TDengine vs IronFlock: 산업용 데이터·AI 플랫폼 비교 (2026)
TDengine은 IronFlock과 마찬가지로 AI를 나중에 덧붙인 기능이 아니라 제품의 일부로 다루는 몇 안 되는 산업용 플랫폼 중 하나입니다. 출발점은 고성능 시계열 데이터베이스였습니다 — 2019년 오픈소스로 공개되었고 C로 작성되었으며 AGPL-3.0, 100만 건이 넘는 설치와 25,000개 이상의 GitHub 스타를 보유합니다 — 그리고 이후 위쪽으로 성장해 완전한 데이터 스택이 되었습니다: 저장을 담당하는 TDengine TSDB, 자산 모델링·대시보드·이벤트를 담당하는 TDengine IDMP(Industrial Data Management Platform), 그리고 TDgpt(SQL에서 직접 호출하는 예측과 이상 탐지)와 Industrial Agent Runtime(사전 제작된 AI 어시스턴트와, 플랫폼 기능을 외부 에이전트에 노출하는 MCP 인터페이스)으로 구성된 AI 계층입니다. 2026년 회사는 “고성능 시계열 데이터베이스”에서 “AI 시대의 산업 데이터 기반”으로 포지셔닝을 바꿨습니다.
IronFlock은 산업용 AI에 정반대 방향에서 접근합니다. 데이터베이스에서 출발해 자산으로 손을 뻗는 대신, IronFlock은 디바이스에서 시작합니다 — 가벼운 에이전트와 Docker 컨테이너 앱이 모든 Linux 또는 Windows 하드웨어에서 자율적으로 동작하고 — 거기서 중앙 서비스로 올라갑니다: 플릿 전체의 시계열 데이터를 담는 FleetDB(TimescaleDB), 대시보드, 알람, 그리고 물리적 디바이스를 읽기만 하는 것이 아니라 조작할 수 있는 에이전트를 갖춘 AI 서비스입니다.
이 차이는 개별 기능 어느 것보다 크게 작용합니다. TDengine은 “내 산업 데이터는 어디에 있고 어떻게 질문하는가”에 대한 훌륭한 답입니다. 하지만 “현장의 기계 800대에 소프트웨어를 어떻게 올리고, 업데이트하고, 원격으로 도달하고, 네트워크가 끊겨도 계속 동작하게 하는가”에 대한 답은 아닙니다. IronFlock은 두 번째 질문을 위해 만들어졌고, 그 위에 데이터와 AI 계층을 제공합니다.
한눈에 보기
| 항목 | IronFlock | TDengine |
|---|---|---|
| 무엇인가 | 분산 플랫폼: 앱을 실행하는 엣지 디바이스 + 중앙의 데이터·대시보드·AI 서비스 | 데이터 플랫폼: 시계열 데이터베이스(TSDB)와 산업 데이터 관리·AI 계층(IDMP) |
| 외형과 사용감 | 현대적인 웹 UI — 깔끔하고 반응형이며 브라우저 네이티브 | 현대적인 웹 UI — 데이터베이스용 taosExplorer, 자산 트리·대시보드·Chat BI용 IDMP |
| 사용성 | 셀프서비스: 가입하고, 디바이스를 플래시하고, 몇 분 만에 앱 배포 | 데이터 계층은 셀프서비스: Docker 또는 클라우드 인스턴스, 소스 연결, 자산 모델링 — IDMP가 내건 목표는 “코드 없이, SQL 없이” |
| 협업 | 역할, API 키, 디바이스 공유, 프로젝트 단위 접근 제어를 갖춘 다중 사용자 | IDMP와 TSDB-Enterprise의 RBAC와 SSO; OSS 에디션에는 권한 제어가 없음 |
| 현대성 | 클라우드 네이티브, 컨테이너화, AI 우선, 2020년대 설계 | 스토리지와 컴퓨팅을 분리한 클라우드 네이티브 데이터베이스(3.0, 2022); IDMP와 에이전트 런타임은 2025–2026년 제품 |
| 커뮤니티 | 성장 중 — 개방형 앱 마켓플레이스, 개발자 문서 | 큼 — GitHub 스타 25,000개 이상, 커뮤니티 개발자 20,000명 이상, 활발한 Discord와 GitHub |
