TDengine(老段）专注时序数据库领域

TDengine IDMP AI 应用实战案例

IDMP 新版本发布，功能更加丰富

IDMP 地国展示数据功能

在生产车间、设备集控室、运维指挥中心，每天都有成千上万条数据实时上传：温度、压力、转速、电流……这些数据，被系统精准地记录了下来，也被整整齐齐地存进了数据库。但真正的问题是：🔍 谁在关注这些数据？📉 谁发现了背后的趋势？⚠️ 谁提前预警了可能的故障？企业投了不少系统、花了很多成本，但当真正需要做决策、发现问题时，还是要靠人一张张翻报表、一条条写 SQL。数据都有了，平台也搭好了，但洞察依然滞后，问题总是事后才被发现，这才是工业智能化最难解的困局。📅！本期我们邀请 TDengine 应用研发工程师。

deepseek 搭建 IDMP 需要的元素

IDMP 的产品路线图

IDMP 使用教程

TDengine IDMP 的资产管理全介绍

运营精细化：从粗放控制到按需优化，实现能耗物耗的最优控制决策智能化：从经验依赖到数据驱动，提升决策的科学性与时效性管理标准化：从个人经验到系统知识，构建可复制的运营管理体系这标志着水务行业正从“被动应对”走向“主动优化”，从“经验驱动”迈向“数据驱动”。我们相信，随着数字孪生、人工智能等技术与工业数据的深度融合，水务行业的运营智慧将进入一个全新的时代。如果您正在寻求水务行业的数字化升级方案，欢迎联系我们的技术团队，获取专属的行业解决方案建议。让我们共同探索数据驱动下的水务运营新范式！

安全管控从被动应对走向主动预警：通过实时监测和智能分析，将安全隐患消灭在萌芽状态运营管理从经验驱动走向数据驱动：基于数据而非经验做出决策，提升运营的科学性和精准性运维模式从定期检修走向预测性维护：根据设备实际状态安排维护，实现资源最优配置随着物联网、数字孪生、人工智能等技术的深度融合，油气管网正迎来智能化运营的黄金时代。TDengine IDMP愿成为您最可靠的数字化伙伴，共同守护国家能源动脉的安全高效运行。立即联系我们的行业解决方案专家，获取专属的智慧管网建设规划与价值评估！

TDengine Industrial Data Management Platform（TDengine IDMP）是一款 AI 原生的物联网、工业数据管理系统，它通过经典的树状层次结构组织传感器、设备采集的数据，建立数据目录，对数据提供语境化、标准化的处理，并提供实时分析、可视化、事件管理与报警等功能，旨在帮助企业快速高效的从运营数据中挖掘出商业价值。IDMP 充分利用 AI 技术，基于采集的数据智能感知应用场景，不用用户提问，就自动生成该应用场景所需要的实时分析与可视化面板。它大幅降低了产品的使用门

运营精细化：从粗放式管理到秒级精准监控决策智能化：从经验驱动到数据驱动成本最优化：降低运维成本 40-60%

企业数字化的真正瓶颈，不在于有没有数据，而在于能否形成统一的标准。TDengine IDMP 提供的元素—属性模型、单位转换和公式映射，并不是锦上添花的功能，而是一整套方法论，帮助企业把“各说各话”的数据翻译成“同声共语”的语言。只有完成标准化，跨域分析才能成立，自动化报表才有意义，AI 才能发挥作用。换句话说，没有标准化，就没有智能化。这不是一句口号，而是企业在实践中反复验证过的真理。

