从钢铁车间存储成本降9成，看国产时序数据库TDengine的成本优势

四年稳定运行零故障，存储成本大幅降低，中冶京诚的钢铁项目在使用TDengine后的的实践，揭示了国产时序数据库在工业大数据领域的巨大潜力。

在钢铁行业数字化转型的浪潮中，车间级数据中心建设面临巨大挑战：产线点位庞大带来的海量数据、传感器毫秒级采样带来的高频数据，以及生产调控指令需要的强实时性。传统工业实时数据库在结构化存储上存在瓶颈，关系型数据库也难以支撑高并发写入与查询。

中冶京诚数字科技（北京）有限公司早在2021年就采用TDengine时序数据库支撑生产业务，至今四年稳定运行零故障，不仅满足性能需求，还将存储成本降低了90%，为钢铁行业数字化转型提供了成功范例。

背景和痛点

在国家政策推动下，钢铁行业数字化转型已成为高质量发展的核心路径。作为国民经济的支柱产业，钢铁行业正面临产能过剩、环保压力和质量提升等多重挑战，迫切需要借助智能制造实现高效、绿色、安全的生产。在建设车间级数据中心时，我们重点考虑以下因素：

1.写入、查询性能要求高

钢铁生产数据规模庞大、实时性要求极高，采集频率往往达到 100ms 甚至更快。传统分散式系统难以支撑智能决策，关系型数据库在高并发写入和实时查询方面也难以满足需求，因此必须选择一款具备高性能结构化存储能力的平台，才能成为车间级数据中心的可靠支撑。

2.存储成本控制

钢铁生产数据量大，如果依赖传统工业实时数据库，往往在结构化存储和压缩方面存在瓶颈，导致高昂的成本。因此我们需要一款压缩率高、能显著降低存储开销的数据库产品，才可能实现可持续的规模化数据管理，降低成本。

3.使用与运维成本

系统不仅要性能卓越，还需易用、稳定。理想的平台应具备：安装部署简便、后期运维成本低；开发友好，支持多语言与多工具集成；并在稳定性上表现可靠，确保长期运行的安全性和连续性。

多家产品 PK 后的选择

在数据库选型方面，我们进行了严格测试与比对。国家政策明确要求关键行业实现国产化替代，而钢铁作为国民经济支柱产业，更需规避数据安全与技术封锁风险。因此在车间级数据中心建设中，我们选择国产产品，并通过调研筛选出三家厂商进行压力测试：

•产品一：来自国内某互联网大厂，基于已有物联网平台进行私有化部署，经测试产品性能上满足要求。但该产品对服务器硬件配置要求极高，架构复杂、组件繁多，部署繁琐，后续运维对人员的要求极高，我方需要投入很大资源才能自行进行运维。

•产品二：基于已有关系型数据库进行二次开发，结构化数据存储方面，该产品表现优异。但是测试过程中随着数据量的增加，系统资源占用骤增，无法满足高频大批量的数据采集需求。

•产品三（TDengine 时序库）：研发人员可直接下载、安装、测试，支持标准 SQL，开发人员零门槛即可开展业务验证。凭借批量写入机制，吞吐量大幅提升，在普通服务器上即可满足车间级采集、存储和查询需求，与其他产品相比，显著降低硬件投入。同时，超级表功能有效支持车间建模、存储，简化了数据管理与使用门槛。

综合性能、成本与易用性，我们最终选择了 TDengine 时序数据库作为车间级数据中心的底层数据库平台。

业务场景落地

业务类型

中冶京诚数字科技充分发挥在冶金领域的 KnowHow 能力，使用 TDengine TSDB 的超级表功能对车间进行工艺建模，为各个工艺段、车间和工序建立覆盖生产过程的数据模型。通过较高频率的数据采集，对所涉及的控制系统和单机设备实现全量采集与存储，并在此基础上完成必要的数据处理，形成稳定可靠的数据服务体系。依托在冶金行业与控制系统的积累，我们实现了钢铁生产全过程的数据采集、存储、处理与服务。

该项目自 2021 年投产以来，共接入 12 套 PLC，采集频率达到 100ms，系统已稳定运行四年多，至今保持零故障。

架构简图

生产业务系统展示

TDengine 时序数据库的使用效果

1.写入、查询性能高

TDengine TSDB 在数据文件块的头部存储了该数据文件块的统计信息，包括最大值、最小值和数据总和，当查询处理涉及这些计算结果时，可以直接利用这些预计算值，无须再访问数据文件块的具体内容。对于那些硬盘 I/O 成为瓶颈的查询场景，其利用预计算结果可以有效减轻读取硬盘 I/O 的压力，从而提高查询速度。

而且 TDengine TSDB 还提供了缓存功能，即使在存储大量数据情况下，也能快速查询设备的最新数据，给应用业务查询带来很大便利性，查询 last 最新数据、count 等操作都在毫秒级别响应。

2.压缩率高

TDengine TSDB 在存储架构上采用了列式存储技术，还采用了差值编码技术，大幅度减少存储所需的信息量。对数据进行二次压缩，压缩率通常可以达到 10% 以内，在某些情况下甚至能达到更高。

以其中一个超级表 mot 为例，存储数据量接近 400 亿条，压缩率（下图中的 Comp）为 10%，占据空间大小（下图中的 Size）为 272GB，查询最新数据耗时是 0.08s 左右，极大降低了存储成本。其他超级表（ritmodel、pv）压缩率能达到 2%、3%左右。

再看下图，该集群采用双副本架构，由 2 台 TDengine TSDB 服务器和 1 个仲裁节点组成。业务数据同时存放在两台 TSDB 服务器上，每台机器各保留一份完整副本，磁盘空间占用约756GB。

3.运维成本低

自 2021 年上线 TDengine TSDB 2.x 并升级至 2.6.0.28 版本以来，系统始终保持稳定运行。双副本机制确保了高可用性，在版本升级与日常运维方面也比较简便。目前 2.6 版本运行稳定暂时不需要升级到最新的 3.x 新版本。

此外，服务端资源占用低，CPU、内存使用稳定，详见如下两张图：

未来规划

目前，我们已将 TDengine TSDB 应用于智能环保管理系统，在数据处理性能、运维成本和开发效率方面均取得显著提升。未来，我们计划将其推广至能源管理系统等更多业务场景。与此同时，随着 AI 技术的不断成熟，TDengine IDMP 已集成多项智能功能，我们也将持续关注 TDengine TSDB 的新版本特性，进一步拓展应用边界，充分发挥其能力，提升我们的产品市场竞争力。

作者： 京诚数科车间团队