| 전략 | 개방형 생태계 — IronFlock이 핵심 시스템(히스토리안, 알람, 대시보드, 디바이스 관리)을 만들고 서드파티 앱 마켓플레이스로 확장 | 오픈 코어 — AGPL-3.0 데이터베이스 위에 상용 IDMP/Enterprise; 확장은 서드파티 앱 마켓이 아니라 커넥터, SQL, AI 스킬로 이루어짐 |
| 전통 | IoT 플릿 관리와 엣지 컴퓨팅을 위해 설립 | 데이터베이스 출신; 산업용 포지셔닝과 AI 계층은 2025년 이후 추가 |
핵심 차이점
| 항목 | IronFlock | TDengine |
|---|---|---|
| 주요 범위 | 디바이스 플릿 + 데이터 + AI | 데이터 + AI |
| 엣지 컴퓨팅 | ✅ 모든 디바이스에서 완전한 Docker 런타임 — 어떤 언어로든 앱 실행 | ⚠️ taosX-Agent는 엣지에서 수집·필터링·버퍼링함; 자체 애플리케이션을 실행할 자리는 아님 |
| 디바이스 관리 | ✅ 프로비저닝, 그룹화, OTA(OS·에이전트·앱), 실시간 로그, 지도 | ❌ 플랫폼 범위 밖 |
| 원격 접근 | ✅ 내장 터널링(HTTP, SSH, VNC, TCP, UDP) — VPN 불필요 | ❌ 플랫폼 범위 밖 |
| 시계열 엔진 | ✅ 프로젝트별 TimescaleDB 클러스터, 자동 프로비저닝, 완전한 PostgreSQL SQL | ✅ C로 작성한 전용 TSDB — 매우 높은 수집 속도, 강력한 압축, RAFT 클러스터링 |
| 쿼리 언어 | ✅ 완전한 PostgreSQL — 임의의 조인, CTE, 윈도우 함수, Postgres 확장 생태계 전체 | ⚠️ 시계열 SQL 방언 — 태그에는 뛰어나지만 관계형 작업과 영역을 넘나드는 질문에는 좁음 |
| 의미론적 자산 모델 | ⚠️ 앱별 스키마, 앱 매니페스트에 정의 | ✅ IDMP 엘리먼트 트리 — 계층, 속성, 관계, 의미론적 디지털 트윈 |
| AI: 데이터에 대한 자연어 | ✅ 기본 제공 | ✅ Chat BI와 사전 제작 어시스턴트 |
| AI: 물리적 디바이스에 작용 | ✅ 피지컬 AI — 에이전트가 디바이스의 함수를 호출 | ❌ 설계상 읽기 중심; 조작이 아니라 알림 |
| AI: 예측과 이상 탐지 | ✅ SQL로 작성한 통계 예측과 이상 규칙을, 지속적으로 갱신되는 변환으로 저장; 어떤 ML 프레임워크든 컨테이너 앱으로 | ✅ TDgpt — SQL 한 문장으로 예측·이상 탐지·결측 보정, 내장된 시계열 파운데이션 모델 포함 |
| 앱 배포 | ✅ 엣지 또는 가상 디바이스로 Docker 컨테이너 배포 | ❌ 애플리케이션 배포 모델 없음 |
| 앱 마켓플레이스 | ✅ 기본 제공, 수익화 가능 | ❌ 없음 |
| 오픈소스 | 클라우드 버전 무료; 온프레미스는 구독 | ✅ TSDB-OSS는 AGPL-3.0; IDMP와 Enterprise 기능은 상용 |
| 과금 기준 | 리소스 사용량(스토리지, 원격 접근, 가상 디바이스, AI); 무료 클라우드 등급 | 태그 수 — 5,000태그까지 무료, 이후 태그 구간별 연간 또는 영구 라이선스 |
| 멀티테넌시 | ✅ 물리적 데이터베이스 분리 + 암호학적 메시지 격리 | ⚠️ RBAC와 데이터 공유; OEM 플릿을 위한 고객별 테넌시 모델로 설계되지 않음 |
아키텍처
TDengine: 3계층 데이터 스택
TDengine은 자사 아키텍처를 세 계층으로 설명하며, 구조를 잘 나타냅니다:
- 1계층 — TDengine TSDB: 시계열 데이터베이스. C로 작성되었고 데이터 수집 지점마다 테이블 하나를 두어 슈퍼테이블로 묶으며, RAFT 기반 클러스터링, 스토리지와 컴퓨팅 분리, Kubernetes 배포, Enterprise 에디션의 계층형 스토리지를 갖춥니다. 캐싱, 스트림 처리, 데이터 구독도 함께 제공해, 보통 TSDB 주변에 덧붙이는 것들이 데이터베이스 안에 들어 있습니다.
