，哪怕是不懂建模、不擅長代碼的用戶，也能用最自然的方式，問出最關鍵的問題。通過與 Ontop 的集成，我們把傳統時序數據拉進了語義化世界，也為工業 IoT、智慧城市、能源管理等場景打開了新思路。下一步，就看你如何“提問”了。