Apache IoTDB 国产时序数据库核心功能与快速上手

3.3 存得下：首创标准文件格式 TsFile

时序数据存储方面一直面临海量数据导致存储成本高昂的问题，而 IoTDB 通过自研的时序数据标准文件格式 TsFile 解决了这一难题。TsFile 结合列式存储、编码算法、分段摘要信息、文件级索引等架构，相比通用的文件格式，对时序数据的压缩比可以提升 20% 以上，达到无损压缩 10 倍以上、无损压缩 100 倍以上的压缩比。

另外，TsFile 架构针对时序数据特性的优化，也使得 IoTDB 有效提升了时序数据的写入与查询效率。相比竞品，IoTDB 的写入吞吐量提升了 2-3 倍，查询吞吐量则提升了 2-10 倍。值得一提的是，继 IoTDB 之后，TsFile 已经被 Apache 基金会通过成为时序数据领域第二个 Top-Level 项目，这意味着其不但能够与 IoTDB 共同使用，还可以作为单独文件格式进行使用。

3.4 处理强：支持时序特性查询分析

时序数据因为强时间属性，在查询时用户很可能有一些特殊的、强关联时间的需求。IoTDB 可提供降采样查询、最新点查询和时间分段查询。降采样查询可以去掉原始高频数据不必要的细节，还原数据的基本趋势；最新点查询通过缓存每个设备的最新值，实现毫秒级响应；时序分段查询可以根据数据的变化阈值、中断间隔等维度进行多样的分段查询。

IoTDB 还提供一套 UDF（用户自定义函数）体系，提供超过 70 种内置函数，可满足数据修复、数据图像、异常检测等时序数据计算需求。如果用户还有在这套体系之外的计算需求，也可自行在 IoTDB 中编辑、保存常用的 UDF 函数。

3.5 智能化：AINode 拥抱机器学习

为了更好地让 IoTDB 实现智能化分析，IoTDB 团队在 2023 年为 IoTDB 集群引入了智能分析节点 AINode。AINode 通过与集群管理节点（ConfigNode）、数据节点（DataNode）的交互，可以为用户提供模型注册、管理、推理的能力，结果可直接在 IoTDB 返回。同时也涵盖了时序数据适用的多类算法和自研模型，能够实现序列预测、异常预测等时序分析场景需要的深度学习功能。

3.6 实时性：内置实时流处理功能

IoTDB 团队在 2023 年加入了实时流处理功能，可不间断地处理数据，并及时发现异常或分析趋势。IoTDB 中，一个流处理任务（Pipe）包含抽取（Extract）、处理（Process）、发送（Connect）三个子任务，三个子任务可由三种独立插件进行实现，并允许用户自定义配置三个子任务的处理逻辑和具体属性，通过组合不同的子任务内核，实现灵活的数据 ETL 能力。

利用流处理框架，可以在 IoTDB 搭建完整、灵活的数据链路，实现毫秒级的低延迟响应，满足端边云数据同步、双活集群部署、网闸穿透、实时告警、数据订阅、异地灾备、读写负载分库等场景需求。

3.7 云边协同：文件 + 引擎，全面数据协同

工业物联网应用场景中，产生数据的设备可能来自于多个厂站，数据经常需要汇总至省域或集团进行分析，所以时序数据库需要多终端、多环境、多平台部署。IoTDB 的数据同步基于可插拔的 TsFile 文件，并支持操作级、文件级的多种传输模式，与跨网闸传输、加密传输。同一个文件类型可在端、边、云侧进行协同传输，同步方案的易用性得以保障；传输模式多样则保障数据传输的实时性、吞吐量、安全性。

同时，IoTDB 的数据同步支持数据在边侧进行必要的数据清洗与计算操作，再向云侧进行同步，能够最大化地利用边侧的算力资源，同时节省云侧算力资源。此外，企业因为业务扩张，往往也经常需要扩展数据库部署规模。IoTDB 的分布式架构具备高扩展性，可以达到秒级扩容、无需迁移数据、灵活调整。