taosAdapter가 REST, InfluxDB 라인 프로토콜, OpenTSDB, Prometheus, Telegraf 호환을 제공합니다. - 2계층 — TDengine IDMP: 산업 데이터 관리 플랫폼. IDMP는 자체 시계열 데이터를 저장하지 않습니다 — TSDB(또는 다른 데이터베이스) 위에 자리 잡고, 공장·라인·기계·측정값으로 이루어진 트리 구조의 엘리먼트 계층을 더하며, 각 노드에 속성, 관계, 분석, 대시보드, 이벤트를 붙입니다. 원시 태그를 디지털 트윈으로 바꾸는 의미론적 계층입니다.
- 3계층 — AI를 위한 개방형 인터페이스: TDgpt는 분석 노드(anode)를 실행해 통계 알고리즘, 머신러닝, 시계열 파운데이션 모델(TDtsfm, Time-MoE)을 바탕으로 SQL 쿼리에 예측·이상 탐지·결측 보정을 제공합니다. Industrial Agent Runtime은 사전 제작된 산업용 어시스턴트 13종, Markdown으로 정의하는 “스킬”, 의미론적 지식 베이스, 그리고 플랫폼 기능 50여 가지를 외부 AI 에이전트용 도구로 노출하는 MCP 서버를 더합니다.
데이터는 Enterprise의 노코드 수집 파이프라인 taosX와, 엣지에서 동작하며 OPC UA, OPC DA, MQTT, Kafka, PI System, AVEVA Historian, CSV/Parquet, 레거시 TSDB 형식을 다루는 taosX-Agent를 통해 들어옵니다. 에이전트는 전송 전에 필터링과 전처리를 할 수 있고, 중앙 시스템과의 연결이 끊기면 저장 후 전달 방식으로 로컬에 버퍼링합니다.
이 아키텍처에서 엣지에 대해 이해해야 할 핵심은 taosX-Agent가 데이터 수집기이지 컴퓨팅 플랫폼이 아니라는 점입니다. 프로토콜을 맞추고, 걸러내고, 전달합니다. 제어 로직, 비전 모델, 로컬 HMI, 자체 애플리케이션은 다른 곳에 있어야 합니다.
IronFlock: 분산 엣지 + 중앙 서비스
IronFlock은 서로를 보완하는 두 계층으로 이루어진 분산 시스템입니다. 자율 엣지 디바이스는 현장에서 가벼운 에이전트와 Docker 컨테이너 앱을 실행합니다. 중앙 서비스 — FleetDB(TimescaleDB), FleetDB 서비스, AI 서비스, 웹 UI — 가 플릿 전체의 저장, 대시보드, 알람, 지능을 제공합니다. WAMP 메시지 브로커가 실시간 pub/sub과 RPC로 전체를 연결하며 프로젝트 간 암호학적 격리를 강제합니다.
- 엣지 디바이스: Linux 또는 Windows가 동작하는 모든 하드웨어 — Raspberry Pi, 산업용 PC, NVIDIA Jetson, Windows IPC, 게이트웨이. Windows에서는 에이전트가 자동 재시작과 자체 업데이트를 갖춘 네이티브 서비스로 동작합니다.
