TDengine IDMP 应用场景：电动汽车

1. 简介

本文以电动汽车监控为例，详细介绍通过MQTT，轻松采集电动汽车电门开度、驱动电机功率、空调功率、车速、SOC、电池电压/电流等监控指标，将数据写入 TDengine TSDB 时序数据库，然后通过 TDengine IDMP，利用 AI 自动生成可视化面板和实时分析，帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。

在这个方案中，TDengine TSDB + TDengine IDMP 的组合能够为您带来四大好处：

• 轻松完成数据导入：TDengine IDMP 与 TDengine TSDB 无缝集成，当监控数据写入 TSDB 后，能够快速导入 IDMP 并以树形结构的方式展现被监控的电动汽车，IT 资产一目了然。
• 无问智推，数据自己说话：不用在 TDengine 侧做任何配置，不用脚本，不用提问，IDMP 会基于采集的数据，自动判断为 IT 监测场景，自动为您推荐面板和实时预警，服务器的运行状态尽在掌控之中。
• 智能问数，随问随答：不用 SQL，不用任何脚本语言，你只要用自然语言说出感兴趣的数据分析或监测面板，IDMP 将会自动帮您创建，把数据可视化与分析的使用门槛降为 0；
• 如果添加新的被监测的电动汽车，只要配置好 MQTT， 在 TDengine 侧不用做任何设置和操作，电动汽车就被自动的加入到监测的对象中，最大程度节省人力。

2. 环境准备

2.1 基础环境

本次 TDengine TSDB 和 IDMP 演示使用 docker 形式进行部署，MQTT 作为演示环境数据源。

具体数据流如下：

2.2 前提条件

• Docker(20.10+) Docker
• Docker Compose(v2.0+) Docker Compose

3. 配置指南

3.1 快速启动服务

• 克隆 tdengine-idmp-deployment 仓库

  git clone https://github.com/taosdata/tdengine-idmp-deployment.git

• 使用 Docker Compose 启动 TDengine IDMP，TDengine TSDB，MQTT 服务

  cd tdengine-idmp-deployment/examples/electric_vehicle
  docker compose up -d

• 确认服务均已启动

  docker compose ps

• 至此，所有服务已成功启动。您可以在浏览器输入 http://localhost:6042 访问 IDMP 服务，输入 http://localhost:6060 访问 TSDB 服务。更多细节请参见 官网文档。

说明：TDengine IDMP 服务默认使用 TDengine TSDB 作为其数据源，IDMP 实例会自动创建到上述 TSDB 的连接。

3.2 创建数据写入任务并进行模拟数据写入

3.2.1 创建数据库

• 浏览器输入 http://localhost:6060 进入 Explorer 界面，在注册页完成注册，默认用户名 root，密码 taosdata。
• 点击【数据浏览器】，在数据浏览器页面点击【创建数据库】。
• 设置数据库名称为 ev，完成 DB 创建。

3.2.2 创建数据写入任务

• 点击【数据写入】标签，进入任务配置页面，点击 【导入任务】。

• 选择 tdengine-idmp-deployment/examples/electric_vehicle/ev-task.json 文件，在弹出的导入任务对话框中，选择当前任务，选择数据库 ev，点击【确定】。

• 点击启动任务按钮，启动当前任务

• 任务启动成功后，状态显示【运行中】

3.2.2 生成模拟数据

• 进入 ev-mqtt 容器

  docker compose exec -it ev-mqtt /bin/sh

• 启动数据模拟器，发送模拟数据

  ~ # ./mqtt_pub --schema ev-history.toml --interval 0ms
  client_id: mqtt_pub_tool_91ZTZU424w
  client_id: mqtt_pub_tool_xbLu82Nolb
  client_id: mqtt_pub_tool_X5SdYp8CDb
  client_id: mqtt_pub_tool_4Oe00ePc65
  client_id: mqtt_pub_tool_RI06X0JbUi
  client_id: mqtt_pub_tool_GhHh2ZMp4G
  client_id: mqtt_pub_tool_p4F2TdW3X1
  client_id: mqtt_pub_tool_8WND7eY2GY
  client_id: mqtt_pub_tool_580cvLtSPd
  client_id: mqtt_pub_tool_40kd6ebBB6
  client_id: mqtt_pub_tool_SP4KjAMa5U
  client_id: mqtt_pub_tool_aABIknMB1N
  published 10066, speed: 28680/s, avg speed: 402640/s
  published 114348, speed: 20957/s, avg speed: 22860/s
  published 216489, speed: 20436/s, avg speed: 21647/s
  published 300894, speed: 16851/s, avg speed: 20046/s

