时序数据库应运而生。作为一种带有时间戳业务属性的垂直型数据库，具备更加高级的数据处理能力，高效的压缩算法和符合时序特征的存储引擎，能够真正实现基于数据价值的“洞察过去，分析现在，决断未来”。

数据源系统厂家多，数据接入难，协议不统一，难以实现对采集系统的状态监控与故障定位；

(资料图片仅供参考)

时序数据产生频率高，传统关系型数据库无法应对海量数据存储需求；

第五阶段：融入工业互联网平台，上线“即开即用”的云数据库租用模式，于2018年以优异成绩首批通过工信部DCA数据中心联盟测评（国内仅有7家），打造了融合时序数据库的物联网平台与大数据平台。

1. 专业化多级缓存数据压缩技术

在保证数据不失真的情况下，实现数十倍的时序型数据压缩，单机每秒支持400万测点以上数据读写，数据压缩比高达50:1，时间精度支持到毫秒，已达到国内外先进水平，极大降低工业实时数据存储、共享、分析的压力。

2.强大的分布式技术

支持在单机上进行应用服务扩展，支持采用多台服务器进行多站点扩展，同时还支持云部署，实现系统无限点扩展，性能倍增。

3. 智能大数据建模与分析技术

释放数据价值，构建设备资产画像，优化运行效率。基于实时数据智能化分析，帮助用户动态感知设备资产运行状态，及时发现设备异常，实现设备健康趋势预测。

4.丰富的功能套件与高效的计算引擎技术

配备完善的二次计算组件、组态工具组件和建模工具组件，全面支持主流开发语言如Java，C/C++，Python，C#等进行二次开发，通过高效的动态链接计算引擎技术，实现高性能实时计算。

以通辽发电总厂SIS系统为例，利用TrendDB对全厂生产实时数据进行采集、归类、统计分析，精准反映电厂生产运营指标，形成全方位实时决策能力，大大缩短项目实施周期，保障项目实施质量。项目采用了先进的工艺建模技术，改变了原来SIS修改调整困难的问题，可对SIS系统参数进行全面自定义调整，与电厂各种机组匹配良好，为后续进行生产运行的优化调整及生产改造起到重要指导作用。

为物联而生