- 앱: 어떤 프로그래밍 언어로든 만든 Docker 컨테이너를 엣지 디바이스 또는 가상 디바이스에 배포합니다. 가상 디바이스는 클라우드에서 호스팅되는 컴퓨팅 노드로, 물리 하드웨어와 나란히 프로젝트에 합류해 Grafana, Node-RED, Jupyter 같은 플릿 전체 서비스를 실행합니다.
- 데이터: 엣지 앱이 브로커를 통해 FleetDB로 텔레메트리를 발행하고, FleetDB는 프로젝트별 TimescaleDB 테이블을 자동으로 만들어 평범한 SQL로 조회할 수 있게 합니다.
- AI: AI 서비스가 다중 에이전트 대화를 조율해 플릿 데이터를 읽고, 차트와 대시보드를 만들고, 물리적 디바이스의 함수를 호출합니다. 앱은 자체 에이전트 정의를 YAML 템플릿으로 함께 배포할 수 있습니다.
- 배포: 클라우드 SaaS 또는 온프레미스 — 전체 플랫폼을 자체 인프라에서 운영할 수 있습니다.
전체 구성은 아키텍처를 참고하세요.
실제 의미
| 시나리오 | IronFlock | TDengine |
|---|---|---|
| 공장 텔레메트리 50,000태그 저장 | ✅ 프로젝트별 TimescaleDB, 스토리지 기준 과금 | ✅ 전용 TSDB, 태그 구간 기준 과금 |
| 공장을 자산 계층으로 모델링 | ⚠️ 앱 스키마와 대시보드 구조 | ✅ 속성과 관계를 갖춘 IDMP 엘리먼트 트리 |
| 신호를 24시간 앞서 예측 | ✅ 스스로 갱신되는 SQL 변환, 또는 컨테이너 앱 안의 모델 | ✅ 내장 파운데이션 모델에 대한 SQL 한 문장 |
| ”지난주 어느 펌프가 과열됐지?”를 자연어로 질문 | ✅ AI 서비스가 플릿 데이터를 조회하고 답을 그려줌 | ✅ Chat BI가 답하고 패널도 만들 수 있음 |
| 생산·품질·에너지 데이터를 결합한 질문에 답하기 | ✅ 모든 앱의 테이블을 아우르는 PostgreSQL 쿼리 하나를 재사용 가능한 KPI로 저장 | ⚠️ 엘리먼트 트리와 TSDB 방언의 조인 지원 범위 안에서 |
| AI가 기계의 설정을 실제로 바꾸게 하기 | ✅ 에이전트가 디바이스 앱이 노출한 함수를 호출 | ❌ 사람이 개입하는 알림; 로드맵에 액션 라이브러리가 있으나 제어 기능은 미출시 |
| 기계 자체에서 자체 알고리즘 실행 | ✅ 디바이스에 Docker 앱 배포 | ❌ 지원하지 않음 — 수집해서 상위로 전송 |
| 현장 기계 800대의 소프트웨어 업데이트 | ✅ 클릭 한 번의 일괄 OTA — OS, 에이전트, 앱 | ❌ 범위 밖; 별도의 디바이스 관리 스택 필요 |
| 원격 엔지니어를 기계 HMI에 연결 | ✅ 브라우저에서 “터널 열기” 클릭 | ❌ 범위 밖; VPN 또는 별도 원격 접근 제품 |
| 일주일 통신 장애 중에도 사업장 가동 유지 | ✅ 디바이스가 모든 앱을 자율 실행하고 재연결 시 동기화 | ⚠️ taosX-Agent가 데이터를 버퍼링; 현장에서 계산은 이어지지 않음 |
| 기계 고객 40곳에 화이트라벨 포털 제공 | ✅ 고객별 암호학적·데이터베이스 격리 | ⚠️ RBAC와 데이터 공유는 있으나 OEM 테넌시 모델은 없음 |
