引言

在机器学习项目中，特征工程通常占据 80% 的工作量，其质量直接决定了模型的上限。对于时序数据驱动的 AI 应用，特征工程面临着独特的挑战：数据量大、实时性要求高、特征维度复杂。传统的特征工程方案依赖批处理作业，将数据从数据库导出到 Spark 或 Flink 进行计算，再将结果写回存储，整个流程冗长且低效。

TDengine 作为专为时序数据设计的 database，其内置的流计算引擎为特征工程提供了一种全新的"就地计算"范式。数据无需离开数据库，即可实时生成统计特征、频域特征、时域特征，直接供给下游的 AI 模型使用。本文将通过实际案例，展示如何基于 TDengine 构建高效的 AI 特征工程流水线。

一、时序特征工程的核心需求

1.1 统计特征：描述数据的宏观规律

统计特征是最基础也是最常用的时序特征，包括均值、方差、最大值、最小值、分位数等。这些特征能够描述数据在特定时间窗口内的分布规律，是异常检测、状态识别等任务的常用输入。

例如，在设备监控场景中，温度的均值反映了设备的平均热负荷，方差反映了温度波动的剧烈程度，而最大值则可能预示着散热系统的问题。

1.2 频域特征：揭示数据的周期性规律

许多时序数据具有周期性规律，如设备的振动信号、电网的负荷曲线等。通过快速傅里叶变换（FFT）或小波变换，可以将时域信号转换到频域，提取主频率、频谱能量、谐波分量等特征。

频域特征在旋转机械故障诊断、电力系统谐波分析等场景中尤为重要。例如，轴承外圈故障通常会在特定的特征频率处产生明显的频谱峰值。

1.3 时域特征：捕捉数据的动态变化

时域特征关注数据随时间的变化规律，包括趋势、斜率、自相关性、互相关性等。这些特征能够反映系统的动态特性，对于预测性维护、趋势预测等任务至关重要。

例如，设备温度的上升斜率可以反映散热系统的恶化程度，振动信号的自相关函数可以揭示信号的周期性成分。

二、TDengine 流计算：特征工程的利器

2.1 时间窗口聚合：统计特征的实时生成

TDengine 的流计算引擎支持多种时间窗口类型，包括翻转窗口（Tumbling Window）、滑动窗口（Sliding Window）和会话窗口（Session Window）。通过这些窗口，可以实时生成各种统计特征。

-- 创建统计特征流，每 5 分钟计算一次

CREATE STREAM device_stats

INTO TABLE feature_stats

AS

SELECT

    _irowts AS ts,

    device_id,

    AVG(temperature) AS temp_mean,

    STDDEV(temperature) AS temp_std,

    MAX(temperature) AS temp_max,

    MIN(temperature) AS temp_min,

    SPREAD(temperature) AS temp_spread,

    PERCENTILE(temperature, 95) AS temp_p95

FROM sensor_data

PARTITION BY device_id

INTERVAL(5m)

FILL(PREV);

这条 SQL 创建了一个流计算任务，每 5 分钟为每台设备计算温度的均值、标准差、最大值、最小值、极差和 95 分位数。FILL(PREV) 语句确保在数据缺失时，使用前一个窗口的值进行填充，保证特征的连续性。

2.2 状态窗口：捕捉设备状态变化

在工业场景中，设备的状态变化（如开机、停机、故障）往往伴随着数据特征的显著变化。TDengine 的状态窗口（STATE_WINDOW）可以根据数据状态的变化自动划分窗口，非常适合提取状态相关的特征。

-- 按设备状态划分窗口，计算每个状态下的统计特征

CREATE STREAM state_features

INTO TABLE feature_by_state

AS

SELECT

    _irowts AS ts,

    device_id,

    status,

    AVG(temperature) AS temp_mean,

    AVG(pressure) AS pressure_mean,

    COUNT(*) AS sample_count

FROM sensor_data

PARTITION BY device_id

STATE_WINDOW(status);

