加速数据要素价值释放，用友打造高性能时序数据库

在制造、电力、化工、气象等行业，针对基础设备所采集、产生的数据一般具有典型的特点，比如产生频率快（每秒钟内可产生多条数据）、严重依赖于采集时间（每一条数据均对应唯一的时间）、观测点多信息量大（常规的实时监测系统均有成千上万的监测点，监测点每秒钟都产生数据，每天产生几十GB的数据量）。

针对这种数据产生快、海量且依赖时间的数据特点，传统关系型数据库无法满足有效存储与处理，因此迫切需要一种专门针对时间序列数据来做优化的数据库系统，即时序数据库。

当前，新一轮科技革命和产业变革突飞猛进，推动企业数智化进程加速向前发展。数据库作为核心基础软件，实现信创国产化势在必行。用友一直在积极推进软件国产化的相关工作，与清华大学（软件学院）联合成立了时序数据与物联应用联合研究中心。在清华大学自主研发的国内首个开源时序数据库Apache IoTDB的基础上，用友自主研发了专用企业服务能力的商用版时序数据库——TimensionDB。

TimensionDB是一款轻量级、高性能、易使用的时序数据管理引擎，可快速摄取、存储和处理海量时间序列数据，广泛应用于电力（如：智能电表、发电设备实时监测）、石油化工（如：油井、运输管线、运输车队实时监测）、智慧城市（如：实时路况、卡口数据和路口流量实时监测）、智能安防（如：楼宇门禁、车辆管理、井盖、电子围栏监测）、车联网（如：车速、电机、动力电池、驾驶习惯等数据的实时监测）、金融（如：ATM、POS机、交易记录等数据的实时监测）等行业。

用友通过实现相关基础技术组件自主、安全、可控，打造国产化数据库的创新模式，充分发挥国产化软件企业从数智化管理、数智化经营到数智化商业创新的替代价值，真正帮助大型企业实现价值化国产替代。

海量数据的采集、存储、查询一直是数据库面临的难点，用友时序数据库可实现高性能的数据读写，并可对数据进行实时分析，快速处理海量数据，具有五大核心优势。

基于两阶段LSM合并的tLSM算法，有效保障了任何情况下均能轻松实现单机每秒1000万数据点的高速写入能力，实现百万级智能物联网设备接入和高速写入。

专为时序数据设计和优化的TsFile存储格式，支持多种数据类型和相应的SNAPPY、LZ4、GZIP、SDT等压缩算法，可实现1:150甚至更高的压缩比。通过高压缩比的硬盘存储，10亿数据点存储成本将低于1.4元，极大降低了硬件成本。

用友时序数据查询引擎采用列式存储、预计算和索引技术，可有效减少数据查询时读取的数据量，极大地降低磁盘I/O次数，轻松实现10亿级数据量、千万数据点查询的毫秒级响应。

分析引擎基于用友深厚的行业知识积累，自主研发高性能多维分析引擎和分析DSL，提供便捷的维度管理和分析脚本管理能力；简洁的DSL语法可使零基础人员轻松对业务数据进行复杂的多维分析。

弹性伸缩采用大规模并行处理（MPP）架构和火山模型进行数据处理，具有很高的扩展性，支持秒级增加节点而无需进行数据迁移，适应不同规模时序数据的存储与分析需求。

用友时序数据库凭借领先的技术和分析引擎，打造轻量型高性能的数据库，深入不同应用场景，充分在不同行业、不同场景中激发数据要素价值，使能企业高质量发展。

在制造行业，数字化工厂需要IT系统和智能设备的集成衔接，通过终端设备和传感器对生产数据的实时采集和分析、设备故障预警处理等，实现对生产现场的实时监控。而工业数据的采集都需要带有时间戳，大量工业数据建模、工业知识组件和算法组件，均以时间序列数据作为输入数据，对时序数据库的需求和应用更加多元。用友时序数据库实现了工业数据的高性能采集入库、高效数据分析，为企业管理层决策提供数据支持，帮助用户通过持续优化生产管理流程来释放优质产能，助力实体制造业由粗放式经营模式，逐步过渡为生产设备网络化、现场管理数字化、决策运营智能化的集约型现代智能工厂。

在互联网行业，互联网公司一般需要对大规模应用集群和机房设备进行监控，实时关注设备运行状态、资源利用率和业务趋势，实现数据化运营和自动化开发运维。通过时序数据库，可实现每天万亿条监控指标数据写入，且支持多种时序异常类型的检测告警，并将异常情况直观展示，方便运维人员识别异常，告警策略设置简单，业务人员可轻松上手。

在新能源汽车行业，厂商一般需要对其出厂的车辆进行整车性能分析，通过在车辆上安装传感器，在车辆行驶过程中实时采集车辆的行驶状态等监控信息，将传感器数据通过窄带物联网实时发送至数据中心(TimensionDB)，而后在数据中心的服务器上通过多维分析引擎进行复杂的计算和分析，可实现百万级智能物联网设备接入和高速读写，每秒可写入达数据点1000万以上。

在风力发电行业，企业一般拥有多座风力发电机，并且在每台发电机上安装了上百种传感器，分别采集该发电机的工作状态、工作环境中的风速等信息。为了保证发电机的正常运转并对发电机及时监控和分析，企业需要收集这些传感器信息，在发电机工作环境中进行部分计算和分析，还需要将收集的原始信息上传到数据中心，这就需要大量的数据存储。用友时序数据库可以极低的成本满足企业海量数据的快速存储，用数智化能力助力企业绿色发展。

在广告行业，企业经常需要对投放数据进行实时分析和监测，通过日志或者其他方式对原始指标数据进行采集和实时计算，将实时计算的结果数据存储到时序数据库，实现投放效果的实时反馈。通过多维时序预测算法，利用多指标间关联关系可极大提高预测准确度，相比传统预测算法准确度更高，助力企业实现投放策略优化。