内网搭建邮件服务，打通 IDMP 通知途径

富文本可以自定义文字和背景等，往往用来装饰 Dashboard 的标题。

表格用来直接展示数据。

仪表盘用于实时数据监控，可以在表盘上展示出不同的警示区域，方便快速判断当前状态。

饼图主要用于表现不同类目的数据在总和中的占比，每个弧度表示数据数量的比例。

柱状图（或称条形图）是一种通过柱形的高度（横向的情况下则是宽度）来表现数据大小的一种常用图表类型，通常用于根据标签聚合或者时间窗口聚合的分析场景。

DIFF 函数用于计算数据列中相邻两行数据的差值，通常用于分析数据的变化趋势。

趋势图是用折线将各个数据点标志连接起来的图表，用于展现数据的变化趋势，尤其适合于时序数据的趋势分析。

IDMP 内置了 Grafana 风格的数据可视化 (Data Visualization) 模块，它提供面板和看板。看板由一系列的面板组成，全部是拖拽操作，操作简单直接，本文档不做任何专门介绍。任何一个元素都可以有自己的面板和看板。对于树状结构里的每个元素，因为所处层次的不同，不同层次的元素关心的指标会不一样。比如电力集团一级的面板关心的是整个集团的总发电量、总成本等，而到风机一级，关心的是这台风机的状态、发电效率等。IDMP 的这种设计适合企业管理的架构。

对于编程初学者来说，软件开发流程中的开发环境配置、安装异常或报错往往需要花费大量时间查阅资料和反复试错，才能正常安装和启动某些软件工具。现在，在 TRAE 的帮助下，即使完全没有接触过编程，也能通过自然语言直接表述需求，交由 AI 辅助编程工具执行。遇到 BUG 或不清楚的步骤，也都可以交给 AI 分析，并快速输出问题原因及解决方案。

基于 docker-compose 快速部署 TDgp 体验测试环境，使用公开的。

在工业#数字化转型 的赛道上，“监控系统搭建” 一直是个让人头疼的难题：传统方案要写 SQL、调脚本、学可视化工具，一套流程走下来少则几天、多则几周，运维新增设备还得重复折腾。但现在，有了 TDengine TSDB + TDengine IDMP 的组合，这一切都变了——分钟级上线、零代码操作、AI 自动出面板，甚至新设备接入都不用改配置！今天我们汇总 5 个实测场景，从烟草制丝到电动汽车，从工业锅炉到微电网，看看 #TDengine #IDMP 是如何把 “复杂监控” 变成 “轻松点选” 的。

过去十年，工业和物联网场景经历了快速的数字化建设：传感器接入、系统联网、数据上云……数据平台已能轻松承载每秒千万级别的写入，每天几 TB 的存储量。而“用起来”这一层，仍旧是碎片化的、高门槛的、效率低下的。为了解决“用起来”的问题，行业开始尝试自然语言查询、自动生成 SQL 等方式，并逐渐发展出 Chat BI 这类“智能问数”工具。我们也尝试过类似路径，不断优化数据库性能、强化流计算能力、引入 AI 分析助手。答案出现在一个凌晨的灵感中，也最终指向一个决定性的方向——。

过去，工业数据平台解决的是“能不能存”的问题；今天，企业面临的却是“如何用”的难题。业务人员被复杂工具绑住手脚，管理者往往拿到滞后的信息。，开启的新范式——让数据自己说话，让洞察不再等待。当下，物联网技术的普及大幅降低了数据采集与传输的成本和技术门槛，企业得以采集更多设备、更高频次的数据，导致数据量呈指数级增长。但是，数据质量参差不齐、多源异构数据难以整合、原始数据缺乏语义或者上下文导致使用困难等，让“采了、存了海量数据但难以分析和挖掘，更不知如何驱动企业决策”的矛盾局面每天都在成千上万的工业企业中上演。

本文以电动汽车监控为例，详细介绍通过MQTT，轻松采集电动汽车电门开度、驱动电机功率、空调功率、车速、SOC、电池电压/电流等监控指标，将数据写入 TDengineTSDB时序数据库，然后通过 TDengineIDMP，利用 AI 自动生成可视化面板和实时分析，帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。

本文以一个数据中心的服务器监控为例，详细介绍通过开源的轻量级的工具 Telegraf ，轻松采集系统 CPU、内存、磁盘、网络等系统监控指标，将数据写入 TDengineTSDB时序数据库，然后通过 TDengineIDMP，利用 AI 自动生成可视化面板和实时分析，帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。