기능 비교
데이터 및 연결
| 기능 | IronFlock | TDengine |
|---|---|---|
| 시계열 저장 | ✅ 프로젝트별로 자동 생성되는 TimescaleDB 클러스터, 직접 SQL | ✅ 전용 TSDB — 매우 높은 수집, 강력한 압축, 계층형 스토리지(Enterprise) |
| 수집 성능 | ✅ 기계와 플릿 텔레메트리를 여유 있게 처리 — 하이퍼테이블, 압축, 보존 정책 | ✅ 극단적인 태그 수와 샘플링 주기에서 노드당 최대 처리량이 더 높음 |
| SQL 방언 | ✅ 완전한 PostgreSQL — 앱 간 조인, CTE, 윈도우 함수, PostGIS를 비롯한 확장 생태계 | ⚠️ 시계열 방언: 태그와 윈도우에는 강하지만 관계형 작업에는 좁음 |
| 지속 갱신되는 SQL 기반 맞춤 KPI | ✅ 구체화 변환 — 저장된 쿼리가 일정에 따라 재계산되어 보드를 실시간으로 채움 | ✅ 스트림 처리와 엘리먼트 노드의 IDMP 분석 |
| PLC 연결(S7, Allen-Bradley, Modbus, OPC UA) | ✅ 엣지 디바이스의 Industrial Collector — 사전 매핑된 설비 프로파일 카탈로그를 갖춘 단일 앱(S7과 Allen-Bradley는 얼리 액세스); 여기에 IO-Link, BACnet, MTConnect 수집기 | ✅ taosX를 통한 OPC UA·OPC DA 커넥터(Enterprise); S7이나 EtherNet/IP 네이티브 드라이버는 없음 |
| MQTT | ✅ 앱으로 | ✅ 내장 커넥터(Enterprise) |
| Kafka | ✅ 앱으로 | ✅ 내장 커넥터 |
| 데이터베이스·히스토리안 마이그레이션 | ⚠️ 앱으로 | ✅ PI System, AVEVA Historian, InfluxDB, OpenTSDB용 노코드 커넥터 |
| 의미론적 자산 모델 / 온톨로지 | ⚠️ 앱별 스키마, 앱 매니페스트에 정의 | ✅ 속성과 관계를 갖춘 IDMP 엘리먼트 트리 |
| LoRaWAN | ✅ 가상 디바이스의 ChirpStack — 통합 파이프라인 | ⚠️ 서드파티 네트워크 서버에서 MQTT로 |
| 오프라인 운영 | ✅ 디바이스가 앱을 완전히 자율 실행하고 재연결 시 동기화 | ⚠️ 에이전트 측 저장 후 전달 버퍼링만 |
| 엣지 데이터 처리 | ✅ 모든 Linux 또는 Windows 디바이스에서 완전한 연산 — 어떤 언어로든 | ⚠️ 수집 에이전트에서의 필터링과 전처리 |
| 멀티테넌트 데이터 격리 | ✅ 물리적 데이터베이스 분리 + 암호학적 렐름 격리 | ⚠️ RBAC, 데이터 공유, IP 화이트리스트(Enterprise); 고객별 테넌시 모델은 아님 |
AI 및 분석
두 플랫폼 모두 산업 데이터 위에 AI를 얹고, 둘 다 자연어로 답합니다. 차이는 답이 나온 다음입니다. TDengine은 그것을 보고하고, IronFlock은 그에 따라 움직일 수도 있습니다.
