一、客户背景

随着工业互联网、新型电力系统、智能制造产业高速发展，大量行业场景同时存在云端中心平台与海量边缘现场设备。工厂车间、风电光伏场站、轨道交通、油气管网等场景，设备分布地域分散，边缘节点数量庞大，既需要边缘侧本地实时处理时序数据，又要求数据向云端汇聚，实现全局统一监控、统计分析、报表归档。传统时序数据库大多分为纯边缘轻量版本或者纯云端集中式版本，很难兼顾边缘有限硬件资源与云端海量存储分析的双重诉求，云边端数据割裂成为行业普遍痛点。

CED-DB 是面向工业场景设计的云边端一体化时序数据库，聚焦解决边缘与云端协同时序数据管理难题。在大量真实工业项目中，边缘硬件配置参差不齐，部分边缘网关 CPU、内存、存储资源有限，无法部署重型数据库；网络条件复杂，公网带宽受限、网络频繁断连；海量设备产生高频时序测点，涵盖设备状态、传感器采集、告警事件、控制指令记录等。

业务诉求呈现多元化：边缘端需要实现本地数据缓存、实时计算、本地告警、短时数据查询，网络不佳的时候业务不能中断；云端承担全量历史数据持久存储、跨边缘节点全局聚合分析、多维报表、数据回溯审计；同时要求边云之间数据同步可靠，支持断点续传、数据过滤、分层分级同步；整套体系要具备统一的 SQL 访问体验，边缘与云端使用一致的使用习惯，降低开发人员学习成本。大量工业客户在数字化转型过程中，亟需一套完整云边端时序底座，打通终端采集边缘处理云端分析全链路，实现边缘自治、云端统筹的架构模式，CED-DB 就在这样的产业背景下开展落地实践。

二、面临挑战

在云边端工业时序业务落地过程中，项目遇到边缘硬件、网络传输、数据同步、开发运维等多维度现实挑战。

第一，边缘侧硬件资源受限。工业现场边缘网关硬件规格差异巨大，很多现场只具备低功耗 ARM 架构硬件，内存、磁盘空间有限。传统大型时序数据库资源开销高，无法直接部署在边缘网关；而极简版轻量数据库能力残缺，缺少时序聚合、窗口计算、压缩存储能力，难以满足边缘本地实时分析、本地告警的业务需求，出现 “重库跑不起来，轻库功能不够用” 的矛盾。

第二，网络环境不稳定带来同步难题。大量工业现场依靠 4G/5G、VPN 公网链路，网络抖动、断网是常态。断网期间边缘设备持续产生海量时序数据，网络恢复后，若全部原始数据一股脑向云端推送，会造成带宽打满、云端写入压力雪崩；同时业务存在分级同步诉求，部分高频原始测点只需要在边缘留存，云端只同步聚合后的指标、告警事件，不需要全量原始点上传，传统数据库缺少灵活的数据筛选、降采样同步策略。

第三，边云割裂，使用体验不统一。很多项目边缘、云端采用两套完全不同的数据库产品，语法、API、数据模型各不相同。开发人员需要维护两套代码逻辑，分别适配边缘和云端，业务开发工作量成倍增加；数据模型很难对齐，边缘本地存储格式和云端存储格式不一致，数据同步过程需要大量转换工作，极易引入数据错误。

第四，海量多边缘节点运维管理困难。一套平台往往对接几十上百个边缘站点，边缘节点分散在全国各地。传统模式下边缘数据库缺少统一运维管控手段，版本升级、参数调整需要逐个现场操作；缺少统一监控视图，很难实时掌握每一个边缘节点的数据写入、同步状态、磁盘占用；故障排查需要登录每一台边缘网关，运维成本居高不下。

第五，数据一致性与可审计挑战。边云架构下，数据会存在边缘副本和云端副本。网络异常、同步中断时，容易出现边缘与云端数据不一致；工业数据需要支持事后审计追溯，要求无论是边缘本地数据还是云端汇聚数据，都具备不可篡改、完整时间序列，能够实现故障发生时的过程回溯。

三、IoTDB 解决方案

CED-DB 基于 IoTDB 内核进行云边端一体化能力拓展，构建 “端侧采集边缘 CED-DB云端 IoTDB 集群” 完整技术架构，实现一套内核适配边缘、云端两种部署形态，打通云边数据协同全流程。

