時(shí)序數(shù)據(jù)庫 TDengine + 高級(jí)分析軟件 Seeq，助力企業(yè)挖掘時(shí)序數(shù)據(jù)潛力

Shuduo Sang

2023-11-07 / 技術(shù)文章 - 時(shí)序數(shù)據(jù)庫, 精選

作為一款制造業(yè)和工業(yè)互聯(lián)網(wǎng)（IIOT）高級(jí)分析軟件，Seeq 支持在工藝制造組織中使用機(jī)器學(xué)習(xí)創(chuàng)新的新功能。這些功能使組織能夠?qū)⒆约夯虻谌綑C(jī)器學(xué)習(xí)算法部署到前線流程工程師和主題專家使用的高級(jí)分析應(yīng)用程序，從而使單個(gè)數(shù)據(jù)科學(xué)家的努力擴(kuò)展到許多前線員工。通過 TDengine Java connector，Seeq 可以輕松支持查詢 TDengine 提供的時(shí)序數(shù)據(jù)，并提供數(shù)據(jù)展現(xiàn)、分析、預(yù)測(cè)等功能。本文將對(duì)此進(jìn)行介紹。

如何配置 Seeq 訪問 TDengine

查看 data 存儲(chǔ)位置

sudo seeq config get Folders/Data

從 maven.org 下載 TDengine Java connector 包，目前最新版本為 3.2.7 （https://central.sonatype.com/artifact/com.taosdata.jdbc/taos-jdbcdriver?smo=true）。并拷貝至 data 存儲(chǔ)位置的 plugins\lib 中。
重新啟動(dòng) seeq server

sudo seeq restart

輸入 License

使用瀏覽器訪問 ip:34216 并按照說明輸入 license。

使用 Seeq 分析 TDengine 時(shí)序數(shù)據(jù)

下文將為大家演示如何使用 Seeq 軟件配合 TDengine 進(jìn)行時(shí)序數(shù)據(jù)分析。

場(chǎng)景介紹

示例場(chǎng)景為一個(gè)電力系統(tǒng)，用戶每天從電站儀表收集用電量數(shù)據(jù)，并將其存儲(chǔ)在 TDengine 集群中?，F(xiàn)在用戶想要預(yù)測(cè)電力消耗將會(huì)如何發(fā)展，并購買更多設(shè)備來支持它。用戶電力消耗隨著每月訂單變化而不同，另外考慮到季節(jié)變化，電力消耗量會(huì)有所不同。這個(gè)城市位于北半球，所以在夏天會(huì)使用更多的電力。我們模擬數(shù)據(jù)來反映這些假定。

數(shù)據(jù) Schema

CREATE STABLE meters (ts TIMESTAMP, num INT, temperature FLOAT, goods INT) TAGS (device NCHAR(20));
create table goods (ts1 timestamp, ts2 timestamp, goods float);

時(shí)序數(shù)據(jù)庫 TDengine + 高級(jí)分析軟件 Seeq，助力企業(yè)挖掘時(shí)序數(shù)據(jù)潛力 - TDengine Database 時(shí)序數(shù)據(jù)庫

構(gòu)造數(shù)據(jù)方法

python mockdata.py
taos -s "insert into power.goods select _wstart, _wstart + 10d, avg(goods) from power.meters interval(10d);"

源代碼托管在 https://github.com/sangshuduo/td-forecasting。

使用 Seeq 進(jìn)行數(shù)據(jù)分析

配置數(shù)據(jù)源（Data Source）

使用 Seeq 管理員角色的帳號(hào)登錄，并新建數(shù)據(jù)源。

Power

{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, num FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Num",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

Goods

{
    "QueryDefinitions": [
        {
            "Name": "PowerGoods",
            "Type": "CONDITION",
            "Sql": "SELECT ts1, ts2, goods FROM power.goods",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Goods",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Duration",
                    "Value": "10days",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": [
                {
                    "Name": "goods",
                    "Value": "${columnResult}",
                    "Column": "goods",
                    "Uom": "string"
                }
            ]
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

