小T導讀：在工業數字化過程中，數據如何從設備采集順利“爬坡”到上層應用，一直是個難題。傳統“單列模型”雖貼合設備協議，卻讓上層分析舉步維艱。TDengine 用一種更聰明的方法打通了這條數據通路：不強求建模、不手動轉換，通過“虛擬表”機制，讓數據以業務所需的形式自動呈現。本篇文章將帶你深入了解 TDengine 如何搭建 OT 到 IT 的橋梁，真正實現設備數據“即采即用”，讓工業應用更簡單、更高效。

在工業數字化進程中，設備數據采集多采用“KVQT”單列模型（即測點名、變量值、質量戳、時間戳），這與工控傳統協議緊密相關。例如，通過 OPC 設備采集時，底層設備上傳的數據多為單列模型，而非多列數據模型。這種模式導致數據采集與上層應用之間存在明顯割裂，業務與底層數據難以統一。在后續業務查詢中，如 30 列寬表查詢展示，在使用 SQL 語句場景下，操作極為復雜，需要多次 join 操作，效率低下。

為解決這一問題，TDengine 推出了一種創新的橋接方式。在工業底層數據采集匯聚到上層時，無需特殊建模，而是直接以單列模型進行采集和存儲。待數據到達上層應用后，根據業務需求重新創建虛擬表。通過 IO 點表，使用 SQL 語句，可批量創建虛擬子表，從而大幅降低數據采集、建模處理和查詢分析的工作量。

工業數據結構演變的挑戰

工業控制系統基于國際標準 IEC 62264-1，采用五層架構模型，用于描述工業自動化系統的功能分層。從底層設備通道 IO 采集，到 MES 系統的多列模型，再到 ERP 系統的多列表格展示，數據組織需求隨著層級上升而發生變化。

在 I/O 設備層，數據組織基于模擬信號通道，通過傳感器，感知溫度、壓力等被觀測量，并轉成模擬信號（4~20mA或0-5V），傳輸至過程監控層的 PLC、DCS 系統。在這些系統中，通過 A/D 轉換將模擬信號轉換為計算機可識別的數字信號。此時，數據組織仍以 IO 通道為基礎。

為了實現調度中心的遠程監視與控制，SCADA 系統會采集控制器信號，并與計算機中的圖形應用綁定，通過數字驅動動畫實現現場仿真。SCADA 系統內部已經封裝了與測點變量相關的功能模塊，如報表、曲線等，可輕松實現日報、月報、對比曲線展示等功能。部分 SCADA 系統也引入了模型概念，但在對外數據轉發時，仍以單列模型為主。

進入生產管理層的 MES/MOM 系統后，數據需求轉變為寬表多列模型，需要將工單、批次、工藝信息等進行綁定。然而，由于實時庫多為單列模型，而 MES 系統建設通常需要多列模型表格，因此只能選擇關系數據庫。海量的歷史數據則從實時庫抽取。為解決多庫應用不便的問題，許多 MES 廠商引入了支持寬表的時序數據庫，但這又面臨采集與轉換的難題：如何將從 OT 層的 SCADA、控制器或設備采集的單列數據模型存儲為 IT 層 MES 系統所需的多列模型？目前的解決方案多為定制開發，將單列數據映射到預定的多列模型表格中，但這帶來了高昂的定制開發成本、后期業務變更成本和維護成本，同時也存在數據斷線、過期和亂序數據寫入導致的數據完整性問題。

在生產車間中，同一條生產線往往需要生產不同產品和批次，并且需要記錄溫度、電壓、電流等數十個工藝參數。這些參數需要與產品類型、批次進行綁定，以便為后續的質量追溯和工藝分析提供數據基礎。然而，在傳統方法中，操作人員需要通過關系庫查詢批次起始時間，從實時庫的測點變量中獲取數據。這種操作方式不僅復雜，而且后期管理難度較大。如果工廠擁有幾萬甚至幾十萬個測點，一旦設計不當，后期的應用和運維難度將呈指數級上升。