四、Apache IoTDB 的应用领域

目前，天谋科技构建的 IoTDB 解决方案在业内得到了广泛应用，覆盖'天、空、地、海'各个层面。IoTDB 落地的主要行业与应用效果有：

• 电力：已有案例可支持千万级设备并发，管理百亿级累计数据，并支持设备端侧、现场边缘侧与中心云侧的端边云数据协同传输，与电力行业特性的跨网闸数据传输。
• 储能：已有案例可达到毫秒级数据写入、毫秒级查询响应、超 90 倍压缩比，并实现大字段数据自动挂载、多字段、多路径、多关键词复杂查询等功能。
• 钢铁：已有案例可用少量服务器管理集团全量数据，涉及装备数百万，时间序列达千万，并加速了数据的加工、抽取、备份过程，性能提升 1 个量级。
• 太空：IoTDB 于北邮一号卫星边缘侧成功部署，实现低 CPU 使用率及内存占用，与不定期关机场景下数据的自动保存与恢复，有效支持星 - 地数据协同。
• 飞机制造：已有案例压缩率可达 10 倍，空间占用缩减为 30%，预计节省百万存储成本，并协助实现异地工厂端与云中心侧的分布式数据互通和统一管理，与应用层、产线层、设备层多个应用系统的数据存储与调用。
• 轨道交通：已有城轨案例管理列车数能力增加 1 倍，采样时间提升 60%，需要服务器数降为 1/9，月数据增量压缩后大小下降 95%，实现日增 4140 亿数据点管理。
• 车联网：已有案例管理约 1.5 亿时间序列，稳定支持千万级写入数据与单车时间范围查询、单车全时间序列最新点查询结果毫秒级返回。
• 先进制造：已有案例压缩比达 10 倍以上，支持多种查询方式与多点位同时查询的需求，针对流程长、工艺复杂、精度高、数据量大的制造场景，支撑对核心指标进行实时分析。

目前，应用 IoTDB 的工业企业已经超过 1000 家，其中包括国家电网、中核集团、中航成飞、中国中车、中国气象局等国内企业，和博世力士乐、德国宝马、西门子、日本小松等海外企业。此外，IoTDB 还被集成应用于华为、阿里、海尔、东方国信、用友等多个工业互联网平台中。

五、快速上手：三步体验 IoTDB

5.1 下载安装

访问官方下载页：https://iotdb.apache.org/zh/Download/，获取最新版本。

5.2 启动服务

解压后执行 sbin/start-server.sh，默认 6667 端口启动。

5.3 写入第一条数据（Java 示例）

import org.apache.iotdb.session.Session;

public class FirstIoTDB {
    public static void main(String[] args) {
        try (Session session = new Session("127.0.0.1", 6667, "root", "root")) {
            session.open();
            // 创建时间序列
            String device = "root.vehicle.d001";
            session.createTimeseries(device + ".speed", TSDataType.DOUBLE, TSEncoding.PLAIN);
            // 写入数据
            long time = System.currentTimeMillis();
            double speed = 85.5;
            session.insertRecord(device, time, new String[]{"speed"}, new Object[]{speed});
            // 查询验证
            try (SessionDataSet dataset = session.executeQueryStatement("SELECT * FROM root.vehicle.*")) {
                while (dataset.hasNext()) {
                    System.out.println(dataset.next());
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

结语

作为专为物联网与时序数据打造的高性能数据库，Apache IoTDB 凭借高效存储、极速读写、灵活扩展三大核心优势，成为处理大规模 IoT 数据及时序数据的理想之选。其开源、分布式、易集成的特性，更让它在物联网、工业监控、智能城市等领域具备广泛且深入的应用潜力。

官网地址：https://iotdb.apache.org GitHub：https://github.com/apache/iotdb