2023 IoTDB 用户大会成功举办,深入洞察工业互联网数据价值

2023 年 12 月 3 日,中国通信学会作为指导单位,Apache IoTDB Community、清华大学软件学院、中国通信学会开源技术委员会联合主办,“科创中国”开源产业科技服务团和天谋科技(北京)有限公司承办的 2023 IoTDB 用户大会在北京成功举行,收获强烈反响

本次峰会汇集了超 20 位大咖嘉宾带来工业互联网行业、技术、应用方向的精彩议题,来自美国国家工程院院士、清华大学软件学院院长在内的学术泰斗,与华润、宝武、城建智控、寄云鼎城、大唐先一、中核、昆仑数据、德国普戈曼、清安储能的企业代表,联合 ASF 董事会成员与多位 IoTDB PMC 成员,围绕工业物联网时序数据库 IoTDB 所展现的技术与应用成果,分享各行业标杆用户的落地实践与多场景解决方案,并共同探讨时序数据管理领域的行业趋势。

峰会吸引了数百名企业用户代表和开发者到场交流,另有数万名工业互联网、数据库基础软件、开源爱好者和从业者线上参会,为工业互联网数据管理产业呈现了一场精彩的技术盛宴。

8568e0556c8f1eb0fb156b91567209fa.jpeg

58f6a39ed2d208cc6ee224ea04d105f5.jpeg

fcf596e08730e5b1a90250732aa30b6c.jpeg

e5b6fdbbbae9cce2ac91033e14214662.jpeg

bc6b23e5b3f3f341d9e8ec959a2af7f3.jpeg

outside_default.png

本次峰会备受关注,会场座无虚席

左右滑动查看更多

outside_default.png

01

产学研专家云集

IoTDB 发展与工业互联网行业趋势紧密关联

在峰会主论坛中,中国科技部高新技术发展及产业化司尉迟坚副司长进行了大会致辞,尉迟坚司长认为,在“互联网、大数据”思想引导下, IT 从单一硬件、软件支撑,走向了面向行业业务,建设体系化、系统化的生态。尉迟司长同时对 IoTDB 国产时序数据库提出殷切要求,希望能够持续面向用户需求,研发可扩展的数据架构,坚持开放协作的生态,成为相关行业领域的“常青树”

805cdec0c0df5703e370d62adc79689b.png

中国通信学会文剑副秘书长进行大会致辞,高度评价了 IoTDB 在工业互联网行业方向取得的应用成果。文剑副秘书长表示:“中国通信学会见证了以 IoTDB 为典型代表的开源软件,正加速我国工业互联网发展以及新型工业化建设的逐步落地。这些开源软件庞大、多样化的参与群体,构成了产、学、研、用相互促进、相互协同的新形态,推动了我国 ICT 技术的快速发展,也进一步促进了新型工业化国家战略的实施”。

499add3d2c4cc8fa78957c90571a0087.png

国际数据库领域学术泰斗、美国国家工程院院士 Chandrasekaran Mohan 教授带来了《物联网时代的数据库挑战、技术与方向》主旨报告。作为在数据库领域活跃了近五十年的行业专家,Mohan 教授认为,数据管理系统领域飞速发展,新兴概念可能还未有成熟的产品落地便已逐渐消亡。而数据湖、云原生、边侧数据管理等工业互联网领域强相关的数据管理方向依然处在行业关注正向增长、创新成果不断萌发的阶段。硬核、专精的技术与商业化应用的融合成为了产业、企业、研究领域实现共赢的重要发力方向。这正与本次 IoTDB 用户大会“以用户为主体,以创新为媒介”的主旨不谋而合

ee2f65225305ba5389373bbee860ee79.png

IoTDB 项目创始人,清华大学软件学院院长王建民教授带来了《清华数为:可组装的工业大数据软件栈》主题报告。报告详细解读了 IoTDB 的发展起点,“清华数为”软件栈的技术要点与针对工业大数据应用需求的解决方案。作为“可组装的大数据系统软件栈”,王建民教授表示:“IoTDB 的目标是构建一个新一代、跨越端边云的工业物联网数据基础设施”。通过统一的时序数据文件格式、高效的压缩算法、面向物联网场景的多副本一致性协议、管理分析一体化的数据库系统架构等技术创新,IoTDB 可以有效构建工业数据端、边、云多终端、多环境的数据高效管理方案,让数据创造价值。