對于上層業務而言，底層設備的變動不應與其綁定。以礦山場景為例，當采礦的工作面發生變更時，下位采集點位可能并未發生變化，只是工作面標識發生了改變。如果按照傳統方式，為一個新的工作面重新建表，未來可能會導致數據庫中出現上億張點位表，這將對數據庫以及上層業務應用帶來沉重負擔。隨著數據庫點位的擴增，上層應用需要重新映射點位，這一連串的工作不僅會增加工作強度，還容易出現問題，同時也會給歷史數據查詢帶來極大不便。

OT 到 IT 的橋梁——虛擬表

TDengine 提出“虛擬表”這一創新概念，可自由組合不同測點變量，生成所需的表格式，無需為建模和業務應用過度操心。

具體而言，通過工控協議采集設備數據后，無需提前規劃表模型（因為大部分 IoT 數據并無統一的數據組織結構）。數據進入 TDengine 后，可根據業務需求，基于實體表創建虛擬表。虛擬表與物化表在除寫入以外的應用場景中幾乎沒有區別，且在便利性和系統擴展性方面遠超傳統視圖功能。

通過可視化配置，TDengine 能夠直接將設備數據采集到數據庫中。以 OPC 采集為例，TDengine 的 OPC 采集器具備自動點位更新功能，當 OPC Server 端的點位發生變化且滿足 TDengine 的過濾條件時，TDengine 可自動同步更新，無需人工手動干預，從而大幅降低運維溝通成本。對于 OPC DA 協議，由于其自身限制，OPC DA 協議數據無法跨路由器或 VLAN 進行通信，且跨計算機部署時需要降低安全配置并手動配置 DCOM，操作復雜且容易出錯。相比之下，TDengine 支持 Agent 部署，可實現遠程運維管理，基本不受網絡環境限制（單向網閘場景除外），極大地簡化了運維流程。此外，TDengine Agent 支持斷線續傳功能，進一步保障 OPC 數據的完整性和可靠性。

以下是 OPC 自動采集數據的示例：

...

當上位應用需查詢不同產品的批次信息及對應工藝參數時，需求是明確的，以上述 3 個測點為例，在 TDengine的操作如下：

1.創建虛擬表：

//創建普通表或者超級表，此處以普通表為例
create vtable d1（ts timestamp,batchNo.val,Temp.val,Current.val) 

或

//支持創建時以別名方式，將底層采集數據與上位應用結構相互解耦
create vtable d1（ts timestamp,batchNo varchar（64）from batchNo.val,Temp float from Temp.val,Current float from Current.val) 

2.查詢虛擬表并拉齊數據：

select last（*） from d1 interval(1s）fill(prev)

查詢結果如下：

3.查詢虛擬表原始數據：

Select * from d1

其中時間戳為各原始子表時間戳的匯總，查詢結果：

TDengine 通過簡單創建虛擬表和 SQL 語句，輕松實現了不同測點之間的關系查詢。與傳統方式相比，TDengine 無需通過視圖構建復雜的JOIN語句，也無需提前設計數據模型，從而避免了前期數據接入和轉換的繁瑣流程，以及后期修改和維護的不便。借助虛擬表，TDengine 讓數據組織變得更加簡潔、靈活，為上層業務應用分析提供了強大的數據支持，同時顯著提升了運維的便捷性和效率。

結語

憑借卓越的性能和強大的功能，TDengine成功搭建了 OT 與 IT 場景之間的高效過渡橋梁。未來，業務應用將不再受制于 OT 數據與 IT 業務數據格式的差異，數據整合與應用將更加順暢。隨著業務規模的不斷擴大，TDengine 的易用性優勢將愈發顯著，為企業數字化轉型筑牢堅實的數據根基，助力企業邁向智能化、高效化的未來發展之路。