在部署形态上，同一内核拆分两种发布包：边缘侧部署轻量化 CED-DB 版本，针对 ARM 低功耗网关做深度裁剪优化，降低内存、CPU 占用，适配边缘有限硬件资源；云端部署标准 IoTDB 集群，承接来自全部边缘节点汇聚的全量时序数据。边缘 CED-DB 与云端 IoTDB 共用同一套数据模型、同一套 SQL 语法、同一套 API 接口，上层业务代码几乎不需要修改，即可同时访问边缘本地数据库与云端数据库，彻底解决边云产品割裂的痛点。

数据同步方面，依托 IoTDB Pipe 数据同步能力构建边云同步通道。支持断点续传，网络中断之后，恢复连接从同步中断位置继续传输，不会重复全量重传；支持丰富同步策略，可配置过滤规则、降采样规则，实现 “高频原始数据保存在边缘，聚合统计指标、告警事件同步上云”，有效节省公网带宽，降低云端写入压力。边缘断网期间，时序数据持续在 CED-DB 本地持久化存储，保障边缘本地监控、告警、计算业务不受网络中断影响，实现边缘自治。

数据模型层面，沿用 IoTDB 树状层级模型，统一规范root.站点.设备.测点路径体系，边缘和云端保持测点路径完全对齐，数据同步不需要做复杂格式转换。同时支持多种压缩算法，在资源有限的边缘网关依然可以获得较高压缩比，节约边缘磁盘存储空间。

运维管控层面，提供云端统一管控能力，云端可以对分布各地的大量 CED-DB 边缘节点做远程状态采集，监控每个边缘节点写入吞吐量、磁盘使用率、同步链路状态；支持远程下发配置、版本管理；当同步链路发生异常时云端自动触发告警，运维人员无需登录各个现场网关即可定位边云同步故障。

计算能力上，窗口聚合、趋势计算、异常检测 UDTF 函数边缘与云端全部兼容。部分简单实时计算、告警逻辑直接下沉到 CED-DB 边缘完成，只把计算结果上传云端；复杂的跨站点全局统计、长周期历史分析由云端 IoTDB 集群完成，实现计算任务云边合理分工。同时保障数据可审计，边缘原始时序数据只读追加写入，同步到云端的数据保留原始时间戳，支持故障场景下边缘云端双向回溯校验。

四、方案带来的效果与效益

基于 IoTDB 内核打造的 CED-DB 云边端时序数据库，有效化解工业场景边云协同的各类痛点，为分布式工业物联网业务带来多重技术与业务收益。

技术收益方面，实现一套内核云边两用，边缘 CED-DB 轻量化版本可稳定运行在 ARM 低功耗网关，解决边缘硬件资源不足难题；边缘与云端 SQL、API、数据模型完全统一，大幅减少业务代码开发量，降低学习与适配成本。Pipe 边云同步通道支持断点续传、过滤降采样，有效适配公网不稳定环境，既保证断网状态边缘业务自治，又减少公网带宽消耗，规避网络恢复瞬间云端写入雪崩风险。统一运维管控平台实现上百个边缘节点集中监控管理，不用逐个现场操作，运维工作量显著下降。

业务落地价值层面，架构适配风电、光伏、工厂产线、轨道交通、管网监测等大量分布式工业场景。边缘侧完成本地实时监控、告警、短时数据分析，网络好坏都不影响现场业务运行；云端汇聚全站点数据，开展跨区域全局统计、长周期归档、审计回溯，真正做到 “边缘保实时、云端管全局”。时序数据完整留存，发生设备故障时，可以调取边缘原始时序数据开展事故复盘，满足工业业务安全审计的合规要求。

项目实施层面，该一体化方案降低分布式物联网项目实施门槛，不需要为边缘和云端选型两套不同数据库，减少多产品对接联调的工作量，缩短项目交付周期。CED-DB 充分复用 IoTDB 成熟存储引擎、压缩算法、时序计算能力，同时补齐云边协同短板，拓展了 IoTDB 在分布式边缘物联网场景下的应用边界，为新型工业互联网提供一套成熟可复制的云边端时序底座实践方案。