0b7e173b8ce66af634c26e3d0568c0c9.jpeg

02

基于行业、面向业务,

揭秘 IoTDB 全新技术成果

回顾过去一年,IoTDB 紧扣工业大数据管理的痛点进行了架构、性能、功能、稳定性的多方向迭代。2023 年,IoTDB 新增 80 万行代码,各渠道下载量增加 10 倍以上,代码提交活跃度在 Apache 基金会 360 多个项目中最高排行第二。

在峰会主论坛中,作为 IoTDB 原厂团队组建的商业化公司天谋科技的 CTO、Apache IoTDB PMC Member 乔嘉林正式发布了 IoTDB 企业版 V1.3,针对用户提出的企业级服务、易用工具、行业特色功能等需求,进一步为用户提供时序数据管理一站式解决方案。新发布的 IoTDB 企业版涵盖多个内核技术亮点,包括三个工具(IoTDB - OpsKit 部署工具、系统监控工具、可视化控制台工具)、两个引擎(流处理引擎、智能分析引擎)、与一个项目(Apache TsFile,时序数据标准文件格式,是继 IoTDB 后,时序数据领域第二个 Apache 顶级项目),实现了“单平台采存算管用”的横向一站式解决方案,与“跨平台端边云协同”的纵向一站式解决方案

c47cd486dc70ecef081cd114869625a4.png

海量时序数据的价值亟待挖掘与释放,相较传统 OLAP,机器学习善于从大量数据中总结模式规律,旨在解决更加复杂的数据分析与决策难题。面对时序数据管理与机器学习的融合问题,清华大学软件学院长聘副教授龙明盛正式发布了 IoTDB 数据库原生机器学习组件 IoTDB-ML。在分布式 IoTDB 集群基础上,IoTDB-ML 采用数据库内生的机器学习框架和引擎,可以利用 SQL 语言并进行拓展,在无需数据迁移、保障易用性的基础上,降低实现机器学习的门槛。IoTDB-ML 目前支持时间序列预测、时序异常检测等典型时序分析任务,内置多类自研时序数据模型及算法,并可为模型推理提供加速,可应用于预测电力负载等工业场景。

b7797d16a0dfa18057e3a3c67125f6ca.png

在下午的技术分论坛中,天谋科技的多位核心研发、IoTDB 项目 PMC 成员全面、详细地分享了 IoTDB 作为物联网原生的时序数据库产品,在建模、流处理、查询等方向的全新研发成果,和基于工业互联网行业需求构建的可视化控制台与实时监控工具。开源软件基金会 ASF 董事会成员、工业数据采集领域专家 Christofer Dutz 也于线上参会,基于多年的多元工业软件协同经验,介绍了时序数据库 IoTDB 与工业自动化通信协议库 PLC4X 的集成原理,解析了多采集协议背景下,通过 IoTDB 和 PLC4X 构建的数据流转传输链路,进一步拓宽了 IoTDB 的合作应用前景。

9d91d77c7b542a84523936dd07a67c87.jpeg

96bbea0ef5015cb24879f688637cfea7.jpeg

2c8431ce588a72ee353c944b6f83ea12.jpeg

1cc85675ea8f776569c0c95740999712.jpeg

d8a1c98095e38972db52d68a7af56c0c.jpeg

2e43079b022a1d58d5df6bd1fbabc75e.jpeg

outside_default.png

左右滑动查看更多

outside_default.png

03

行业创新者的选择,

IoTDB 多个核心行业应用分享

IoTDB 的进步同样体现在用户的选择层面。目前,IoTDB 已在能源电力、钢铁冶炼、航空航天、石油石化、智慧工厂、车联网等领域大规模服务于超 1000 家规上工业企业用户,用户交流群增长近 300%。

在峰会主论坛中,华润电力技术研究院副院长郭为民带来了 IoTDB 在华润智能发电领域应用的主旨分享。IoTDB 作为华润电力智能火电厂与华润电力新能源智慧运营系统的数据管理核心,支持海量测点、数据量的时序数据管理,并支持华润智能管理系统采用云、边、端协同的技术架构,建立不同网络资源环境下,稳定协同、灵活同步的数据流转体系。郭为民副院长认为 IoTDB 作为新型工业时序数据库,具备优异的分布式部署、海量数据读写、毫秒级数据查询等能力,也在峰会上表示:“以前的版本中,我们还是有一些应用需求的。我很高兴的发现我们的很多诉求,在 1.3 企业版的发布中都已经提供了相应的功能”。

