这个我就不展开了，这个向东他们一会儿还有很多和大家分享。总的来说，我们一开始就是希望有一个物联网原生的一个数据库。这个物联网原生就是把端、设备也看成我们这个系统的一部分，不仅仅是数据库，后边我们会看到。

 

这件事情的一个最重要的，前面的初心，因为端上面的计算能力很弱，所以我们就把我们的文件系统单独的拿出来。我们一开始就建立了一个自描述的文件系统，所以它可以很方便地放在端上。那么同时这里头有很多的压缩的考虑，有很多的加速查询的索引的考虑，有自描述的元数据，就是 schema 信息的考虑。

 

这就是能够一个格式走到底，做端边云的贯通。

 

那么第二件事情就是做时序压缩的算法，宋韶旭老师带了一波人不断的在做。那么在对高频的周期性的数据，我们有好的办法。

 

对高频的振荡数据，我们同样也有好的办法。

 

同时我们对所有的这个压缩算法给出了自己的一套指标体系，同时也能够根据数据的特征，选择最好的压缩算法。总的来说，物联网这件事情就是唯小不破，唯小不快。

 

第三个就是说，我们在大规模、在后端的系统当中，我们要把这个系统的平台做强，所以我们有一个多场景、多副本的一致性协议。这是在斯坦福的这个 Raft 协议上面做了改进。

 

也提出了我们自己的控制多副本一致性的一个办法。

 

我们认为，本来物联网的数据，它的采集、存储、查询、分析就应该是一体化的，所以我们就把分析做成了我们自己的一个原生的节点，一会儿龙明盛教授会分享，就是我们把机器学习看成了物联网数据库的一部分。

 

好，那么现在看我们今天来的，也特别感谢今天来的各位用户，在能源、在制造、在交通、在我们的这个流程行业等等，做了非常多的推广和应用，给我们大量的反馈。

 

03 “清华数为”组件

这样的一个过程当中我想，我们除了 IoTDB，再回顾一下，只有时序数据也不能完全解决企业哪怕是设备当中的问题，所以我们还会围绕着整个时序数据的再进一步的应用，我们有一个面向 AIoT 场景的这样的清华数为，我们管它叫一个兔子模型。

当然一个耳朵就是 IoTDB，要把物联网的数据从端到边到云，把它打通，再从上行和下行把它打通。那么第二件事情就是，如果大家进一步的要把这些数据变成知识，需要什么？

 

需要一个把大数据机器学习看成一个工程化方法的这样一个平台，我们就叫做 Anylearn。它是一款大数据机器学习研发管理的系统，它支持数据集、算法族、模型库等数据资产，来支持机器学习研发的过程管理、知识沉淀、模型的迁移，来满足资源的统筹利用、团队的高效协作，这样的把人工智能工程化的一种需求。

 

那么这件事情不展开，这里头它有这种交互层，有业务层，有系统层。

 

来支撑机器学习在工业场景当中落地，那么大家可以在网上来查找我们相关的信息。

 

第二个就是 FLOK。那么这是一款把大数据进行拖拽，就可以交互设计的一款软件，能够把一个数据集方便的转换成另外一个数据集。

 

大家会看到，它就相当于一个小的引擎，能够把您原来的各种各样的数据，把它连接起来，然后便处理成自己的可用的数据集。

 

最后一个，其实我们无论做什么样的数据分析、数据产品，都要有一个开发工具，变成一个应用，所以刘英博教授也在这，我们在开发一款大数据应用的低代码开发工具，通过拖拉拽就可以把系统开发出来。这是我们的一个希望，能够把数据变成软件产品，递交到最终用户的这样的一个工具。

 

它这里头就有数据的开发人员和最终用户。

 

这个产品透过在英业达集团的应用，应该说几年的这样的打磨，应该是得到了广泛的应用。那么最近，因为英业达是一家台湾的公司，可能也随着他们公司会走到东南亚去。这都是在围绕着工业数据的应用的一些产品。

 

04 IoTDB 未来工作

回到今天的主题，我想 IoTDB 未来一定要构建成一个新一代的、跨越端边云的、工业物联网数据的一个基础设施。我们看端上边，我们就会把它落到这个 TsFile，在设备上、在实时操作系统当中，你就可以随时的落盘，比如现在我们在成飞的靶机上，在我们有很多电力系统它那个前端的盒子上。它最大的好处，你落了盘之后，它就非常的小，它小的时候就省我们的网络，省我们的磁盘。

然后就可以到边上去，只要去 load tsfile，只要在你的 IoTDB 上 load tsfile ，这个就变成你数据库的一个部分，是新的 database，是你采用了新的设备，因为什么？因为这个 TsFile 是自描述的，所以它可以不断在往上层走。

然后再到云上面，大家会看到还是 TsFile，不用转码。下边就进到了你的 IoTDB 的集群，也就会未来能够用，马上一会龙教授要分享的 IoTDB 的 AINode 来处理你的 TsFile。

所以这样的话，它就是一个整体的，从端到边到云，就用一个格式贯通的一个以作为工业物联网、作为一台计算机的这样一个理念的数据处理的平台。那么同样可以下行控制到你的终端，形成这样的一个体系。

 

那么我想，未来的工业里头就是要实时，一定要 Real Time。AI 如果在工业里头没有 Real Time，恐怕是不能用的，所以就要一个实时训练的这样的一个机制。

 

就会有一个边上实时推理的机制。当然大家很容易就想到，如果有这种机制的话，我们就可以很容易的用现在的大模型，来加持你的边和端。

 

我想今天，文剑秘书长，一会我们开源技术委员会就会开会，所以今天的软件一定是一个开放的生态，从根上就要做开放。所以我们说，今天非常感谢我们 IoTDB 社区的所有的参与者，感谢我们所有的用户。

 

那么这一次，我们孙家广院士带领我们创建的清华大学的大数据软件团队，我们希望把清华数为的大数据的软件栈能够做得更加的能用、管用、好用。

我的汇报就到这。我在这里再次感谢清华大学的大数据团队的各位伙伴，感谢天谋科技公司我们的各位非常努力工作的小伙伴们，还要感谢支持清华数为、感谢支持 IoTDB 发展的各位朋友，谢谢大家！