TDengine 与 Ontop 集成指南：基于 SPARQL 的时序数据虚拟知识图谱查询

TDengine 与 Ontop 集成指南：基于 SPARQL 的时序数据虚拟知识图谱查询

【免费下载链接】TDengineHigh-performance, scalable time-series database designed for Industrial IoT (IIoT) scenarios项目地址: https://gitcode.com/GitHub_Trending/tde/TDengine

导读

本文介绍如何将 TDengine 时序数据库接入 Ontop 虚拟知识图谱（VKG）系统，把智能电表等 IoT 场景的时序数据通过 W3C 标准的 SPARQL 接口进行语义化查询与分析。读者将掌握 Ontop 的 JDBC 数据源配置、.obda表映射规则、TDengine 与 RDF 数据类型的自动转换机制，以及一套完整的“数据生成 → 映射配置 → SPARQL 查询 → 结果解析”实战流程。

什么是 Ontop，为什么需要它

Ontop 是一个开源的虚拟知识图谱系统，由意大利博尔扎诺自由大学（Free University of Bozen-Bolzano）的 KRDB 研究组开发。它的核心价值在于：无需将关系型数据库中的数据迁移到独立的图数据库，即可动态地将关系型数据库内容“虚拟”映射为知识图谱（Knowledge Graph）。

• 数据查询通过SPARQL（W3C 标准化的 RDF 查询语言）接口完成；
• 查询结果自动转换为RDF（资源描述框架）格式输出；
• 支持 MySQL、PostgreSQL、Oracle、SQL Server、SQLite 以及TDengine等多种数据库作为底层数据源。

从源码结构看，Ontop 将数据库表视为“事实来源”，通过 OBDA（Ontology-Based Data Access，基于本体的数据访问）映射文件描述表字段到 RDF 三元组的对应关系，从而在上层提供一套统一、符合 W3C 标准的语义数据访问层。对于时序数据而言，这意味着 IoT 原始数据仍保存在 TDengine 中（享受其列式存储与压缩优势），同时可以叠加知识图谱的逻辑推理能力进行语义级分析。

集成前置条件

Ontop 通过 TDengine Java Connector 连接 TDengine 数据源，集成前需要准备以下环境：

关于 taosAdapter，其默认在6041端口同时提供 HTTP/RESTful 与 WebSocket 服务（对应配置项port），TDengine 各语言连接器正是通过该 WebSocket 接口与集群通信，因此它是本方案中 Ontop 与 TDengine 之间的关键桥梁。

配置数据源

在 Ontop 中配置 TDengine 数据源分为三个步骤：安装 JDBC 驱动、配置 JDBC 连接、配置表映射。

1. 安装 JDBC 驱动

下载 taos-jdbcdriver 的 DIST 驱动包（.jar文件），将其放入 Ontop 主程序的jdbc/目录下，使 Ontop 运行时能加载该驱动。

2. 配置 JDBC 连接

在 Ontop 的.properties文件中配置 JDBC 连接信息：

jdbc.url = jdbc:TAOS-WS://[host]:[port]/[database] jdbc.user = [username] jdbc.password = [password] jdbc.driver = com.taosdata.jdbc.ws.WebSocketDriver

其中关键点在于 URL 的书写格式。根据 TDengine Java Connector 文档，taos-jdbcdriver 的 JDBC URL 规范为：

jdbc:[TAOS|TAOS-WS]://[host1:port1,host2:port2,...,hostN:portN]/[database_name]?[user={user}&password={password}&charset={charset}&cfgdir={config_dir}&locale={locale}&timezone={timezone}&varcharAsString=true]

结合本集成方案，应遵循以下约定：

• 驱动类固定为com.taosdata.jdbc.ws.WebSocketDriver，即使用 WebSocket 连接方式；

• URL 以jdbc:TAOS-WS://开头，端口使用 taosAdapter 的 6041（而非原生连接的 6030）；

• WebSocket 连接不依赖客户端驱动（无需安装libtaos.so等本地库），部署更简单；

• WebSocket 方式支持配置多个端点地址（逗号分隔），连接时随机选取以实现负载均衡；IPv6 地址需使用方括号（如[::1]、[2001:db8::1]）；