bea5558a46f05313e6bd4dafddbc0ef3.png

宝武装备智能科技有限公司技术中心副主任赵刚带来了 IoTDB 在宝武设备智能运维领域应用的主旨分享。宝武建设的超大规模分布式数据湖已全面接入 IoTDB,建成 1 个集团数据湖与全集团多个基地的数据湖,实现了 16 个基地、超 45 万设备、近 200 万数据项的稳定、高效管理。基于 IoTDB 全面重构的宝武智维云数据底座,实现 1 个量级性能提升、存储成本大幅下降(压缩比提升 7-8 倍)、运维手段丰富、数据资产汇聚、AI 模型训练得到加速。赵刚副主任表示:“经过我们谨慎的对比,我们决定选用 IoTDB 来做我们的解决方案,不仅仅因为它是我们国产的数据库,更因为它的高性能。”

2c1bb11926b81ffd92be2d18d313653d.png

下午的用户案例分论坛中,来自能源电力、城轨运输、智能制造领域的城建智控、寄云鼎城、大唐先一、中核、昆仑数据、德国普戈曼、清安储能的业务专家,从各自行业应用的角度,深度分享了 IoTDB 在城轨系统融合、智慧电厂管控、核电数字化应用、先进制造数据资源管理运营、储能云能源数据集成等场景的落地实践案例,以及 IoTDB 应用于多类工业领域、作为标准化工业互联网平台组件的核心数据引擎,在状态监测、智能控制、异常告警等常见工业用户需求中的应用效果。更有 IoTDB 走出国门,在德国铁路与工业铸造领域的应用解析,在不同关注重点与部署难点背景下,IoTDB 成功实现了无缝集成、轻量级、高稳定的解决方案。

5a439a90acbceaa74c45b0dbf4dac336.jpeg

7e133eadf42fdbfd099fd67d1039387e.jpeg

de1e84a4f9cf6b81d55c0bb9a54fdf5b.jpeg

4ac95b0dd27719a86b804f80f2a2b0db.jpeg

ac4e8deef63927beb5bb00d810d53dec.jpeg

5bddda3c31ae07217841b83293c018c7.jpeg

8b5f3e63814d90f6b2d70aacea1e64db.jpeg

outside_default.png

左右滑动查看更多

outside_default.png

未来,IoTDB 将坚持全自研路线,坚持面向用户需求,坚持每年都有创新性突破,坚持成为物联网领域的强力基建。期待此次峰会全新发布的技术成果能够更好地帮助更多企业用户挖掘时序数据价值,“让时间发声”!

outside_default.png

峰会回放 & 资料如何获取?

峰会全程回放调整中,后续将在 Apache IoTDB B 站账号公开,请您持续关注:

https://space.bilibili.com/403970481/video

演讲 PPT 及内容回顾稿我们正在紧急整理中,请您持续关注「Apache IoTDB」公众号,以便第一时间获取相关通知及推送。

Apache IoTDB 是一款低成本、高可用的物联网原生时序数据库,采用端边云协同的轻量化结构,支持一体化的物联网时序数据收集、存储、管理与分析,具有多协议兼容、超高压缩比、高通量读写、工业级稳定、极简运维等特点。目前已服务规上工业企业超过 1000 家

作为全球性开源项目,截至目前,Apache IoTDB 已拥有 262 名贡献者、4.1K Stars、951 Forks、9937 Commits。我们为大家提供了参与指南,欢迎越来越多的小伙伴助力 Apache IoTDB 项目的不断发展与前进,迈出加入 Apache IoTDB 社区的第一步!

更多内容推荐:

了解更多 IoTDB 应用案例

回顾 IoTDB 2023 大会全内容

1c797979b6f6076e1815c4e8b1c0d0bc.gif

内容概要:本文系统介绍了物理信息神经网络(PINNs)在求解布洛赫-托雷(Bloch-Torrey)方程中的应用,结合PyTorch框架提供了完整的Python代码实现案例。文章深入阐述了如何将物理先验知识嵌入神经网络训练过程,通过构建复合损失函数,强制网络输出满足控制方程、初始条件与边界条件,从而实现对布洛赫-托雷方程的无网格化、高精度求解。该方法突破了传统数值方法在高维、多尺度及复杂几何场景下的计算瓶颈,展现出优异的泛化能力与计算效率,特别适用于医学成像、扩散磁共振等领域中复杂的物理场建模与仿真任务。; 适合人群:具备深度学习与偏微分方程理论基础,从事科学计算、生物医学工程、材料科学或相关交叉学科研究的研究生、科研人员及算法工程师。; 使用场景及目标:①应用于扩散磁共振成像(dMRI)等医学影像技术中的复杂扩散过程建模与反演;②为高维偏微分方程的高效求解提供数据驱动的新范式,提升仿真精度与计算速度;③作为PINNs在AI for Science领域中的典型实践案例,推动物理引导的深度学习方法在实际科研项目中的落地与拓展。; 阅读建议:建议读者结合提供的完整代码资源(可通过公众号“荔枝科研社”或百度网盘获取),动手复现并调试模型,深入理解PINNs的架构设计、损失函数构建与物理约束嵌入机制,同时可尝试将该方法迁移至其他类似物理系统的建模与求解任务中进行创新性研究。
内容概要:本文围绕“基于多VSG独立微网的多目标二次控制MATLAB模型研究”展开,详细阐述了利用Simulink对多虚拟同步发电机(VSG)构成的独立微网系统进行建模与仿真,实现频率调节、电压支撑与有功无功功率均分等多目标协同优化的二次控制策略。研究引入先进的最优控制算法,解决微网在孤岛运行模式下的功率动态分配、频率电压恢复及系统稳定性问题,并通过MATLAB/Simulink平台构建完整仿真模型,验证所提控制策略在不同负载扰动下的有效性、鲁棒性与动态响应性能。; 适合人群:具备电力系统分析、现代控制理论基础以及MATLAB/Simulink仿真能力的电气工程、自动化等相关专业的硕士研究生、科研人员及从事微网控制系统开发的工程技术人才。; 使用场景及目标:① 深入理解多VSG在独立微网中的并联运行机理与协同控制架构;② 掌握基于Simulink的微网二次控制系统的建模方法与仿真流程;③ 实现频率、电压与功率分配的多目标优化控制仿真验证;④ 为微网控制系统的设计、算法优化及科研课题提供可靠的仿真依据和技术参考。; 阅读建议:建议读者结合文中控制策略,动手搭建Simulink模型,重点关注控制器参数整定对系统动态性能的影响,可通过对比不同工况下的仿真结果,进一步优化控制算法以提升系统鲁棒性与响应精度。
【重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明一个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈建议:仅在页面显示为0积分时进行下载。 另外,本资源描述中并未直接提供具体的下载地址或外部链接,因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
代码下载地址: https://pan.quark.cn/s/a4b39357ea24 编写程序,建立容量为n(建议n=8)的循环队列,完成以下程序功能。 输入字符#,执行一次出队操作,屏幕上显示出队字符;输入字符@,队列中所有字符依次出队并按出队次序在屏幕上显示各字符;输入其它字符,则输入的字符入队。 要求采用队头/队尾间隔至少一个空闲元素的方法来实现循环队列;空队执行出队操作及队满执行入队操作需显示提示信息。 ### 数据结构实验报告知识点 #### 实验背景与目标 本次实验是关于数据结构中的队列基本操作算法。 队列是一种先进先出(FIFO)的数据结构,在计算机科学中有着广泛的应用,例如进程调度、任务队列等场景。 通过本实验,学生能够深入理解循环队列的概念,并熟练掌握其实现方法。 #### 实验要求与内容 1. **实验内容**:要求编写一个程序来建立容量为 _n_ 的循环队列(推荐 _n_ = 8),并实现以下功能: - 输入字符 `#` 执行一次出队操作,并显示该出队字符; - 输入字符 `@`,将队列中的所有字符依次出队,并按照出队顺序在屏幕上显示这些字符; - 输入其他任意字符,则将该字符入队。 2. **特殊要求**: - 采用队头/队尾间隔至少一个空闲元素的方法实现循环队列,这样可以避免队列的物理连续性与逻辑连续性的混淆,同时便于检测队列是否为空或满。 - 当队列为满时尝试执行入队操作,或者队列为时空执行出队操作时,需要给出相应的提示信息。 3. **注意事项**: - 在反复输入字符时,应妥善处理输入缓冲区中的回车键(即 `\n` 字符)的问题,避免因连续输入导致的错误行为。 #### 数据结构设计 为了实现上述要求,本实验采用了如下的数据结构设计: ...