| 기능 | IronFlock | TDengine |
|---|---|---|
| 데이터에 대한 자연어 질의 | ✅ 플릿 데이터, 디바이스, 앱 전반 | ✅ IDMP 엘리먼트 트리 위의 Chat BI |
| AI가 생성하는 차트와 대시보드 | ✅ 대화 안에서 만들어 보드에 저장 | ✅ 패널 자동 추천; 플랫폼이 시나리오를 감지해 대시보드를 제안 |
| 다중 에이전트 오케스트레이션 | ✅ 기본 제공, 영역별 서브 에이전트 포함 | ✅ 사전 제작 산업용 어시스턴트 13종, 여기에 MCP를 통한 외부 에이전트 |
| 앱이 정의하는 맞춤 에이전트 | ✅ 앱과 함께 배포되는 YAML 에이전트 템플릿 | ✅ Markdown “스킬”과 의미론적 지식 베이스 |
| 피지컬 AI — 에이전트가 디바이스에서 함수를 실행 | ✅ | ❌ 설계상 읽기 중심 |
| AI가 호출 사용자의 권한으로 동작 | ✅ 모든 동작을 해당 사용자로 권한 검사 | ✅ 에이전트가 사용자 권한을 상속; 가드레일과 함께 샌드박스 |
| SQL에서의 예측 | ✅ 회귀와 계절성 예측을 스스로 최신 상태를 유지하는 저장된 변환으로 | ✅ TDgpt — 쿼리 안의 FORECAST, 뒤에 파운데이션 모델 |
| SQL에서의 이상 탐지 | ✅ 변환 SQL 안의 통계적 경계, 여기에 실시간 스트림 알람 규칙 | ✅ TDgpt 이상 윈도우 |
| 시계열 파운데이션 모델 | ⚠️ 직접 준비 — 어떤 모델이든, 컨테이너로, 디바이스나 클라우드에서 | ✅ TDtsfm과 Time-MoE 포함 |
| 엣지 ML 추론 | ✅ 어떤 프레임워크든(PyTorch, TensorFlow, ONNX) 컨테이너 앱으로, GPU 포함 | ❌ 엣지에 범용 연산 없음 |
| 외부 에이전트를 위한 MCP 인터페이스 | ⚠️ 로드맵 | ✅ 50여 가지 기능을 도구로 노출 |
| 음성 상호작용 | ✅ | ❌ |
| 자체 LLM 사용 | ✅ 모델 레지스트리, 에이전트별 모델 선택 | ✅ 주요 LLM에 연결; LLM 자체는 제공하지 않음 |
| 근본 원인 분석 어시스턴트 | ⚠️ 일반 에이전트로 | ✅ 전용 어시스턴트 |
시각화 및 대시보드
| 기능 | IronFlock | TDengine |
|---|---|---|
| 대시보드 빌더 | ✅ 브라우저의 노코드 위젯 시스템 | ✅ IDMP 패널 — 추세, 막대, 원, 게이지, 표, 지도, 산점, 상태 타임라인 |
| 대시보드 자동 생성 | ⚠️ 요청 시 AI가 생성 | ✅ 선제적 — 감지한 시나리오에 맞는 패널을 추천 |
| 다중 페이지 내비게이션 | ✅ 페이지, 사이드바, 탭, 액션·뒤로 버튼 | ⚠️ 내비게이션이 엘리먼트 트리를 따름 |
| 산업용 HMI 그래픽(P&ID) | ✅ 완전한 SCADA 심볼 라이브러리 — 펌프, 밸브, 탱크, 배관, 컨베이어 | ❌ HMI/SCADA 제품이 아님 |
| 액션 위젯(기계 제어) | ✅ 기본 제공 | ❌ |
| 데이터 저장이 되는 폼 위젯 | ✅ 기본 제공 | ❌ |
| 디바이스의 로컬 HMI | ✅ 앱이 로컬 UI를 제공하며 오프라인에서도 접근 가능 | ❌ |
| 임베드 가능한 대시보드 | ✅ | ⚠️ 플랫폼 인증 뒤에서 |
| 실시간 갱신 | ✅ WAMP로 1초 미만 | ✅ 슬라이딩·세션·이벤트·상태 윈도우를 갖춘 스트림 처리 |
| 예약 PDF 보고서 | ⚠️ 앱으로(Grafana, 자체 구현) | ✅ 보고서 생성 어시스턴트 |
디바이스 및 플릿 관리
여기서 두 제품의 겹침이 끝납니다. 디바이스 관리는 TDengine의 범위 밖이므로, 이 표의 모든 항목은 TDengine 구성에서 다른 곳에서 조달해야 합니다.