• 可在 URL 中附加连接参数，例如：

  jdbc:TAOS-WS://taosdemo.com:6041,taosdemo2.com:6041/power?user=root&password=taosdata&varcharAsString=true

值得特别注意的是conmode（BI 模式）参数：taos-jdbcdriver 为 BI 工具集成场景提供了conmode=1的选项，开启后元数据信息不统计子表，主要服务于 BI 工具的元数据探查。Ontop 作为典型的 BI/语义分析集成方，若在元数据获取阶段遇到子表数量干扰，可在 URL 中追加conmode=1尝试。其余常用 WebSocket 参数还包括连接超时httpConnectTimeout（默认 60000ms）、消息超时messageWaitTimeout（默认 60000ms）、自动重连enableAutoReconnect（默认 false）等，详见 Java 连接器文档的 Properties 章节。

提示：自 taos-jdbcdriver 3.4.0 起官方推荐使用 WebSocket 连接替代 REST 连接（jdbc:TAOS-RS://），WebSocket 具有更低延迟、自动重连与更丰富的功能支持，本方案直接采用推荐方式。

3. 配置表映射（.obda 文件）

在.obda文件中定义 TDengine 表到 Ontop 的映射关系。以下以智能电表场景为例：

[PrefixDeclaration] : http://example.org/tde ns: http://example.org/ns# [MappingDeclaration] @collection [[ mappingId meters-mapping target ns:{ts} a ns:Meters ; ns:ts {ts} ; ns:voltage {voltage}; ns:phase {phase}; ns:groupid {groupid}; ns:location {location}^^xsd:string . source SELECT ts, voltage, phase, groupid, location from test.meters ]]

格式说明

target中的{ts}、{voltage}等占位符引用source查询返回的列名，将每一行数据实例化为一条 RDF 三元组描述；a是 RDF 中表示 “is a” 关系的语法糖，此处声明每条记录ns:Meters类型的实例。

4. 数据类型自动转换规则

可在target中显式指定映射数据类型（如{location}^^xsd:string）。若未指定，Ontop 依据 JDBC 返回的 Java 类型按下表默认转换：

可以看到，TDengine 中典型的时间戳、数值、字符串等类型都能被精准映射到 XSD 标准类型，从而保证 SPARQL 查询中的类型过滤与排序语义正确。完整的.obda映射语言格式说明可参考 Ontop 官方的映射语言文档（Mapping Language）。

5. 测试连接

启动 Ontop 端点服务验证配置：

ontop endpoint -p db.properties -m db.obda --port 8080

启动后访问http://localhost:8080，若能看到 SPARQL 查询界面，则说明配置成功。

实战：智能电表负载分析

场景介绍

某居民小区将智能电表数据存储于 TDengine 数据库中。本案例使用 Ontop 将电表时序数据转换为虚拟知识图谱，并通过 SPARQL 接口查询电压超过 240V 的设备，以识别高负载设备。

数据准备

使用 taosBenchmark 生成模拟数据：

# 生成 100 台设备，每台 1000 条记录 taosBenchmark -t 100 -n 1000 -y

从 taosBenchmark 源码（benchSys.c 中的参数解析）可以确认上述参数含义：

taosBenchmark 在默认（demo）模式下会自动创建名为test的数据库和名为meters的超级表（见 benchCommandOpt.c 中initStable()的stbInfo->stbName = "meters"），其默认列为current、voltage、phase三个数值列，并附加若干标签列（含groupid、location等），与本文.obda映射中from test.meters的查询完全对应。默认生成数据的电压值域由内置函数控制，实际生成的数值以工具运行为准；若需构造更贴近高压告警阈值的样本，可结合 taosBenchmark 的 JSON 配置文件自定义字段取值范围。