这条 SQL 根据 status 字段的值自动划分窗口，当状态变化时，自动关闭当前窗口并开启新窗口。这样可以提取设备在不同运行状态下的特征，用于状态识别和故障诊断。

2.3 数据订阅：特征数据的实时消费

TDengine 的数据订阅（Topic）功能，允许 AI 应用以消息队列的方式实时消费特征数据。这种机制非常适合构建事件驱动的 AI 架构。

import taos

# 创建订阅

conn = taos.connect(host="localhost", user="root", password="taosdata", database="ai_db")

sub = conn.subscribe("feature_stats_topic", "feature_consumer", restart=True)

# 实时消费特征数据

while True:

    rows = sub.consume()

    for row in rows:

        ts, device_id, temp_mean, temp_std = row

        # 将特征数据送入 AI 模型进行推理

        prediction = model.predict([[temp_mean, temp_std]])

        # 根据预测结果触发告警或控制逻辑

        if prediction[0] == 1:

            send_alert(device_id, "异常状态 detected")

这种实时消费机制，使得 AI 模型可以在特征生成的第一时间获得输入，实现真正的实时推理。

三、高级特征：从时域到频域

3.1 基于 UDF 的频域特征提取

TDengine 支持用户自定义函数（UDF），可以通过 C、Python 等语言编写自定义的计算逻辑。利用 UDF，可以在数据库层面实现频域特征的提取。

# 注册 Python UDF 进行 FFT 计算

import numpy as np

def fft_features(data):

    """计算振动信号的频域特征"""

    fft_result = np.fft.fft(data)

    magnitude = np.abs(fft_result)

    # 提取主频率

    main_freq = np.argmax(magnitude[:len(magnitude)//2])

    # 提取频谱能量

    spectral_energy = np.sum(magnitude ** 2)

    # 提取频谱熵

    prob = magnitude / np.sum(magnitude)

    spectral_entropy = -np.sum(prob * np.log2(prob + 1e-10))

    return main_freq, spectral_energy, spectral_entropy

通过将 FFT 计算封装为 UDF，可以在 TDengine 的查询中直接调用，实现频域特征的实时提取。

3.2 时域特征的 SQL 实现

许多时域特征可以通过 SQL 的窗口函数和内置函数实现。例如，计算数据的一阶差分（趋势）和二阶差分（加速度）：

-- 计算温度的一阶差分（趋势）

SELECT

    ts,

    device_id,

    temperature,

    temperature - LAG(temperature) OVER (PARTITION BY device_id ORDER BY ts) AS temp_diff,

    (temperature - LAG(temperature, 2) OVER (PARTITION BY device_id ORDER BY ts)) / 2 AS temp_trend

FROM sensor_data;

通过 LAG 窗口函数，可以方便地计算数据的变化率和趋势，这些特征对于预测性维护等任务非常有价值。

四、特征存储与版本管理

4.1 特征表的设计

在 TDengine 中，可以为不同类型的特征创建专门的超级表，便于管理和查询。

-- 统计特征表

CREATE STABLE feature_stats (

    ts TIMESTAMP,

    temp_mean FLOAT,

    temp_std FLOAT,

    temp_max FLOAT,

    temp_min FLOAT,

    pressure_mean FLOAT,

    pressure_std FLOAT

) TAGS (

    device_id BINARY(32),

    feature_version BINARY(16)

);

-- 频域特征表

CREATE STABLE feature_freq (

    ts TIMESTAMP,

    main_freq FLOAT,

    spectral_energy FLOAT,

    spectral_entropy FLOAT

) TAGS (

    device_id BINARY(32),

    feature_version BINARY(16)

);

通过 feature_version 标签，可以管理不同版本的特征，便于模型回溯和 A/B 测试。

4.2 特征与模型的关联

在 MLOps 实践中，需要建立特征与模型之间的关联。可以通过在特征表中记录模型版本信息，或者在模型元数据中记录使用的特征版本，实现可追溯性。

-- 记录模型使用的特征版本

CREATE TABLE model_feature_mapping (

    model_version BINARY(32),

    feature_version BINARY(16),

    feature_table BINARY(32),

    created_at TIMESTAMP

);