内容概要:本文提出了一种基于数据驱动的Koopman算子与递归神经网络(RNN)相结合的模型线性化方法,用于提升纳米定位系统的预测控制性能。该方法通过Koopman算子将复杂的非线性系统动态映射至高维线性空间,克服传统建模在强非线性条件下的局限性,再结合RNN强大的时序特征捕捉能力,实现对系统未来状态的高精度预测与有效控制。整个框架完全基于数据驱动,无需精确物理建模,特别适用于原子力显微镜、半导体制造等对定位精度要求极高的应用场景,并通过Matlab代码实现了算法的完整仿真与验证。; 适合人群:具备控制理论基础和Matlab编程能力,从事精密运动控制、智能算法开发、非线性系统建模与预测控制研究的研究生、科研人员及工程技术开发者。; 使用场景及目标:①解决纳米级定位平台中存在的强非线性、迟滞、蠕变等复杂动态特性带来的控制难题;②为高精度机电系统提供一种可复现、易实现的数据驱动预测控制方案;③推动Koopman理论与深度学习在先进制造与智能控制领域的深度融合与应用创新。; 阅读建议:建议读者结合提供的Matlab代码深入理解Koopman算子的数值实现流程与RNN网络结构设计细节,重点关注模型在不同工况下的泛化能力、实时性表现及控制稳定性,可进一步将其拓展至其他高精度伺服控制系统的研究与优化中。
源码下载地址: https://pan.quark.cn/s/a4b39357ea24 在基于Ubuntu的操作系统环境中部署企业微信是众多用户尤其是企业工作者的迫切需求,因为企业微信能够构建一个高效的沟通与协作平台。本文将系统性地阐述在Ubuntu系统上安装企业微信的DEB安装包的具体方法。 我们有必要掌握DEB安装包的基本概念。DEB代表着Debian软件包的规格,并且被诸如Ubuntu这类基于Debian的系统普遍采纳。每一个DEB包都整合了软件的所有构成要素,涵盖了可执行程序、库文件、配置数据以及必须的安装程序。在Ubuntu系统中,用户能够借助命令行界面或者图形化的工具来对这些DEB包进行操作。 针对标题和描述中提及的"在Ubuntu系统中完成企业微信的安装(涉及DEB安装包)",我们将分阶段地说明实际操作步骤: 1. **启动终端程序**:在Ubuntu系统中,用户可以通过按下快捷键`Ctrl + Alt + T`或从应用程序启动器中查找“终端”来开启它。 2. **获取DEB安装包**:用户需要下载企业微信的DEB安装包。在这个实例中,我们有一个名为`deepin.com.weixin.work_2.8.10.2010deepin0_i386.deb`的文件,通常可以从企业微信的官方网站或其他可信的资源渠道获取。下载完成后,务必保证文件存储在可访问的路径下,例如桌面。 3. **执行DEB安装包的安装**: - 选用`gdebi`工具(如果尚未安装,需先执行`sudo apt install gdebi`命令):输入`gdebi deepin.com.weixin.work_2.8.10.2010deepin0_i386.deb`,然后依照指示完成...
内容概要:本文系统研究了基于改进滑模控制的永磁同步电机(PMSM)调速系统,构建并对比了改进滑模、经典滑模与最优滑模三种控制策略的Simulink仿真模型。通过仿真分析,深入验证了改进滑模控制在削弱系统抖振、提升动态响应精度及增强鲁棒性方面的显著优势,全面阐述了滑模控制在电机调速系统中的设计原理、滑模面构造、趋近律选取与参数整定等关键技术环节。; 适合人群:具备自动控制理论、现代电机控制技术基础以及Simulink/MATLAB仿真能力的电气工程、自动化、控制科学与工程等专业的研究生、科研人员及从事高性能电机驱动系统开发的工程技术人员。; 使用场景及目标:①用于高等院校或科研机构开展先进非线性控制算法的教学示范与科研课题攻关;②为工业界高性能伺服系统、新能源汽车电驱动系统等领域的控制器设计与性能优化提供理论依据和仿真验证平台;③帮助研究人员深入掌握滑模控制的核心思想及其在实际机电系统中的建模、仿真与调试方法。; 阅读建议:建议读者结合文中详述的Simulink模型,亲手复现仿真流程,重点关注不同滑模控制策略下系统对参数摄动和外部扰动的抑制能力差异,并可进一步探索自适应滑模、模糊滑模等智能复合控制策略的改进方向,以深化对非线性控制理论应用的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Apache IoTDB

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值