工业数据库选型指南：一文详解实时数据库紫金桥 vs TDengine

在工业互联网与智能制造加速发展的今天，企业的数据量正呈爆发式增长。传统的历史数据库在高并发写入、分布式架构、AI 原生能力等方面逐渐难以满足需求。作为国产时序数据库的代表，TDengine 以高性能、低成本、云原生与智能化特征，成为新一代工业数据底座的首选。

本文严格基于公开资料与官方文档，对国内外主流数据库（包括 PI System、亚控、紫金桥、麦杰、力控、中控、庚顿）与新兴国产工业数据平台 TDengine（包含 TSDB 时序数据库和 IDMP 工业数据管理平台）进行了系统对比，从功能架构、模型设计、安全体系、AI 能力等多维度展示差异，助您一览国产数据库格局。

我们会分成七个系列来展示这一系列的深度解析，此次是第二篇。

亚控 KingHistorian 系列包括 KingIOServer、KingSCADA、KingSPC 与 KingPortal 等模块，整体以组态与控制为核心。系统不具备分布式与多级存储能力，也不支持宽表模式。

亚控（KingHistorian）vs TDengine

功能类别	具体功能	TDengine TSDB+IDMP	亚控 KingHistorian+KingIOServer +KingSCADA+KingSPC+KingPortal
数据库	高可用/负载均衡/分布式集群部署	✅	❌
	多级存储	✅	❌
	多测点连接查询（join）	✅	不支持，需借助内部函数
	实时表/历史表统一	✅	❌
	宽表模式存储	✅	❌
	数据分发权限管理	✅	❌
	时间戳精度	纳秒	毫秒
	数据类型	TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL数据类型	开关量（布尔类型）、单字节整数（有符号）、双字节整数（有符号）、四字节整数（有符号）、八字节整数（有符号）、单精度浮点数、双精度浮点数、定长字符串变长字符串、定长Unicode字符串、变长Unicode字符串、时间戳、定长二进制数据、变长二进制数据、精确小数类型、数字状态量、ScaledFloat16，不支持GEOMETRY、BLOB、DECIMAL
	是否支持指令下发	❌	✅通过独立SCADA下发，库本身不下发，作为SCADA历史库
资产模型	树状结构	✅以元素为基础形式展示	以测点为基础形式展示
	工艺模型/图形模型	❌	✅
	元素引用	✅	部分支持，通过构建单独的数据模型支持,数据模型要求实例化的变量相同
	属性特性	✅	✅
	数据引用设置	✅	✅KingSCADA支持
	测量单位（可参与运算）	✅	❌
	模板和继承	✅	✅
	查找	✅	主要是测点或者组件内容查找过滤
	版本控制	✅	❌
资产分析	触发器	周期、多种窗口触发和条件过滤	周期、条件、变化触发
	表达式分析	✅	✅
	汇总分析	✅	✅
	事件分析	✅	❌基于测点
	统计质量过程分析	❌ (planned)	✅
	回填和重计算	✅	❌
	历史记录更新触发重计算	✅	❌
	会话、状态、计数、事件等窗口触发	✅	❌
	环比/同比分析	✅	✅需要借助特殊组件
报警和事件	获取事件值	✅	部分支持，主要为操作事件记录/冗余切换/登录等，组件格式固定，无法拓展
	确认事件框架	✅	部分支持，支持报警事件确认
	物料转移事件	❌	❌
	元素引用	✅	✅（通过KingSCAD引用模型对象）
	事件模板	✅	❌
通知（事件转发）	通知模板	✅	❌
	触发条件	依据报警严重性等级	✅报警触发和手动触发
	转发设置	✅	✅
	升级转发	✅	✅
可视化	支持图素/组件	曲线、报表、值输出、仪表盘、条形图、XY曲线、地图、图像、文本框	支持曲线、报表、图片、xy曲线、地图、报警窗口、事件窗口、视频组件、3D组件、历史回放等
	组态展示	❌ (planned)	✅（客户端采用MFC编译的IDE环境、KingPortal采用Canvas）
	事件	Partially matched	通过报警/操作事件组件展示
数据写入	OPC	✅	✅
	OPC采集是否有自动更新点位功能	✅	❌
	MQTT	✅	✅
	Kafka	✅	❌
	Relational databases	✅	❌
	CSV files	✅	❌
	Other industrial protocols	❌（但很方便通过第三方生态实现）	✅
	断线续传（采集到数据库）	✅	✅
数据分发	Kafka	✅	❌
	MQTT	✅	✅
安全	Role-based access control (RBAC)	✅	✅
	Single sign-on (SSO)	Planned	❌
	Data encryption	✅	❌
	SOC 2 certification	✅	❌
	ISO 27001 certification	✅	❌
应用访问	Server access	浏览器	浏览器/ CS客户端
平台和部署	Windows	✅	✅
	Linux	✅	❌
	Installation package	✅	✅
	Ansible deployment	✅	❌
	Helm deployment	✅	❌
	Cloud service	与本地相同	❌
	Supported cloud platforms	Azure, AWS, GCP，阿里云	❌
集成	REST API	✅	✅
	JDBC and ODBC	✅	功能受限，部分支持
	Power BI	✅	❌
	Tableau	✅	❌
	Seeq	✅	❌
	Grafana	✅	❌
	Excel	✅	✅
	Flink table SQL/CDC	✅	❌
AI	Chat BI	✅	❌
	Zero-Query Intelligence	✅	❌
	AI-based time-series forecasting	✅	❌
	AI-based anomaly detection	✅	❌
	Integration with third-party AI applications	容易	很难

在数据模型上，亚控以测点元素为基础展示结构，SCADA 产品支持模板与属性功能，但不支持单位换算、版本管理或历史回填。TDengine 具备模板继承、属性引用及测量单位参与运算等功能，能在复杂工业结构中实现统一建模。

在计算与分析方面，两者均支持周期、条件与变化触发，具备表达式与汇总分析能力，但亚控的环比/同比分析需依赖特殊组件实现。TDengine 支持周期窗口、历史重算、环比同比及状态触发机制，计算体系更灵活。

数据接入上，亚控支持 OPC 与 MQTT，但不支持 Kafka、CSV 以及 Flink 等。安全性方面，亚控不支持存储加密与云边协同架构。TDengine 具备 REST API、JDBC/ODBC、BI 工具与 AI 模块集成能力，安全体系更完善。TDengine 同时支持 Kafka 与 MQTT 的数据分发，实现负载解耦、流量削峰、数据完整性消费等。

了解更多，欢迎直接访问：七家工业数据库横评：PI/亚控/紫金桥/麦杰/力控/中控/庚顿 vs TDengine