行业背景

工业物联网场景下，随着智能设备及物联网技术的广泛应用，数据是最重要的资源之一，企业需要对各种机器、设备和传感器产生的时序数据进行采集、存储与分析。

因此，何为行之有效的数据库解决方案？企业普遍更为关注如何处理并分析由众多设备采集而来的数据进而优化生产流程、提升管理效能，进而实现“智能制造”。与此同时，这些方向也为带来了诸如数据安全、数据质量、数据管理等在内的新挑战。

痛点与挑战

1. 数据存储和管理难

面临多种类型的数据、协议和系统，难以实现统一的数据采集和存储管理，导致数据汇总和存储困难。

2. 数据实时分析要求高

原有系统仅将数据进行存储而未进行有效利用，导致数据利用率低，无法及时辅助管理人员做出决策。传统工业物联网场景数据需极高实时处理和分析，以实现设备调度、预警系统等功能。

3. 多库应用和运维成本高

多库应用要求开发者需掌握多种数据库模型和技术实践的挑战，DBA 也需承担不同数据库的运维规则，导致高昂的开发运维成本。此外，多库间数据传输和转换涉及多副本管理，易出错且难以保证性能和数据一致性。

4. 人员和产线工作统计困难

生产环节不透明导致产能下降，产线工人虚报工时，设备运行情况需要人工统计，缺乏数据支持的排程往往通过主观臆断规定产品交期，进而导致设备利用率和工作饱和度降低。

1. 实时数据处理和分析

通过建设多协议集成的数据平台，实现多源异构数据接入，同时利用 KaiwuDB+KDP 的就地计算和实时分析技术，实现生产数据的高速存储和实时分析，有效提高数据利用率，并支持管理层制定即时决策。

2. 数据汇入与分析同步进行

通过实时分析技术，将数据存储和分析同时进行，解决原有系统仅存储数据而未进行有效利用的问题，提高数据利用率，并使数据展示更加及时。

3. KaiwuDB 多引擎+弹性扩展

利用 KaiwuDB 的多引擎特性，实现一库多用，降低多库应用的运维成本。同时，支持弹性扩展，满足数据增长需求，解决性能扩展受限的问题。

4. 产线运行数据接入分析

将操作台运行数据入库统计并分析，实现对一线工人的工时和产线运行状况的综合研判，解决虚报工时和产线不透明的问题，提高产能和效率。

1. 数据平滑迁移和统一管理

将原系统的大量历史数据统一迁移至 KaiwuDB，实现一库多用，减少数据存储成本，并提供统一的数据管理平台，便于数据的维护和查询。

2. 高效数据接入和入库性能提升

通过 KaiwuDB 多协议集成方案，实现各类设备接入并高效汇入数据，保证大规模数据的高速入库，提高数据采集效率和实时性。

3. 数据全面采集和协同管理

实现工厂各作业环境的数据全面采集，将生产数据与运营管理数据进行关联，实现数据的协同分析和管理，提高生产效率和响应速度。

4. 高效数据分析和性能提升

系统支持复杂场景数据聚合分析和海量数据实时分析，通过 KaiwuDB+KDP 的技术，提升查询和分析性能。减少了异常停机，提高了设备利用率，从而提升数据可用性和服务能力。

https://www.bilibili.com/video/BV1HH4y1X79Y/?spm_id_from=333.999.0.0