一、工业SCADA的痛点与TDengine的适配性
很多人可能没听过SCADA，换个说法就是工厂里管各种设备的“实时大脑”——比如车间里的焊接机器人、加热炉、水泵这些设备，它要盯着每台设备的运行参数，比如电机温度、水泵压力，一旦出异常就得马上通知人。但传统的SCADA系统用普通数据库存数据的时候，经常碰到两个头疼的问题：一是数据太多，每台设备每秒可能上传好几个参数，一天下来就是几百万条记录，普通数据库查询慢；二是告警要自己写代码算，实时性差，经常错过处理时机。TDengine刚好是专门存时序数据（像设备参数这种随时间变化的数据）的数据库，完美适配SCADA的需求，不用自己折腾各种组件，能省很多事。
1.1 SCADA系统的核心需求
对工厂来说，SCADA要满足的核心需求其实很简单：第一是存数据要快，每秒能处理几十万条点位数据；第二是查数据要快，比如突然要找1小时内某台设备的所有温度数据，一秒内就得出结果；第三是告警要准，不能漏报也不能重复报，触发条件设置好后，实时性要够强。
1.2 TDengine的核心优势
TDengine专门针对时序数据优化，比MySQL这类通用数据库快好几倍，还自带简单的计算功能，不用额外搭Redis或者其他中间件，运维起来也简单。它的超级表（可以理解为数据模板）功能，特别适合SCADA的点位管理，不用每个点位单独建表，统一管理同一类点位就行。
二、点位建模：从物理点位到TDengine的表结构
点位是SCADA的最小数据单元，比如“车间1焊接机器人A01的电极温度”就是一个点位，建模的核心是把这些物理点位转化成适合TDengine存的结构，既要符合工厂的实际情况，又要利用好TDengine的特性。
2.1 点位的抽象逻辑
每个点位一般有几个固定属性：时间戳（必须，因为是时序数据）、参数值（比如温度的数值）、参数状态（正常/预警/告警），还有标签（比如所属设备的ID、类型、点位名称，方便后续查询分类）。举个实际例子，某汽车工厂焊接车间的10台机器人，每台有8个温度类点位，总共有80个点位，建模的时候就把它们归为一类温度点位，用TDengine的超级表来管理。
2.2 TDengine点位建模的示例
这里用Python做演示，因为大部分开发者都熟悉，代码有详细注释，新手也能看懂。
# 技术栈：Python + TDengine官方驱动
# 目的：演示SCADA点位建模与数据插入的完整流程
import taos
from datetime import datetime
# 1. 连接本地TDengine服务（提前装好服务，默认配置可直接连）
conn = taos.connect(host="127.0.0.1", port=6030, user="root", password="taosdata")
# 2. 创建专门存SCADA数据的数据库，避免和其他数据混存
conn.execute("CREATE DATABASE IF NOT EXISTS scada_db KEEP 365 DAYS") # 数据保留365天
conn.execute("USE scada_db")
# 3. 创建超级表（温度点位的模板，所有温度类点位都用这个结构）
# TAGS是标签，用来分类，方便后续按设备查数据
create_stable_sql = """
CREATE STABLE IF NOT EXISTS device_temp (
ts TIMESTAMP, -- 时间戳，格式必须是YYYY-MM-DD HH:MM:SS.ms
temp FLOAT, -- 温度值，单位℃
alert_state INT -- 告警状态：0正常，1预警，2告警
) TAGS (device_id NCHAR(20), device_type NCHAR(20), point_name NCHAR(50))
"""
conn.execute(create_stable_sql)
# 4. 模拟插入3个点位的测试数据，对应不同设备
# 点位1：车间1焊接机器人A01的电极温度
point1 = (
datetime.now().strftime("%Y-%m-%d %H:%M:%S.%f"),
85.2,
0,
"robot_A01",
"welding_robot",
"electrode_temp"
)
# 点位2：车间1焊接机器人A02的电极温度
point2 = (
datetime.now().strftime("%Y-%m-%d %H:%M:%S.%f"),
92.5,
0,
"robot_A02",
"welding_robot",
"electrode_temp"
)
# 点位3：车间2加热炉B01的内部温度（故意设为预警状态）
point3 = (
datetime.now().strftime("%Y-%m-%d %H:%M:%S.%f"),
101.8,
1,
"furnace_B01",
"heating_furnace",
"internal_temp"
)
# 5. 把数据插入到对应的子表（每个点位自动生成一个子表，不用手动创建）
insert_sql = """
INSERT INTO scada_db.temp_robot_A01 USING device_temp TAGS ('robot_A01', 'welding_robot', 'electrode_temp') VALUES ('{}', {}, {})
