最佳實踐

IDMP 提供了一強大的數據建模能力，讓數據標準化、情景化，從而可以更好地利用 AI 技術，從數據中挖掘出業務價值，但數據建模本身是一個很難用 AI 完成的事情。

為最大程度減少建模的成本，TDengine 推薦在數據源側做好最基礎的數據治理工作。有幾條建議：

1. 每個采集量的名字要規范命名，全局統一
2. 對于同時采集的物理量，因為共享時間戳，盡可能采用多列模型
3. 對于每一個數據采集點，無論是單列還是多列，配置好層次結構，作為元數據，發送給 TDengine TSDB-Enterprise。比如：工廠-1.產線-A.設備-X

TDengine TSDB-Enterprise 里的 taosX 模塊，在讀取這些采集的數據時，能自動創建超級表和子表，做數據的轉換，并可以添加更多的標簽，把設備的層次結構信息保存起來。IDMP 就能依據 TSDB 里的元數據，自動構建出樹狀層次結構，自動創建出元素模版和元素。

對于 PLC 采集的數據，因為是單列模型，而一個設備往往擁有多個采集量，需要將多個采集量組裝到一個設備下面，這個組裝只能在 IDMP 里完成，可以參考 數據導入導出-TSDB 資產模型 章節進行。

一旦樹狀層次結構模型在 IDMP 里建立起來，您可以通過元素、屬性等模版補充更多的描述信息和業務語義，提供更好的數據情景，讓整個數據平臺 AI-Ready，這樣便于更好的發揮 AI 的作用。

下面我們選取了不同行業的典型應用場景，來說明如何使用 TDengine IDMP, 供您參考：

1. TDengine IDMP 應用場景：微電網監控
2. TDengine IDMP 應用場景：煙草制絲
3. TDengine IDMP 應用場景：工業鍋爐監控

關于 TDengine

TDengine 專為物聯網IoT平臺、工業大數據平臺設計。其中，TDengine TSDB 是一款高性能、分布式的時序數據庫（Time Series Database），同時它還帶有內建的緩存、流式計算、數據訂閱等系統功能；TDengine IDMP 是一款AI原生工業數據管理平臺，它通過樹狀層次結構建立數據目錄，對數據進行標準化、情景化，并通過 AI 提供實時分析、可視化、事件管理與報警等功能。