五、性能优化：让特征流水线更高效

5.1 预计算与物化视图

对于频繁使用的特征，可以通过 TDengine 的流计算进行预计算，将结果存储在物化视图中，避免重复计算。

-- 创建预计算的特征流

CREATE STREAM precomputed_features

INTO TABLE feature_materialized

AS

SELECT

    _irowts AS ts,

    device_id,

    AVG(temperature) AS temp_mean,

    STDDEV(temperature) AS temp_std,

    MAX(temperature) - MIN(temperature) AS temp_range

FROM sensor_data

PARTITION BY device_id

INTERVAL(1m);

5.2 分层存储：热特征与冷特征

不同时间段的特征数据，访问频率差异很大。最近生成的特征（热数据）需要频繁访问，而历史特征（冷数据）主要用于模型训练。TDengine 支持自动分层存储，可以将热数据保留在 SSD 上，冷数据自动迁移到 HDD 或对象存储。

-- 创建数据库时配置分层存储

CREATE DATABASE ai_features

  DURATION 7d

  KEEP 365d

  COMP 2;

六、案例：风电设备故障预测的特征工程

6.1 场景描述

某风电集团管理着 2000 多台风机，每台风机配备数百个传感器，实时采集振动、温度、转速、风速等数据。目标是构建一个故障预测模型，提前发现轴承、齿轮箱等关键部件的潜在故障。

6.2 特征工程方案

基于 TDengine，构建了以下特征工程流水线：

第一层：原始数据接入

所有传感器数据实时写入 TDengine，按设备类型创建超级表。

第二层：统计特征生成

通过流计算，每 10 分钟计算一次振动信号的统计特征：

CREATE STREAM vibration_stats

INTO TABLE feature_vibration_stats

AS

SELECT

    _irowts AS ts,

    device_id,

    AVG(vibration_x) AS vx_mean,

    STDDEV(vibration_x) AS vx_std,

    MAX(vibration_x) AS vx_max,

    ROOT_MEAN_SQUARE(vibration_x) AS vx_rms,

    KURTOSIS(vibration_x) AS vx_kurtosis,

    SKEWNESS(vibration_x) AS vx_skewness

FROM turbine_vibration

PARTITION BY device_id

INTERVAL(10m);

第三层：频域特征生成

通过 UDF，每小时对振动信号进行一次 FFT，提取频域特征：

SELECT

    ts,

    device_id,

    fft_main_freq(vibration_x, 1024) AS main_freq,

    fft_spectral_energy(vibration_x, 1024) AS spectral_energy

FROM turbine_vibration

WHERE ts >= NOW() - 1h;

第四层：特征融合与模型训练

将统计特征和频域特征按时间窗口对齐，构建训练数据集，送入 XGBoost 模型进行训练。

6.3 实施效果

通过 TDengine 的实时特征工程流水线，该风电集团实现了：

• 特征延迟降低：从小时级降至分钟级
• 计算资源节省：无需额外的 Spark/Flink 集群，特征计算在数据库层完成
• 模型精度提升：实时特征捕捉了更多动态信息，模型准确率提升 8%
• 运维成本降低：整体数据 pipeline 的运维成本降低 60%

结语

特征工程是 AI 应用的核心环节，而时序特征工程因其数据规模大、实时性要求高，对传统方案提出了严峻挑战。TDengine 通过内置的流计算引擎、UDF 扩展能力和高效的数据存储，为时序特征工程提供了一种全新的"就地计算"范式。数据无需离开数据库，即可实时生成各种统计特征、频域特征和时域特征，直接供给 AI 模型使用。这种架构不仅大幅降低了数据搬运的开销，更提升了特征工程的实时性和可靠性。随着 AI 与数据库技术的进一步融合，TDengine 有望成为 AI 特征工程领域的重要基础设施。