配置文件

db.properties（连接配置）：

jdbc.url=jdbc:TAOS-WS://localhost:6041/test jdbc.user=root jdbc.password=taosdata jdbc.driver=com.taosdata.jdbc.ws.WebSocketDriver

db.obda（映射配置）：复用上文“配置表映射”一节中的示例内容，将test.meters表映射为ns:Meters类型的知识图谱节点。

分析电表负载

1. 创建 SPARQL 查询语句：查询电压超过 240V 的智能电表设备，按电压降序返回前 2 条结果：

   PREFIX ns: <http://example.org/ns#> SELECT ?ts ?voltage ?phase ?groupid ?location WHERE { ?m a ns:Meters ; ns:ts ?ts; ns:voltage ?voltage; ns:phase ?phase; ns:groupid ?groupid; ns:location ?location. FILTER(?voltage > 240) } ORDER BY DESC(?voltage) LIMIT 2

   该查询通过FILTER(?voltage > 240)完成语义层过滤，ORDER BY DESC(?voltage)实现按电压降序排序，LIMIT 2截取前两行，完整演示了 SPARQL 对 RDF 化时序数据的筛选、排序与投影能力。

2. 在 SPARQL 查询界面输入上述语句，点击 "Run" 按钮，即可得到结果（见本文开头截图）。

3. 查询结果以SPARQL JSON 格式返回，包含电表采集时间戳、电压读数、相位、组 ID 与设备位置信息：

   { "head" : { "vars" : [ "ts", "voltage", "phase", "groupid", "location" ] }, "results" : { "bindings" : [ { "ts" : { "datatype" : "http://www.w3.org/2001/XMLSchema#dateTime", "type" : "literal", "value" : "2025-07-02T15:22:55.098" }, "voltage" : { "datatype" : "http://www.w3.org/2001/XMLSchema#integer", "type" : "literal", "value" : "263" }, "phase" : { "datatype" : "http://www.w3.org/2001/XMLSchema#double", "type" : "literal", "value" : "143.2" }, "groupid" : { "datatype" : "http://www.w3.org/2001/XMLSchema#integer", "type" : "literal", "value" : "2" }, "location" : { "type" : "literal", "value" : "California.PaloAlto" } }, { "ts" : { "datatype" : "http://www.w3.org/2001/XMLSchema#dateTime", "type" : "literal", "value" : "2025-07-02T15:23:30.186" }, "voltage" : { "datatype" : "http://www.w3.org/2001/XMLSchema#integer", "type" : "literal", "value" : "259" }, "phase" : { "datatype" : "http://www.w3.org/2001/XMLSchema#double", "type" : "literal", "value" : "132.1" }, "groupid" : { "datatype" : "http://www.w3.org/2001/XMLSchema#integer", "type" : "literal", "value" : "2" }, "location" : { "type" : "literal", "value" : "California.PaloAlto" } } ] } }

   从返回的绑定数据可以验证前文的数据类型转换规则：时间戳ts以xsd:dateTime类型返回（TDengine 的 TIMESTAMP 列经由java.sql.Timestamp转换而来），voltage、groupid以xsd:integer返回，phase以xsd:double返回，location为普通字符串字面量。这保证了语义层查询结果的类型完整性与机器可读性。

总结

通过 TDengine 与 Ontop 的集成，本方案实现了：

• 时序数据自动转换为 RDF：TDengine 中的电表数据无需迁移，即可经由.obda映射在语义层呈现为知识图谱实体，支持 SPARQL 语义查询；
• 统一的数据访问接口：符合 W3C 标准的 SPARQL/RDF 体系，屏蔽底层关系型与时序型数据库的差异；
• 解锁工业 IoT 的知识图谱分析与推理能力：在时序数据库之上叠加本体推理，为复杂 IoT 场景（如设备故障根因分析、能效优化等）提供具备认知能力的智能分析方案。

这种“时序数据库 + 虚拟知识图谱”的组合，为时序数据库领域提供了一种新的智能化范式：既保留 TDengine 在时序数据存储、查询上的高性能优势，又通过知识图谱的逻辑推理能力与大型语言模型的泛化能力相结合，面向复杂 IoT 场景输出智能分析解决方案。读者可在此基础上进一步扩展映射（如关联设备台账表、告警规则表），构建更丰富的语义分析模型。

【免费下载链接】TDengineHigh-performance, scalable time-series database designed for Industrial IoT (IIoT) scenarios项目地址: https://gitcode.com/GitHub_Trending/tde/TDengine