智慧矿山是以矿山数字化、信息化为前提和基础，对矿山生产、职业健康与安全、技术支持与后勤保障等进行主动感知、自动分析、快速处理，建设智慧矿山，最终实现安全矿山、无人矿山、高效矿山、清洁矿山的建设。以智慧矿山建设中的核心工作“建立综合性数据管理平台”进行规划，涵盖煤炭板块、电力板块、物流板块，建立大数据分析展示平台。

华夏天信RED-MOS露天煤矿智慧矿山操作系统，本身基于微服务架构,结合HTAP混合大数据平台，平台中包含TSDB及关系数据库，数仓系统等组成运用工业数据协议转换和数据采集网关系统 将产、运、销各环节的生产与成本数据进行深度的挖掘和分析，从生产运营 ODS系统 、成本管控 BI系统 和市场分析 BI系统 三个维度给煤炭企业决策层提供精准、实时的数据支撑，实现降低成本、提高决策效率的目标。主要包括矿山生产大数据、销售大数据、物流大数据、设备运行大数据、安全大数据、环保大数据等的大数据分析应用。

业务场景

地面生产集控系统采用的 PLC 设备采集的信号统一接入智能预警平台，整合一、二期集控系统、机房状态监测系统、电气综保装置、破碎系统等数据接入 RED-MOS露天煤矿智慧矿山操作系统 。接入的监控点数量将近1万5千点。 其中接近2300点需要绑定组态显示，即时页面更新，整体数据采集到显示到前端要求秒级展示。

同时要求 大数据量展示，可展示30天的全量数据，点数量超过50万条。读取时间 5 ~10 秒。

二级页面展示设备温度、震动、电流等实时数据。

快速读取相关设备属性趋势图，针对一天2万条数据展示速度在200ms内。

大数据量展示，可展示30天的全量数据，点数量超过50万条。读取时间 5 秒级。

时序数据库方案选型

方案一：MongoDB

MongoDB和Mysql都是集群部署，至少需要6台服务器，这个方案的缺陷如下。

1）比较耗费服务器资源，占用控件过大MongoDB每次空间不足时都会申请生成一大块的硬盘空间，而且申请的量从64M、128M、256M那样的指数递增，客户使用2年后数据已超过500G历史数据备份及恢复非常痛苦。

2）写入速度波动大，当点位超过1万且采集频率低于1s后，通过生产环境上线前模拟压测发现，入库数据存在10%以上比例在个别入库时间超过2s的情况存在，无法达到项目要求。

3）MongoDB单机稳定性比较差，通过Prometheus监控MongoDB健康度发现，当docker容器内存使用量超过80%后，MongoDB单机大比例出现无法访问的情况，导致时序数据集群引起节点切换，严重时甚至发生实时数据集群整体无法访问。

方案二：TDengine

TDengine是一个简单快捷高性能的时序数据库，提供高性能的同时大大降低了安装、部署、维护的成本，是当前繁易云组态底层采用的变量数据存储引擎。TDengine解决了我们几个之前较为头疼的问题。

1）安装简单。与docker集成比较好，特别适合项目部署维护。

2）性能强劲。 在实际生产场景中：1万5千点计算及入库时间均为1s内（docker容器2C 8g）。大数据量展示，可展示30天的全量数据，点数量超过50万条。读取时间5~10秒级。整体使用期间 cpu在30~40%之间，内存维持在6G左右。

3）综合考虑，使用TDengine硬件成本和开发维护成本大大降低，写入和查询速度还比mongo等高一个级别，占用空间少5~8倍。