截至 2021 年底，玉溪卷烟厂拥有完备的打叶复烤线、制丝生产线、梗丝生产线、卷接机组、包装机组、滤棒成型机组，年卷烟生产能力 220 万箱以上，厂区占地面积 134.04 万平方米，在岗员工数千人。工厂 22 项对标指标同比提升 18 项，其中 4 项排名行业第一、13 项排名行业前十，前十指标数量在行业卷烟工厂中排名第二、在云南中烟所属卷烟工厂中排名第一。

后面切换到 TDengine 后，凭借着从时序数据特点出发设计的超级表机制，以及按照时间分片的存储引擎，即便是单表千亿级别的总数据量，TDengine 也可以在物理逻辑上完成划分，直接操作对应时间段的数据文件，摒弃无效的搜索消耗，这一点解决了我们最大的难题。另外基于高效的列式压缩设计，数据的存储成本也显著降低了。

为推进高端高档精品线建设，提升高端卷烟加工的内在品质，精品线智能制造试点项目以提升精品线生产过程制造能力、工艺技术水平为目标，充分应用新的工艺技术、前沿的信息化手段，打造全流程感知、全产业链协同、决策过程实时、IOT融合的前沿生产制造车间，确保生产全过程批内批间品质的稳定性和一致性。全过程感知架构如下图所示：

• 创建一张超级表存储所有采集点的数据，一个采集点一张子表。超级表采用单列模型，采集值类型为字符串。

• 优点：在获取某个 MES 业务计算所需要的 n 个测点全量数据时，可以用一条 SQL 查出，不需 join

• 缺点：布尔、浮点数也会作为字符串存储，压缩比会受影响，且无法使用预计算，还可能需要对结果集做列转行操作

• 创建多张超级表，单列模式，针对每一种数据类型创建一张超级表，一个采集点一张子表，采集点根据对应数据类型使用对应类型超级表。

• 优点：采集点增减可以灵活匹配，且数值型采集值有预聚和优化

• 缺点：获取某个 MES 业务计算所需要的 n 个测点全量数据时，需要分别从三个超级表中查询，后期考虑用 join，但仍会有结果集列转行的工作

• 为每个 MES 业务计算任务（比如产品质量计算）所涉及的采集点建超级表（也可能是普通表），采用多列模式。

• 优点：MES 业务涉及到的查询可以直接从对应表按时间段查出来，且不同测点的数据类型可以保留，预计算优化也会被保留

• 缺点：表结构固定，不同 MES 业务系统之间的超级表可能会用到相同的指标，这些指标的数据就会反复存储。如果 MES 业务计算需求变化，则需要修改表结构，写入时要求所有采集点字段同时写入

    4. 根据数据的重要程度和采集频率分库存储，对每一个进行采集存储程序的单独维护，互不干扰，有效保障存储稳定性，一个库的存储故障不会影响其他库。

最终，我们按照上述方案进行分库建表。

其中既有单个字段 16 KB 的大表，也有只存单列数字类型数据的表：

1. 对超级表 voltage_prop 表执行时间段查询。

select * from yjpzsa_phm_opc.voltage_prop where ts >'2022-06-22 10:00:000' and ts <'2022-06-22 15:10:000';

以上便是我们使用 TDengine 的落地过程与应用展示。