跳到主要内容

7. 实时分析

实时分析是 TDengine IDMP 中最重要的能力之一。它是将原始时序数据转化为运营智能的引擎——持续对实时传感器流运行计算、检测异常、计算 KPI,并在满足条件时生成事件。借助内置 AI 辅助功能,分析可以从自然语言描述中创建,并且无需编写任何检测规则即可检测异常。

这一概念与 OSIsoft PI System 中的分析(Analysis)直接对应:一条自动针对元素数据运行、产生计算输出、并可选择性生成事件的规则。如果你使用过 PI Analysis Service,思维模型可以直接映射过来。

实时分析的功能

元素上的分析会监视该元素的数据,并在已配置的触发条件触发时执行计算。结果可以:

  • 写入元素属性 — 计算值(如每小时平均值、效率比率或累计合计)作为新的时序数据存储在原始测量值旁边。
  • 写入事件属性 — 生成事件时,计算值(峰值温度、批次时长、故障代码)在事件发生时刻被捕获。
  • 两者兼有 — 同一次计算可以产生多个输出属性,同时也生成事件。

底层机制

IDMP 中的实时分析完全在 TDengine TSDB-Enterprise 流式计算引擎内运行。IDMP 提供图形化配置界面;实际计算作为数据库中的持久流运行。这意味着分析不消耗 IDMP 服务器资源——计算被卸载到 TDengine,即使 IDMP 应用服务器重启,分析也会继续运行。

每个分析对应 TDengine 中的一条(Stream)。流名称在分析列表中可见,在底层数据库中唯一标识该计算。

超越传统实时数据库

传统实时数据库要求工程师手动配置每个分析:定义触发条件、编写表达式、映射输出属性。这既耗时又需要对系统有深入了解。IDMP 大幅降低了这一门槛。

AI 辅助分析创建。 内置 AI 助手可以从自然语言描述创建完整配置的分析——"计算 15 分钟窗口内的平均功率因数"——并为您预填整个创建表单。更好的是,系统会根据元素的模板、属性和采集数据主动建议分析。你不需要描述任何内容:浏览建议、点击一个,表单就已就绪可以保存。

无需检测规则的异常检测。 在传统实时数据库中,检测异常意味着编写显式阈值条件——只能捕获你已知的异常。IDMP 包含由 TDgpt(TDengine 内置 AI 分析引擎)驱动的异常检测触发类型。选择目标属性和算法;TDgpt 自动确定异常的开始和结束时间,无需阈值规则。它支持由 statsmodels、PyTorch、scikit-learn 以及 TDengine 自研的 TDtsfm 时序基础模型支持的多种算法。与其他所有触发类型一样,它自然地融入相同的分析表单,与滑动窗口、事件窗口等并列存在。

分析与元素层次结构

每个分析恰好属于一个元素,并在该元素的分析标签页上配置。分析可以计算以下数据:

  • 元素自身的属性 — 典型场景,计算关于该特定设备或位置的内容。
  • 其子元素(聚合) — 聚合共享相同模板的所有(或过滤后的)子元素的指标。例如,计算风电场元素下所有风机的平均发电功率。

本章内容

  • 浏览和管理分析 — 分析列表、工具栏控件和行操作
  • 创建分析 — 四段式创建表单:基本信息、触发、计算和事件
  • 触发类型 — 所有八种触发类型及其具体参数
  • 计算 — 计算对象、窗口聚合、输出时间戳和输出属性
  • 生成事件 — 配置分析以产生事件
  • AI 辅助分析 — 使用内置 AI 从自然语言创建分析