一、客户背景

中国船舶科学研究中心（简称 702 所）是中国船舶集团直属的综合性高科技舰船科研机构。

随着低轨卫星通信、自动驾驶、人工智能和船岸协同技术逐步发展，船舶行业正从传统的信息化应用向智能化、数据化方向演进。智能船舶需要对航行、动力、机电、环境、作业和安全等多类数据进行持续采集，并通过统一平台支撑实时监控、历史分析、能效优化和故障诊断。数据库不再只是保存数据的基础工具，而需要成为船舶智能化系统的数据基础设施。

中国船舶科学研究中心建设的智能技术试验船“未来号”，是一艘面向深远海绿色智能技术测试验证的综合试验平台。该船总长约110米，排水量约7000吨，设计航速不低于15节，续航力约10000海里，采用全电力推进，并预留30余个标准化接口，可支持不同器件、设备和系统的快速加装、替换与测试。船上部署MarineNet智能船端信息系统，设置近万余个数据采集点，为船舶智能技术的实船验证提供了真实运行环境。

二、面临挑战

船舶数据采集频率高，测点数量多，传统数据库承载压力大

“未来号”需要持续采集导航、主机、发电机、泵组、风机、配电、气象和海况等多类数据，数据具有时间连续、高频采集、测点众多和长期积累等特点。原有方案主要采用采集程序加 MySQL、PostgreSQL 等关系型数据库的链路，虽然上层应用开发较为直接，但关系型数据库并非针对高频时序写入和时间范围查询设计。当测点规模和采集频率持续提升后，数据库写入、查询和存储管理的压力逐渐增加。

多系统数据来源异构，统一管理和标准化处理复杂

智能船舶涉及电子海图与信息系统、航行数据记录仪、主机数据记录、压载水控制、能效管理、气象航线、机舱监控等多个系统。不同设备的数据格式、采集方式和测点组织方式存在差异，数据需要经过协议解析、清洗、标准化和统一管理，才能进一步服务于实时监控、历史查询和分析应用。如果缺少统一的数据底座，各业务系统容易形成相互独立的数据孤岛，影响全船数据的综合利用。

船端资源受限，长期运行和船岸协同要求高

船舶端的计算、存储和运维资源相对有限，数据库不仅要满足写入和查询性能，还需要具备轻量化部署、稳定运行、数据备份和故障恢复能力。同时，船端数据还需要与岸基数据中心进行同步，为远程监管、科研分析、设备维护和试验指挥提供支持。因此，数据库选型需要综合考虑船舶数据模型、部署环境、国产化适配、ARM和x86架构支持，以及船岸协同能力。

三、Apache IoTDB 解决方案

中国船舶科学研究中心围绕写入能力、查询能力、存储效率、工程能力和船舶适配能力建立数据库选型指标体系，对 IoTDB、TDengine、InfluxDB、TimescaleDB、VictoriaMetrics 等候选产品进行横向比较。综合考虑船舶数据的高频连续采集、层级化设备组织、长周期历史存储和船端资源约束，最终选择 Apache IoTDB 作为 MarineNet 平台的核心时序数据库。

以层级化模型组织全船测点数据

船舶数据天然具有“船舶—系统—设备—测点”的层级结构。702所利用 IoTDB 的层级化路径模型，将船舶导航、动力、机电和环境等数据直接映射到统一的数据目录中。例如，船舶主机的转速、排气温度，发电机的功率和频率，泵组的压力和流量，以及气象系统的风速和风向，均可按照统一层级进行组织和查询。通过通配符查询，应用系统能够按系统或设备批量获取相关数据，减少业务侧复杂的数据组织工作。

构建从采集到分析的统一数据链路

在实船部署中，船舶传感器数据经过协议解析、数据采集、清洗和标准化后统一写入 IoTDB。被测设备与船上既有设备的数据由 MarineNet 统一采集和管理，实时数据可以直接服务于监控应用，历史数据则支持按测点、设备和时间范围进行查询分析。通过统一时序存储，船端不同业务系统能够共享同一份数据基础，为智能航行、智能机舱、智能能效和智能船体等应用提供支撑。

面向长周期数据的高压缩存储

船舶数据需要长期积累，用于设备状态分析、航次复盘、能效评估和故障诊断。IoTDB 采用面向时序数据的 TsFile 存储格式，并结合时序数据压缩机制，降低长期历史数据的存储空间占用。演讲材料显示，在船舶时序数据场景中，IoTDB 具备节省90%以上存储成本的能力，有助于在船端有限资源条件下保存更多原始数据，为后续科研分析和预测性维护保留完整数据基础。

覆盖实时监控、历史分析和船岸协同

基于 IoTDB 的统一数据底座，MarineNet 可支撑实时监控、历史查询、数据分析和船岸数据同步等功能。在智能航行场景中，平台可以汇聚航速、航向、经纬度、目标船位和会遇信息，为航行态势感知、航路优化和智能避碰辅助决策提供数据支持。在能源与动力管理场景中，平台统一管理主机、发电机和辅机运行数据，用于能耗监测、工况分析和设备健康评估。在安全管控和科考作业场景中，人员、设备、环境及作业数据也可以纳入统一平台，支撑风险预警和海上试验调度。

四、方案效果与价值

通过在“未来号”智能技术试验船上部署 Apache IoTDB，702所完成了从传统关系型数据库方案向船舶时序数据基础设施的转变。在9,865个点位、5Hz采集频率、约49,325点每秒常态写入的数据规模下，项目围绕持续写入、高峰写入、历史查询、多测点联合查询、聚合查询、读写混合压力和长时间稳定性等七类场景开展实船验证。

演讲材料显示，IoTDB 与原有 MySQL 方案相比，数据接入能力提升45.6%，历史查询效率提升90%，数据存储空间降低48.5%，实时数据处理能力提升86%。这些结果表明，IoTDB 能够较好匹配船舶数据高频写入、时间范围查询、长周期存储和船端资源受限等实际需求。

MarineNet 以统一船舶时序数据平台为底座，实现全船数据的采集、存储、计算、管理和使用，并支持船岸数据互联互通。目前，该系统已在多艘船舶上开展部署验证。随着智能航行、能效优化、设备健康管理、船务管理和科考作业等应用持续推进，IoTDB 将进一步支撑船舶智能化技术从实验验证走向工程应用，为我国船舶工业绿色化、智能化转型提供可靠的数据基础。