Temperature

{
    "QueryDefinitions": [
        {
            "Name": "PowerNum",
            "Type": "SIGNAL",
            "Sql": "SELECT  ts, temperature FROM meters",
            "Enabled": true,
            "TestMode": false,
            "TestQueriesDuringSync": true,
            "InProgressCapsulesEnabled": false,
            "Variables": null,
            "Properties": [
                {
                    "Name": "Name",
                    "Value": "Temperature",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Interpolation Method",
                    "Value": "linear",
                    "Sql": null,
                    "Uom": "string"
                },
                {
                    "Name": "Maximum Interpolation",
                    "Value": "2day",
                    "Sql": null,
                    "Uom": "string"
                }
            ],
            "CapsuleProperties": null
        }
    ],
    "Type": "GENERIC",
    "Hostname": null,
    "Port": 0,
    "DatabaseName": null,
    "Username": "root",
    "Password": "taosdata",
    "InitialSql": null,
    "TimeZone": null,
    "PrintRows": false,
    "UseWindowsAuth": false,
    "SqlFetchBatchSize": 100000,
    "UseSSL": false,
    "JdbcProperties": null,
    "GenericDatabaseConfig": {
        "DatabaseJdbcUrl": "jdbc:TAOS-RS://127.0.0.1:6041/power?user=root&password=taosdata",
        "SqlDriverClassName": "com.taosdata.jdbc.rs.RestfulDriver",
        "ResolutionInNanoseconds": 1000,
        "ZonedColumnTypes": []
    }
}

使用 Seeq Workbench

登錄 Seeq 服務(wù)頁面并新建 Seeq Workbench，通過選擇數(shù)據(jù)源搜索結(jié)果和根據(jù)需要選擇不同的工具，可以進(jìn)行數(shù)據(jù)展現(xiàn)或預(yù)測(cè)，詳細(xì)使用方法參見官方知識(shí)庫：https://support.seeq.com/space/KB/146440193/Seeq+Workbench。

使用 Seeq Data Lab Server 進(jìn)行進(jìn)一步的數(shù)據(jù)分析

登錄 Seeq 服務(wù)頁面并新建 Seeq Data Lab，可以進(jìn)一步使用 Python 編程或其他機(jī)器學(xué)習(xí)工具進(jìn)行更復(fù)雜的數(shù)據(jù)挖掘功能。

from seeq import spy
spy.options.compatibility = 189
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import mlforecast
import lightgbm as lgb
from mlforecast.target_transforms import Differences
from sklearn.linear_model import LinearRegression

ds = spy.search({'ID': "8C91A9C7-B6C2-4E18-AAAF-XXXXXXXXX"})
print(ds)

sig = ds.loc[ds['Name'].isin(['Num'])]
print(sig)

data = spy.pull(sig, start='2015-01-01', end='2022-12-31', grid=None)
print("data.info()")
data.info()
print(data)
#data.plot()

print("data[Num].info()")
data['Num'].info()
da = data['Num'].index.tolist()
#print(da)

li = data['Num'].tolist()
#print(li)

data2 = pd.DataFrame()
data2['ds'] = da
print('1st data2 ds info()')
data2['ds'].info()

#data2['ds'] = pd.to_datetime(data2['ds']).to_timestamp()
data2['ds'] = pd.to_datetime(data2['ds']).astype('int64')
data2['y'] = li
print('2nd data2 ds info()')
data2['ds'].info()
print(data2)

data2.insert(0, column = "unique_id", value="unique_id")

print("Forecasting ...")

forecast = mlforecast.MLForecast(
    models = lgb.LGBMRegressor(),
    freq = 1,
    lags=[365],
    target_transforms=[Differences([365])],
)

forecast.fit(data2)
predicts = forecast.predict(365)

pd.concat([data2, predicts]).set_index("ds").plot(title = "current data with forecast")
plt.show()

