在工業互聯網與智能製造加速發展的今天，企業的數據量正呈爆發式增長。傳統的歷史數據庫在高併發寫入、分佈式架構、AI 原生能力等方面逐漸難以滿足需求。作為國產時序數據庫的代表，TDengine 以高性能、低成本、雲原生與智能化特徵，成為新一代工業數據底座的首選。

本系列嚴格基於公開資料與官方文檔，對國內外主流數據庫（包括 PI System、亞控、紫金橋、麥傑、力控、中控、庚頓）與新興國產工業數據平台 TDengine（包含 TSDB 時序數據庫和 IDMP 工業數據管理平台）進行了系統對比，從功能架構、模型設計、安全體系、AI 能力等多維度展示差異，助您一覽國產數據庫格局。

我們會分成七個系列來展示這一系列的深度解析，此次是第七篇

庚頓（GoldenRTSB）vs TDengine

功能類別 具體功能 TDengine TSDB+IDMP 庚頓GoldenRTSB+GoldenVision
數據庫 高可用/負載均衡/分佈式集羣部署 ✅ ❌
多級存儲 ✅ ❌
多測點連接查詢（join） ✅ 不支持，需藉助內部函數
實時表/歷史表統一 ✅ ❌
寬表模式存儲 ✅ ❌
數據分發權限管理 ✅ ✅
時間戳精度 納秒 毫秒
數據類型 TIMESTAMP、INT、INT UNSIGNED、BIGINT、BIGINT UNSIGNED、FLOAT、DOUBLE、BINARY、SMALLINT、SMALLINT UNSIGNED、TINYINT、TINYINT UNSIGNED、BOOL、NCHAR、JSON、VARCHAR、GEOMETRY、BLOB、DECIMAL數據類型 支持bool、uint8、int8、char、uint16、int16、uint32、int32、int64、float16、float32、float64、coor、string、blob、datetime，不支持DECIMAL
是否支持指令下發 ❌ ✅通過獨立的SCADA下發，庫本身不下發，作為其歷史庫
資產模型 樹狀結構 ✅以元素為基礎形式展示 以測點為基礎形式展示
工藝模型/圖形模型 ❌ ❌
元素引用 ✅ ❌
屬性特性 ✅ ❌
數據引用設置 ✅ ✅通過組態軟件圖素面板引用
測量單位（可參與運算） ✅ ❌
模板和繼承 ✅ ❌
查找 ✅ 主要是測點或者組件內容查找過濾
版本控制 ✅ ❌
資產分析 觸發器 週期、多種窗口觸發和條件過濾 變化、週期和定時
表達式分析 ✅ ✅
彙總分析 ✅ ✅
事件分析 ✅ ❌基於測點
統計質量過程分析 ❌ (planned) ✅
回填和重計算 ✅ ✅
歷史記錄更新觸發重計算 ✅ ❌
會話、狀態、計數、事件等窗口觸發 ✅ ❌
環比/同比分析 ✅ ❌
報警和事件 獲取事件值 ✅ 部分支持，主要為操作事件記錄/冗餘切換/登錄等，組件格式固定，無法拓展
確認事件框架 ✅ 部分支持，支持報警事件確認
物料轉移事件 ❌ ❌
元素引用 ✅ ❌
事件模板 ✅ ❌
通知（事件轉發） 通知模板 ✅ ❌
觸發條件 依據報警嚴重性等級 ✅報警觸發和手動觸發
轉發設置 ✅ ❌
升級轉發 ✅ ❌
可視化 支持圖素/組件 曲線、報表、值輸出、儀表盤、條形圖、XY曲線、地圖、圖像、文本框 支持曲線、報表、圖片、xy曲線、地圖、報警窗口、事件窗口、視頻組件等
組態展示 ❌ (planned) ✅BS架構
事件 Partially matched 通過報警/操作事件組件展示
數據寫入 OPC ✅ ✅
OPC採集是否有自動更新點位功能 ✅ ❌
MQTT ✅ ❌
Kafka ✅ ❌
Relational databases ✅ ✅
CSV files ✅ ❌
Other industrial protocols ❌（但很方便通過第三方生態實現） ✅（較少）
斷線續傳（採集到數據庫） ✅ ✅
數據分發 Kafka ✅ ❌
MQTT ✅ ❌
安全 Role-based access control (RBAC) ✅ ✅
Single sign-on (SSO) Planned ❌
Data encryption ✅ ❌
SOC 2 certification ✅ ❌
ISO 27001 certification ✅ ❌
應用訪問 Server access 瀏覽器 BS訪問，可以跨平台
平台和部署 Windows ✅ ✅
Linux ✅ ✅
Installation package ✅ ✅
Ansible deployment ✅ ❌
Helm deployment ✅ ❌
Cloud service 與本地相同 ❌
Supported cloud platforms Azure, AWS, GCP，阿里雲 ❌
集成 REST API ✅ ❌ （但支持web API）
JDBC and ODBC ✅ 部分支持，JAVA/ODBC SQL功能受限
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 很難

庚頓 GoldenRTSB 與 GoldenVision 組合系統，不支持分佈式與多級存儲。其數據類型包含 bool、int、float、string、blob 等，但不支持 DECIMAL 等數據類型。

在資產建模上，庚頓以測點為基礎，支持結構體展示，但不支持模板繼承與版本控制。TDengine 則支持模板繼承、屬性引用與多層級結構，能靈活映射覆雜對象。

在計算分析上，庚頓支持變化、週期與定時觸發，具備統計與事件觸發功能，並支持斷線續傳。TDengine 除支持週期和多種窗口觸發方式外，具備環比同比分析與重計算機制，支持SQL語句創建複雜流式計算，支持寬表表達，具備豐富的生態環境，與BI、AI、計算框架等融合，具備強大的的分析能力。

庚頓不支持 Kafka、CSV 或 Flink 集成，接口兼容性較低；TDengine 提供統一 API、JDBC/ODBC 訪問、可視化工具與 AI 功能，在智能分析與生態集成上顯著領先。

結語

從整體對比來看，TDengine 在分佈式架構、數據建模、計算分析、安全體系與智能化擴展等方面，均展現出更現代化、開放化的設計理念。與傳統工業數據庫相比，它不僅關注數據的採集與存儲，更注重數據在分析、決策乃至 AI 應用中的價值釋放。

PI System、亞控、紫金橋、麥傑、力控、中控、庚頓等系統各自擁有成熟的行業經驗與特定優勢，但其核心架構多仍以本地化、單機化部署或雙節點冗餘為主，對大規模數據與多源融合的支持相對有限。而 TDengine 通過統一的時序數據底座與 AI 原生架構，為工業企業構建了從邊緣到雲端、從數據到智能的完整路徑。

未來，隨着工業場景的數據體量持續增長和智能化需求的加深，數據庫的競爭焦點將不再停留於性能指標，而是系統整體的開放性、集成性與智能化水平。TDengine 將持續迭代演進，為更多行業提供高性能、高可靠的時序數據底座與智能管理平台，助力工業數字化轉型進入更高階段。

瞭解更多，歡迎直接訪問：七家工業數據庫橫評：PI/亞控/紫金橋/麥傑/力控/中控/庚頓 vs TDengine