本文以一个工业燃煤锅炉系统监控为例，详细介绍通过工业上广泛使用的 OPC 中间件软件 KEPServer，轻松采集温度、压力、流量、电流等重要参数，将数据写入 TDengine，然后通过 TDengine构建资产模型，利用 AI 自动生成可视化面板和实时分析，实现分钟级搭建高效、智能的工业重要装置的监控系统。工业锅炉是许多行业的关键设备，为发电、化工生产、冶金和造纸等工业过程提供必需的热量和蒸汽，如果停炉检修或者锅炉出现故障，将面临停工停产的风险。

本文以制丝车间工艺监控为例，介绍如何通过轻量化采集工具快速获取制丝工艺中烘丝机等设备的运行参数及工艺指标（如温度、湿度、能耗等），并将数据写入TDengine时序数据库（随后借助，利用 AI 自动生成可视化看板和实时分析，实现分钟级搭建高效、智能的制丝工艺监控方案。在该方案中，

TDengine TSDB-Enterprise 里的 taosX 模块，在读取这些采集的数据时，能自动创建超级表和子表，做数据的转换，并可以添加更多的标签，把设备的层次结构信息保存起来。IDMP 就能依据 TSDB 里的元数据，自动构建出树状层次结构，自动创建出元素模版和元素。一旦树状层次结构模型在 IDMP 里建立起来，您可以通过元素、属性等模版补充更多的描述信息和业务语义，提供更好的数据情景，让整个数据平台 AI-Ready，这样便于更好的发挥 AI 的作用。

本文以一个含有“风光储”的微电网系统监控为例，详细介绍如何快速地把以 SparkplugB 格式上报的设备数据写入 TDengine，然后通过 TDengine构建资产模型，利用 AI 自动生成可视化面板和实时分析，实现分钟级搭建高效、智能的 微电网 的监控系统。

在使用 TDengine IDMP 的过程中，如果遇到问题，请先关闭浏览器的缓存，再刷新页面后重试。如果问题仍然存在，请按照以下步骤，收集前后端的错误信息，以便于我们进行排查。

在管理后台的左侧树状结构页面，点击连接 (Connection), 即可看到连接列表。

整个数据模型的导出功能还在开发中，预计将于 2025 年 9 月底发布。对于已经在使用 TDengine TSDB-Enterprise 的用户，IDMP 现在支持将 TDengine TSDB-Enterprise 的元数据导入，直接创建数据模型。它提供两种方式，下面做一介绍。

下表列出了部署 TDengine IDMP 时常用的 Helm 参数。您可以通过或编辑文件进行自定义。参数描述默认值副本数量1镜像仓库image.tag镜像标签latest镜像拉取策略Kubernetes 服务类型ClusterIP服务端口6042resources资源请求和限制{}启用持久化存储false持久卷大小2Gi持久卷的存储类""Pod 分配的节点选择器{}Pod 分配的容忍设置[]affinityPod 分配的亲和性规则{}

本指南介绍如何使用 Docker/Docker Compose 的方式，实现 TDengine IDMP 和 TDengine TSDB-Enterprise 服务的搭建。

Ansible 是一个开源的自动化工具，用于配置管理、应用部署、云服务编排等。本指南介绍如何使用 Ansible 实现 TDengine IDMP 的自动化部署。通过这套工具，可以轻松地在多台服务器上完成 TDengine IDMP 的安装和配置。

TDengine IDMP 依赖 TDengine TSDB-Enterprise 3.3.7.0+. 在启动 TDengine IDMP 之前，请配置 TDengine TSDB-Enterprise 连接。它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发，并提供 AI 智能体对数据进行预测与异常检测，提供实时的商业洞察。请根据您的操作系统类型，选择合适的安装方式，安装 TDengine IDMP。如果想手动管理这些服务，可以使用以下命令，以下示例使用。