INSERT INTO scada_db.temp_robot_A02 USING device_temp TAGS ('robot_A02', 'welding_robot', 'electrode_temp') VALUES ('{}', {}, {})
INSERT INTO scada_db.temp_furnace_B01 USING device_temp TAGS ('furnace_B01', 'heating_furnace', 'internal_temp') VALUES ('{}', {}, {})
""".format(point1[0], point1[1], point1[2],
point2[0], point2[1], point2[2],
point3[0], point3[1], point3[2])
conn.execute(insert_sql)
# 关闭连接
conn.close()
print("所有点位数据插入完成")
三、告警计算：从实时数据到触发告警的全流程
告警是SCADA的核心功能，原来需要自己写代码拉数据、算规则，现在用TDengine自带的查询就能快速完成，不用复杂的逻辑，还能保证实时性。
3.1 告警规则的定义
告警规则不用太复杂，工厂里常用的就是“参数超过阈值告警”，比如温度超过100℃预警，超过120℃严重告警；也可以设置“连续N次超过阈值告警”，比如10秒内连续3次温度上升触发预警，避免单次波动误报。
3.2 实时告警计算的示例
下面的代码演示如何用TDengine实现实时告警，同样是Python，和上面的代码兼容，方便扩展。
# 技术栈：Python + TDengine官方驱动
# 目的：演示SCADA实时告警计算，检查最近10秒的数据是否触发告警
import taos
# 1. 连接数据库
conn = taos.connect(host="127.0.0.1", port=6030, user="root", password="taosdata")
conn.execute("USE scada_db")
# 2. 定义告警阈值，根据工厂实际需求调整
ALERT_WARNING = 100.0 # 预警阈值
ALERT_CRITICAL = 120.0 # 严重告警阈值
# 3. 查询最近10秒的所有温度数据，高效筛选时间范围（TDengine的时序查询很适合这种场景）
query_sql = """
SELECT device_id, point_name, temp, ts
FROM device_temp
WHERE ts > NOW - 10s
"""
result = conn.query(query_sql)
# 4. 遍历数据，生成告警信息（实际场景可以推送到企业微信、短信等）
alerts = []
for row in result:
device_id, point_name, temp, ts = row
if temp >= ALERT_CRITICAL:
alerts.append(f"【严重告警】{ts} | 设备：{device_id} | 点位：{point_name} | 温度：{temp}℃")
elif temp >= ALERT_WARNING:
alerts.append(f"【预警】{ts} | 设备：{device_id} | 点位：{point_name} | 温度：{temp}℃")
# 5. 输出告警结果
if alerts:
print("触发的告警：")
for alert in alerts:
print(alert)
else:
print("最近10秒无异常告警")
conn.close()
四、技术优缺点与注意事项
4.1 TDengine在SCADA落地的优势
第一个优势是性能高，存时序数据的速度是MySQL的10倍以上，查询最近1小时甚至1年的数据都能在几十毫秒内出结果；第二个优势是组件少，不用搭配其他数据库，一套TDengine就能搞定存数据、算告警、查数据的所有需求，运维成本低；第三个优势是开发简单，不用写复杂的SQL，自带的函数就能做聚合计算，还有专门的驱动支持多种编程语言，新手也能快速上手。
4.2 TDengine在SCADA落地的不足
TDengine专门优化时序数据，对非时序的结构化数据（比如设备的型号、安装时间）支持不如MySQL，这类数据存到TDengine里会有点麻烦，需要额外的映射；如果是超大规模的SCADA系统，比如有上万个点位，TDengine的集群运维需要专业人员，中小工厂的话完全没问题。
4.3 落地时的注意事项
第一是点位建模要统一，标签的命名规则要固定，比如设备类型不能有的写“加热炉”有的写“heating_furnace”，不然查询的时候会乱；第二是时间戳要统一，必须用工厂的标准时间，不能有的用秒有的用毫秒，否则时间范围查询会出错；第三是告警规则要去重，比如同一个点位5秒内触发的告警只发一次，避免给运维人员发重复消息。
五、落地实践总结
TDengine在工业SCADA里的落地，核心是把点位建模和TDengine的特性结合，不用自己折腾数据库的底层优化，从点位建表到告警计算，全链路都能快速实现，特别适合中小工厂的监控场景。整个过程不用太专业的数据库知识，只要了解SCADA的点位逻辑，就能用TDengine搭建起稳定的实时监控系统，解决传统SCADA系统存数据慢、告警不及时的痛点。
评论
围绕“TDengine在工业SCADA系统中的落地实践，从点位建模到告警计算的全链路设计”参与讨论