需要哪些数据？第一，一些基本信息。这个叶片是哪个厂家生产的、哪个型号，需要关系型数据库，都可以记录它这些信息，以及吊装更换的流程，货物生产周期，都是可以量化的。但是怎么提前两个月发现这个设备会坏，我们需要对设备的状态进行监控。叶片不是天天转的，风大了开始转，风小不转，每一个风机的工作使度，比如下大雪它是不是转了。以及表面的平整度，阻尼系数，叶轮转的时候遇到的阻力系数。发电运行状态进行数据的采集。数据的特点是格式固定，不同特性的特征采集周期不一致，采集点的数量极其多，一个风机上面采集点的数量都是成千上万的。采集到的数据需要高压缩存储，高压缩存储有一个典型的特点，第一次采到的值是这个值，第二次采到的如果跟第一次一样我就不变了。不可更改，一旦记录下来就不用更改了。预警模型，达到什么状态要提前预警告知。
必要时场景在线，比如在工业化的工厂里出现了什么故障。一家著名工控厂提到轧钢机的工控机，银行的业务可以停一小时、两小时算只顾，停15分钟不算事故，但是对于一个钢厂来说一个设备停3秒钟、2秒钟可能就是事故，为什么？钢水上来以后，如果控制系统停了一秒钟，轧钢机可能就坏掉了。遇到问题以后要提前预警，或出现问题以后要回过头来把当时的场景调出来，分析为什么会出现这种问题。一系列的数据记录都需要数据库支持时间序列特征。
风机数据采集下来怎么办，下边有一个盒子，盒子里有数据传输回来。盒子要存数据就要内嵌一个数据库，要支持嵌入式的特性。
超长的车来了以后，为什么直接走到那台风机上，它要跟地理位置信息很好的兼容。
是在一个风和日丽的时间来的，它要对地理信息等等复杂信息进行记录，这些都是非结构化的。有一款数据库产品叫做GBase 8t，它就是支持这种工业化生产需求的。
某化工集团在德国引进技术新建工厂，包括厂房建设、生产工艺等等，德国那边怎么干我把它完全搬过来怎么办。刚开始德国过来一组工程师指导，跟德国的生产效果差不多。然后这个集团说既然这样一样的做法又建了两家工厂，建完两家工厂以后发现，这两家工厂能耗比第一家工厂要高，原材料投入比第一家工厂高，就是产出怎么也赶不上第一家。
他们把德国专家叫过来分析也没戏了，怎么办？他们借了一套系统，对整个系统的运行状况、经营分析状况、生产状况进行了跟踪。这个状况的跟踪极其艰苦，要跟踪每一个工艺环节的执行时间、执行时差、温度、气压等等。跟踪之后发现他们这么多的数据与过去的记录，最初他们说找两台计算机记录下来就行了，后来发现记录不下来，这么多数据存储需要有数据库的特性。记录是用结构化的数据记录，同时它是海量运行数据存储，要支持P级，甚至EP级这样大数据量的存储。
用两台机器不行，再扩展两台、四台、六台，一直扩展到上百台，他有这样的扩展要求。
同时对所有的数据进行分析之后，用甲骨文去分析的话，可能有一个master级，执行不出来，遇到执行瓶颈，是不是每一台机器都能提供分析结果。提供无master最后汇总的需求。
最后是支持海量数据高速加载。分析系统推数据的时候要求的时间窗口很短，时间长了加载不进来就无效了、作废了。
在满足这种大数据要求的时候，我们还有一种产品叫GBase 8a mpp，支持无master大数据的查询、存储、复杂分析，金融行业有一个比较典型的例子，农行的数据仓库已经是P级数据了，上百台机器的集群了，后面移动、电信都有，工业化这一块我们希望也找到自己的落脚点。
刚才介绍了两个产品，这两个产品是南大通用做的。南大通用成立于2004年，是一家专门做国产数据库的公司。
南大核心产品有三款，一款产品是GBase 8a，基于大数据的复杂分析。另一款产品就是GBase 8t，针对交易型的数据库。还有一款是内存数据库，内存数据库是我们买了韩国内存数据库的原码以及一个团队。