工業實時數據庫是工業領域信息化、智能化的核心基礎軟件，在智能制造中發揮重要作用，更是大數據、云計算、物聯網等產業的核心支撐軟件。本次公開課圍繞工業數據采集知識、工業實時數據庫產品功能及其應用展開，旨在幫助用戶深入了解工業實時數據庫的技術及其應用。

工業數據采集是利用泛在感知技術對多源設備、異構系統、運營環境、人等要素信息進行實時高效采集和云端匯聚。數據采集的范圍包括對工業現場設備的采集、智能產品/裝備的數據采集以及ERP、MES等應用系統的數據采集，具有連接性、實時性、融合性、多種工業協議并存等特點。

▲ 工業數據采集體系架構

什么是實時數據庫？

實時數據庫是對實時性要求高的時標型信息的數據庫管理系統，集成各種異構通訊協議的數據源，形成統一的實時數據庫訪問接口。完成對實時數據的集中海量存儲，支持實時數據讀寫操作和歷史數據的高效查詢，提供實時計算、實時分析處理等功能。

▲ 實時數據庫功能要求

應用領域：

（1）為工業企業生產信息的存儲和訪問提供統一數據源，支持實時監控和高級控制；

（2）作為企業實時信息中樞，支持MES等應用（調度系統、優化系統、物料平衡系統等）；

（3）為智能社會提供信息基礎（如智能交通系統、智能樓宇系統、數字環保監控系統等）。

實時數據庫技術發展趨勢

1、連接多個數據源

現代的工業實時數據庫要求可以支持連接各種標準通信協議的設備和設施，例如支持自動化系統（DCS、PLC、SCADA等）、數據庫、傳感器、新型智能設備、機械、機器人、LIMS、PLM、ERP以及其他數據來源。

2、IT和OT數據融合

隨著越來越多的數據被收集整理，需要將數據用規范的、可利用的方式存儲起來，才能將其應用到采用高級分析功能的智能化程序中。

▲ 實時數據庫接口結構

3、邊緣計算&云計算

企業的數據量越來越大，不可能將所有的數據都集中到一個或者幾個數據庫，邊緣計算或云計算顯得更為重要。

4、新的云和邊緣部署

基于速度、效率、安全等因素，企業仍然更偏向于私有云，但公有云也同樣重要。未來數據庫廠商可能會面臨客戶混合云場景，不僅有私有云和公有云，還有邊緣設備，甚至公有云跨平臺的場景。

5、使用高級分析

機器學習和AI技術開始應用于工業實時數據分析中，對未來發展進行預測和預警。

6、數據可視性和智能運營

數據除了需要存儲，其更大的功能還在于展示和支持決策，對于供應商提出了更高的要求，像Tableau、TIBCO Spotfire等各種可視化軟件已被認為是實時數據庫的重要組成部分。

▲ 實時數據庫調度策略

7、數據質量管理工具

數據質量的好壞直接影響到數據建模以及一些其他高級分析功能，錯誤、有缺失或異常值等很可能會對其產生重大影響，從而影響決策者決策，數據質量管理工具也因此越來越流行。

8、數據庫容器

出于安全、部署、網絡等各方面的考慮，目前開始興起將數據庫容器化。容器是輕量級的，可移植的，具有自己的CPU、內存、I/O和網絡資源，并且共享主機操作系統的內核。