在工業4.0、智能制造等戰略帶動下，物聯網、5G、云計算以及人工智能等新一代信息技術正在加速與傳統工業融合。越來越多企業依托物聯網將人、機、物連接起來并進行數據采集。同時，借助5G、云計算和人工智能等技術進行數據的傳輸、匯聚、計算和分析，工業智能場景的落地導致數據量的急劇增長，也正在推動的企業轉型升級帶來巨大挑戰。

　　過去30年，企業利用CAX、PLM、ERP、OA等信息化軟件解決了產品研發和運營管理過程中的諸多需求，以及利用MES、APS部分地解決了生產管理過程中的需求，如生產資源管理和調度，但若再想進一步深入到工業現場，對機器和設備進行管理控制，則顯得無能為力。

　　當物聯網、5G、人工智能等新一代信息技術的逐漸成熟并融入到傳統工業生產，信息化時代未解決的問題正在逐一被突破。企業利用物聯網對工業現場的人、機、物進行連接，并利用邊緣計算平臺對關鍵設備數據進行采集、匯聚和分析，實現與上層業務系統數據對接，以及通過云邊協同實現數據共享互動，形成一個涵蓋研發、運營、生產到銷售的完整工業鏈閉環，而這也成為數字化和智能化實現的基礎。

　　從信息化到智能化，筆者總結了兩點變化：一是對象從“人”到“物”的轉換，二是場景從“辦公區”到“生產區的轉移。信息化解決了“人”的行為管理問題。而智能化則解決了“物”的運行控制問題。以往用一臺電腦就能解決的問題，現在必須加上工業系統和自動化設備，而IT與OT在標準體系架構的不同，使得兩者融合變得復雜和困難。

　　當業務邊界向下延伸時，也帶來了更大問題，即企業獲取的數據不如以往規整，非結構化數據越來越多，生成頻度更高，很多數據需要及時獲取和分析。更麻煩的是，工業過程產生的數據遠超以往。

　　IDC預計，到2025年，設備實時數據量將是2017年的200倍，達到驚人的49ZB，而隨著工業智能化的發展，其中非結構化數據的占比將越來越高。對企業而言，每時每刻產生的工業數據正在存儲管理和數據庫帶來的巨大壓力，已經成企業智能化轉型必須優先解決的問題。

　　傳統數據庫已無法勝任

　　十年前，當筆者還在做程序員時，每當來了新需求，首先需要做的就是評估用什么開發語言和數據庫？那時候用的最多的是Oracle、MySQL和SQLServer，這些關系型數據庫能面向用戶提供功能交互服務，適用于數據生成頻度低，以SQL索引表存儲的結構化數據。

　　而當我們邁入智能化時代，面向越來越多的工業場景APP開發需求，是否還能使用傳統關系型數據庫？答案顯然不行。原因主要有三點：

　　第一，數據結構不一樣。信息化時代，一部電腦打天下，所有軟件產品都是構建在通用操作系統和標準化硬件架構之上，只有符合X86+Windows平臺標準，軟件應用才能運行，所產生的數據都是結構化數據。然而，在工業場景中不存在統一的操作系統和體系標準，異構的工業系統和設備會產生許多不同形態的數據，大多是非結構化的，傳統關系型數據庫根本無法支撐。

　　第二，工業領域大多是實時性較高的業務場景，傳統信息化系統運行過程允許宕機，但工業場景不允許。特別在流程行業，生成過程是連續性的，而數據采集也是時序數據，任何中斷都可能產生巨大的安全風險。隨著接入設備越來越多，企業需要采集和處理實時、時序數據量越來越大，這需要能管理海量設備實時專業數據庫，傳統關系型數據庫無法做到這一點。

　　第三，在工業智能化的推進進程中，需要對海量工業數據進行管理、存儲和分析，將大量不同類型的工業數據進行聚合歸類是實現智能化分析的基礎前提。傳統關系型數據庫對數據的聚合性分析性能較差。對時序數據的壓縮比較低，且需要占用大量的機器資源。

　　目前，領先的工業數據庫企業不僅擁有專業的壓縮算法，還充分考慮海量數據實時分析的聚合性能。國內麥杰科技推出的openPlant數據庫就擁有專門的實時數據壓縮算法，比傳統關系型數據庫降低90%，通過對寫入、存儲、查詢等流程進行了優化，實時數據庫性能可達傳統數據性能的1000倍以上。
責任編輯：YYX