• 进入 http://localhost:6060 【数据浏览器】页面，看到电动汽车模拟数据已经生成

3.3 初始化 IDMP、体验AI分析

3.3.1 从 TDengine TSDB 导入资产模型与数据

TDengine TSDB 设计之初就考虑了静态标签支持树状结构，层级之间用"."进行分割。

在本示例中，location 静态标签列被用于存放树状层级关系。

• 浏览器进入 http://localhost:6042，在注册页完成注册激活
• 点击用户头像，进入【管理后台】

• 点击【连接】 标签下面的 【TDengine】，点击右侧三个点菜单，选择"数据导入"。

• 从下拉框中选择数据库 ev，将标签 location 在资产模型中设为 路径；其余列全部设为"属性"，将 location 字段重命名为 Electric Vehicle，点击"完成"进行导入。（此处重命名仅仅为了后续展示时的美观）

• 点击【下一个超级表】，点击【忽略】，忽略掉除了【electric_vehicle】外的其它超级表。此处可以给字段进行重命名，在这里我们使用字段的本名进行演示。

• 点击【完成】，开始导入数据。

• 进入【元素浏览器】页面，在左侧资源浏览器中选中 Electric Vehicle ，在右侧选择【通用】

3.3.2 体验 AI 生成面板

• 在左侧资源浏览器中，点击 Electric Vehicle`` > 北京 > 东城 -> 东华门街道 -> ev-17 元素，通过上方路径导航菜单选择【面板】，跳转至该元素的 AI 推荐面板页面。
• 等待 AI 生成面板推荐后，您可根据需求进行选择，例如："过去1天每小时的电池电压不平衡度"，在您感兴趣的面板右上方的菜单中，点击【生成】按钮。等待面板生成后，可以【查看】该面板。

• 面板生成后，您还可以在该面板的详情页面中选择【高级】，查看 AI 创建面板时使用的 SQL 语句：

  SELECT _wstart,AVG(`cell_max_voltage` - `cell_min_voltage`) AS `EV_Equipment_Battery_Voltage_Imbalance` FROM `idmp`.`vt_ev-17_569050` WHERE _c0 >= now-1d and _c0 <= now INTERVAL(1h) SLIDING(1h) ;

• 点击【保存】，即可在下方面板列表中查看 ev-17 元素下对应的面板。

3.3.3 体验 AI 分析

• 在左侧资源浏览器中，点击 Electric Vehicle > 北京 > 东城 -> 东华门街道 -> ev-17 元素，通过上方路径导航菜单选择【分析】，跳转至该元素的 AI 推荐分析页面。
• 等待 AI 生成分析问题推荐后，您可以根据需求进行选择，例如："electric_vehicle:ev-17的soc低于20%时，发出次要报警，计算当时平均battery_current,状态窗口"，点击您感兴趣的问题链接，以进入分析编辑页面，点击页面最下方的【保存】。

• 退回到分析列表中，即可查看对应的分析。

3.4 停止服务

如果想要停止当前服务，输入以下命令

➤ docker compose down
[+] Running 4/4
✔ Container ev-mqtt Removed 0.2s
✔ Container tdengine-idmp Removed 10.4s
✔ Container tdengine-tsdb Removed 0.4s
✔ Network electric_vehicle_taos_net Removed

4. 更多

除了容器化部署方式以外，TDengine 还支持 tar 包安装方式，同时还提供云服务。详见：快速体验 | TDengine IDMP 文档 | 涛思数据

5. 小结

本文以步骤分解的方式，介绍了如何使用 TDengine TSDB + TDengine IDMP 快速搭建一个基于 MQTT 上报数据的 电动汽车监控系统，无需专门的IT技能，搭建过程简洁而高效。日后，如果有新的车辆需要被纳入到监控系统中，无需创建元素，IDMP将自动侦测到新接入的车辆、纳入监控。

搭建整个监控系统的工作几乎都在 MQTT 数据源的准备，无需编写复杂的 SQL 语句，无需脚本和其他配置，无需学习 Grafana，无需了解多少电动汽车知识，即可轻松掌握电动汽车的运行状态，实时监控和分析电动汽车的状态并采取相应措施。

关于 TDengine

TDengine 专为物联网IoT平台、工业大数据平台设计。其中，TDengine TSDB 是一款高性能、分布式的时序数据库（Time Series Database），同时它还带有内建的缓存、流式计算、数据订阅等系统功能；TDengine IDMP 是一款AI原生工业数据管理平台，它通过树状层次结构建立数据目录，对数据进行标准化、情景化，并通过 AI 提供实时分析、可视化、事件管理与报警等功能。