運(yùn)行程序輸出結(jié)果：

寫在最后

通過集成 Seeq 和 TDengine，用戶能夠充分利用到 TDengine 高性能的時(shí)序數(shù)據(jù)存儲(chǔ)和檢索，確保數(shù)據(jù)的高效處理；同時(shí)也將受益于 Seeq 提供的強(qiáng)大數(shù)據(jù)可視化和分析功能，如數(shù)據(jù)可視化、異常檢測(cè)、相關(guān)性分析和預(yù)測(cè)建模，方便用戶獲得有價(jià)值的數(shù)據(jù)洞察并基于此進(jìn)行決策。

未來 Seeq 和 TDengine 將共同為制造業(yè)、工業(yè)物聯(lián)網(wǎng)和電力系統(tǒng)等各行各業(yè)的時(shí)序數(shù)據(jù)分析提供綜合解決方案，將高效數(shù)據(jù)存儲(chǔ)和先進(jìn)數(shù)據(jù)分析相結(jié)合，賦予企業(yè)深入挖掘時(shí)序數(shù)據(jù)潛力的能力，推動(dòng)業(yè)務(wù)發(fā)展與改進(jìn)。如果你想要了解 Seeq 的更全面設(shè)置、Seeq 與全托管的云服務(wù)平臺(tái) TDengine Cloud 的具體連接詳情，請(qǐng)移步官方文檔 https://docs.taosdata.com/third-party/seeq/ 進(jìn)行查閱。

智能制造

石油化工

電力

大交通

公共事業(yè)

更多行業(yè)實(shí)踐

文檔

博客

資源

活動(dòng)

TDengine TSDB-OSS

知識(shí)庫

認(rèn)證

開發(fā)者論壇

授權(quán)分銷商

云服務(wù)伙伴

技術(shù)生態(tài)解決方案

社區(qū)伙伴

時(shí)序數(shù)據(jù)庫 TDengine + 高級(jí)分析軟件 Seeq，助力企業(yè)挖掘時(shí)序數(shù)據(jù)潛力

如何配置 Seeq 訪問 TDengine

使用 Seeq 分析 TDengine 時(shí)序數(shù)據(jù)

場(chǎng)景介紹

數(shù)據(jù) Schema

構(gòu)造數(shù)據(jù)方法

使用 Seeq 進(jìn)行數(shù)據(jù)分析

配置數(shù)據(jù)源（Data Source）

使用 Seeq Workbench

使用 Seeq Data Lab Server 進(jìn)行進(jìn)一步的數(shù)據(jù)分析

寫在最后

IDMP 視頻教程

事件趨勢(shì)圖使用教程

資產(chǎn)模型功能演示

六月婷婷AV,国产偷窥猎奇福利二区,日韩三级片。,好吊色网站,日韩成人中文在线视频,国产亚洲午夜啪啪,亚洲欧美另类国产精品,国产成人av1,任你艹在线观看

智能制造

石油化工

電力

大交通

公共事業(yè)

更多行業(yè)實(shí)踐

文檔

博客

資源

活動(dòng)

TDengine TSDB-OSS

知識(shí)庫

認(rèn)證

開發(fā)者論壇

授權(quán)分銷商

云服務(wù)伙伴

技術(shù)生態(tài)解決方案

社區(qū)伙伴

時(shí)序數(shù)據(jù)庫 TDengine + 高級(jí)分析軟件 Seeq，助力企業(yè)挖掘時(shí)序數(shù)據(jù)潛力

如何配置 Seeq 訪問 TDengine

使用 Seeq 分析 TDengine 時(shí)序數(shù)據(jù)

場(chǎng)景介紹

數(shù)據(jù) Schema

構(gòu)造數(shù)據(jù)方法

使用 Seeq 進(jìn)行數(shù)據(jù)分析

配置數(shù)據(jù)源（Data Source）

使用 Seeq Workbench

使用 Seeq Data Lab Server 進(jìn)行進(jìn)一步的數(shù)據(jù)分析

寫在最后

IDMP 視頻教程

事件趨勢(shì)圖使用教程

資產(chǎn)模型功能演示