双汇发展多个分厂的能源管控大数据系统主要采用两种技术栈：InfluxDB/Redis和Kafka/Redis/HBase/Flink，对于中小型研发团队来讲，无论是系统搭建，还是实施运维都非常棘手。经过对InfluxDB/Redis和TDengine大数据平台的功能和性能对比测试，最终将TDengine作为实施方案。
1. 项目背景基于双汇发展对能源管控的需求，利用云平台技术以及电气自动化处理手段，对双汇发展的一级、二级、三级能源仪表进行整体改造，实现仪表组网，进一步通过边缘网关进行能源在线监测数据的采集，并上报至云平台，建立统一能源管理信息化系统，实现能源的实时监控、报表统计、能源流向分析与预测，降低企业单位产品能源消耗，提高经济效益，最终实现企业能源精细化管理。
2. 总体架构能源管控平台基于私有云构建，包括完整的IaaS层、PaaS层和SaaS层，而能源采集系统作为管控平台中最为重要的一环，采用TDengine作为核心数据引擎，通过Restful接口进行仪表在线数据插入，并实现大规模时序数据的高效稳定存储，同时，也为能源管控应用层提供实时数据查询、历史聚合统计、流计算和订阅服务等功能，实现能源地图监控、能耗预警、能源流向预测和能源互联综合决策，具体架构如下图所示。
3.1 Connector选择
本项目数据采集最关键的环节，就是将订阅到的MQTT数据插入到TDengine中，于是也就涉及到了TDengine连接器的选择，我们平时项目中java使用居多，而且JDBC的性能也相对较强，理论上，应该选择JDBC API，但最终选择了RESTful Connector，主要考虑以下几点：
1）简洁性
毫无疑问，RESTful通用性最强，TDengine直接通过HTTP POST 请求BODY中包含的SQL语句来操作数据库，而且TDengine本身作为时序数据库并不提供存储过程或者事务机制，基本上都是每次执行单条SQL语句，所以RESTful在使用上很简便。
2）可移植性
本项目的Java应用都是部署在Kubernetes中，所以向TDengine插入数据的Java应用需要容器化部署，而之前了解到，JDBC需要依赖的本地函数库libtaos.so文件，所以容器化部署可能较为麻烦，而RESTful仅需采用OKHttp库即可实现，移植性较强。
3）数据规模
本项目数采规模不大，大约每分钟7000条数据，甚至后续数采功能扩展到其他分厂，RESTful也完全满足性能要求。
但总体来讲，JDBC是在插入与查询性能上具有一定优势的，而且支持从firstEp和secondEp选择有效节点进行连接（类似于Nginx的keepalive高可用），目前TDengine版本发布情况上看，JDBC的维护与提升也是重中之重，后续项目也可能会向JDBC迁移。
3.2 RESTful代码实现
1）ThreadPoolExecutor线程池
订阅EMQX和RESTful插入TDengine的代码写在了同一个java服务中，每接收到一条MQTT订阅消息，便开启一个线程向TDengine插入数据，线程均来自于线程池，初始化如下：
ExecutorService pool =newThreadPoolExecutor(150,300,1000,TimeUnit.MILLISECONDS,newArrayBlockingQueue<Runnable>(100),Executors.defaultThreadFactory(),newThreadPoolExecutor.DiscardOldestPolicy());
线程池采用基于数组的先进先出队列，采用丢弃早期任务的拒绝策略，因为本次场景中单次RESTful插入数据量大约在100~200条，执行速度快，迟迟未执行完极可能是SQL语句异常或连接taosd服务异常等原因，应该丢弃任务。核心线程数设为150，相对较高，主要为了保证高峰抗压能力。
2）OKHttp线程池
在每个ThreadPoolExecutor线程中，基于OKHttp库进行RESTful插入操作，也是采用ConnectionPool管理 HTTP 和 HTTP/2 连接的重用，以减少网络延迟，OKHttp重点配置如下：
publicConnectionPool pool(){returnnewConnectionPool(20,5,TimeUnit.MINUTES);}
即最大空闲连接数为20，每个连接最大空闲时间为5分钟，每个OKHttp插入操作采用异步调用方式，主要代码如下：
publicvoid excuteTdengineWithSqlAsync(String sql,Callback callback){
try{