小T导读：在工业数字化过程中，数据如何从设备采集顺利“爬坡”到上层应用，一直是个难题。传统“单列模型”虽贴合设备协议，却让上层分析举步维艰。TDengine 用一种更聪明的方法打通了这条数据通路：不强求建模、不手动转换，通过“虚拟表”机制，让数据以业务所需的形式自动呈现。本篇文章将带你深入了解 TDengine 如何搭建 OT 到 IT 的桥梁，真正实现设备数据“即采即用”，让工业应用更简单、更高效。

在工业数字化进程中，设备数据采集多采用“KVQT”单列模型（即测点名、变量值、质量戳、时间戳），这与工控传统协议紧密相关。例如，通过 OPC 设备采集时，底层设备上传的数据多为单列模型，而非多列数据模型。这种模式导致数据采集与上层应用之间存在明显割裂，业务与底层数据难以统一。在后续业务查询中，如 30 列宽表查询展示，在使用 SQL 语句场景下，操作极为复杂，需要多次 join 操作，效率低下。

为解决这一问题，TDengine 推出了一种创新的桥接方式。在工业底层数据采集汇聚到上层时，无需特殊建模，而是直接以单列模型进行采集和存储。待数据到达上层应用后，根据业务需求重新创建虚拟表。通过 IO 点表，使用 SQL 语句，可批量创建虚拟子表，从而大幅降低数据采集、建模处理和查询分析的工作量。

工业数据结构演变的挑战

工业控制系统基于国际标准 IEC 62264-1，采用五层架构模型，用于描述工业自动化系统的功能分层。从底层设备通道 IO 采集，到 MES 系统的多列模型，再到 ERP 系统的多列表格展示，数据组织需求随着层级上升而发生变化。

在 I/O 设备层，数据组织基于模拟信号通道，通过传感器，感知温度、压力等被观测量，并转成模拟信号（4~20mA或0-5V），传输至过程监控层的 PLC、DCS 系统。在这些系统中，通过 A/D 转换将模拟信号转换为计算机可识别的数字信号。此时，数据组织仍以 IO 通道为基础。

为了实现调度中心的远程监视与控制，SCADA 系统会采集控制器信号，并与计算机中的图形应用绑定，通过数字驱动动画实现现场仿真。SCADA 系统内部已经封装了与测点变量相关的功能模块，如报表、曲线等，可轻松实现日报、月报、对比曲线展示等功能。部分 SCADA 系统也引入了模型概念，但在对外数据转发时，仍以单列模型为主。

进入生产管理层的 MES/MOM 系统后，数据需求转变为宽表多列模型，需要将工单、批次、工艺信息等进行绑定。然而，由于实时库多为单列模型，而 MES 系统建设通常需要多列模型表格，因此只能选择关系数据库。海量的历史数据则从实时库抽取。为解决多库应用不便的问题，许多 MES 厂商引入了支持宽表的时序数据库，但这又面临采集与转换的难题：如何将从 OT 层的 SCADA、控制器或设备采集的单列数据模型存储为 IT 层 MES 系统所需的多列模型？目前的解决方案多为定制开发，将单列数据映射到预定的多列模型表格中，但这带来了高昂的定制开发成本、后期业务变更成本和维护成本，同时也存在数据断线、过期和乱序数据写入导致的数据完整性问题。

在生产车间中，同一条生产线往往需要生产不同产品和批次，并且需要记录温度、电压、电流等数十个工艺参数。这些参数需要与产品类型、批次进行绑定，以便为后续的质量追溯和工艺分析提供数据基础。然而，在传统方法中，操作人员需要通过关系库查询批次起始时间，从实时库的测点变量中获取数据。这种操作方式不仅复杂，而且后期管理难度较大。如果工厂拥有几万甚至几十万个测点，一旦设计不当，后期的应用和运维难度将呈指数级上升。

对于上层业务而言，底层设备的变动不应与其绑定。以矿山场景为例，当采矿的工作面发生变更时，下位采集点位可能并未发生变化，只是工作面标识发生了改变。如果按照传统方式，为一个新的工作面重新建表，未来可能会导致数据库中出现上亿张点位表，这将对数据库以及上层业务应用带来沉重负担。随着数据库点位的扩增，上层应用需要重新映射点位，这一连串的工作不仅会增加工作强度，还容易出现问题，同时也会给历史数据查询带来极大不便。

OT 到 IT 的桥梁——虚拟表

TDengine 提出“虚拟表”这一创新概念，可自由组合不同测点变量，生成所需的表格式，无需为建模和业务应用过度操心。

具体而言，通过工控协议采集设备数据后，无需提前规划表模型（因为大部分 IoT 数据并无统一的数据组织结构）。数据进入 TDengine 后，可根据业务需求，基于实体表创建虚拟表。虚拟表与物化表在除写入以外的应用场景中几乎没有区别，且在便利性和系统扩展性方面远超传统视图功能。

通过可视化配置，TDengine 能够直接将设备数据采集到数据库中。以 OPC 采集为例，TDengine 的 OPC 采集器具备自动点位更新功能，当 OPC Server 端的点位发生变化且满足 TDengine 的过滤条件时，TDengine 可自动同步更新，无需人工手动干预，从而大幅降低运维沟通成本。对于 OPC DA 协议，由于其自身限制，OPC DA 协议数据无法跨路由器或 VLAN 进行通信，且跨计算机部署时需要降低安全配置并手动配置 DCOM，操作复杂且容易出错。相比之下，TDengine 支持 Agent 部署，可实现远程运维管理，基本不受网络环境限制（单向网闸场景除外），极大地简化了运维流程。此外，TDengine Agent 支持断线续传功能，进一步保障 OPC 数据的完整性和可靠性。

以下是 OPC 自动采集数据的示例：

...

当上位应用需查询不同产品的批次信息及对应工艺参数时，需求是明确的，以上述 3 个测点为例，在 TDengine的操作如下：

1.创建虚拟表：

//创建普通表或者超级表，此处以普通表为例
create vtable d1（ts timestamp,batchNo.val,Temp.val,Current.val) 

或

//支持创建时以别名方式，将底层采集数据与上位应用结构相互解耦
create vtable d1（ts timestamp,batchNo varchar（64）from batchNo.val,Temp float from Temp.val,Current float from Current.val) 

2.查询虚拟表并拉齐数据：

select last（*） from d1 interval(1s）fill(prev)

查询结果如下：

3.查询虚拟表原始数据：

Select * from d1

其中时间戳为各原始子表时间戳的汇总，查询结果：

TDengine 通过简单创建虚拟表和 SQL 语句，轻松实现了不同测点之间的关系查询。与传统方式相比，TDengine 无需通过视图构建复杂的JOIN语句，也无需提前设计数据模型，从而避免了前期数据接入和转换的繁琐流程，以及后期修改和维护的不便。借助虚拟表，TDengine 让数据组织变得更加简洁、灵活，为上层业务应用分析提供了强大的数据支持，同时显著提升了运维的便捷性和效率。

结语

凭借卓越的性能和强大的功能，TDengine成功搭建了 OT 与 IT 场景之间的高效过渡桥梁。未来，业务应用将不再受制于 OT 数据与 IT 业务数据格式的差异，数据整合与应用将更加顺畅。随着业务规模的不断扩大，TDengine 的易用性优势将愈发显著，为企业数字化转型筑牢坚实的数据根基，助力企业迈向智能化、高效化的未来发展之路。