| 기능 | IronFlock | TDengine |
|---|---|---|
| 디바이스 프로비저닝 | ✅ 플래시 후 연결, 또는 OEM 사전 등록 | ❌ |
| 일괄 OTA 업데이트(OS, 에이전트, 앱) | ✅ 플릿 전체에 클릭 한 번 | ❌ |
| 디바이스 그룹화와 플릿 설정 | ✅ 디바이스 그룹, 설정, 복원력 | ❌ |
| 디바이스 앱의 실시간 로그 | ✅ 브라우저로 스트리밍 | ❌ |
| 디바이스 상태·자원·건전성 | ✅ | ⚠️ 태그로 모델링한 범위만 |
| 위치 관리와 지도 보기 | ✅ | ⚠️ 직접 넣은 좌표 데이터에 대한 지도 패널 |
| 가상 디바이스(클라우드 연산 노드) | ✅ | ❌ |
| 하드웨어 자유도 | ✅ 모든 Linux 또는 Windows 디바이스 — ARM, x86, Jetson, IPC | ✅ 에이전트는 표준 엣지 하드웨어에서 동작; 서버에는 실질적인 연산 자원 필요 |
| 플릿 전체 앱 배포와 롤백 | ✅ 릴리스 채널과 버전 고정 | ❌ |
원격 접근 및 보안
| 기능 | IronFlock | TDengine |
|---|---|---|
| 내장 터널링 서비스 | ✅ TCP, HTTP(S), UDP — VPN 클라이언트 불필요 | ❌ |
| HMI 원격 접근 | ✅ 브라우저에서 클릭 한 번 | ❌ |
| 원격 데스크톱 / SSH | ✅ VNC 터널링, 브라우저 기반 SSH와 루트 호스트 접근 | ❌ |
| 디바이스에 열린 포트 없음 | ✅ 에이전트가 바깥으로 연결 | ⚠️ 에이전트는 taosX로 바깥 연결하지만 데이터베이스 클러스터는 수신 대기 |
| 인증 | ✅ TOTP 2단계 인증을 갖춘 OIDC | ✅ SSO와 RBAC(IDMP / Enterprise) |
| 저장 데이터 암호화 | ✅ | ✅ Enterprise와 Cloud만 |
| 감사 로그 | ✅ 디바이스와 사용자의 완전한 감사 추적 | ✅ 사용자 행동 감사(Enterprise); AI 동작은 근거 사슬과 함께 기록 |
| 무료/오픈 에디션의 권한 제어 | ✅ 무료 클라우드 등급에 포함 | ❌ TSDB-OSS에는 없음 — 권한 제어는 Enterprise 기능 |
| 인증 취득 | ⚠️ IEC 62443 / ISO 27001 / SOC 2 준수를 염두에 둔 아키텍처; 인증 진행 중 | ✅ 상용 플랫폼에 대해 SOC 2와 ISO 27001/27017 명시 |
앱 개발
| 기능 | IronFlock | TDengine |
|---|---|---|
| 디바이스에 애플리케이션 배포 | ✅ Docker 컨테이너, 어떤 언어든 | ❌ |
| 확장 모델 | 앱 — 매니페스트, 위젯, 에이전트를 갖춘 컨테이너 | 커넥터, SQL, 스트림 처리, AI 스킬, MCP 클라이언트 |
| 내장 클라우드 IDE | ✅ | ❌ |
| Git 연동 | ✅ GitHub, GitLab | ❌ |
| CI/CD 릴리스 파이프라인 | ✅ 빌드와 릴리스 내장 | ❌ |
| 앱 마켓플레이스 | ✅ 개방형, 서드파티 개발자 수익화 | ❌ |
| 클라이언트 라이브러리 / SDK | ✅ REST API + Python SDK | ✅ Java, Python, Go, Rust, Node.js, C#, C용 커넥터 |
| 오픈소스 코어 | ⚠️ 무료 클라우드 등급; 온프레미스는 구독 | ✅ GitHub의 TSDB-OSS, AGPL-3.0 |
알람 및 알림
| 기능 | IronFlock | TDengine |
|---|---|---|
| 설정 가능한 규칙 | ✅ 모든 텔레메트리 스트림에 | ✅ 분석 결과가 엘리먼트에 이벤트를 발생 |
| 심각도 수준 | ✅ 치명, 주요, 경미 | ✅ 심각도에 따른 지능형 라우팅 |
| 확인과 주석 | ✅ | ✅ 확인과 에스컬레이션 |
| 이메일 알림 | ✅ | ✅ |
| SMS 알림 | ✅ 기본 제공 | ⚠️ 이메일과 Telegram이 문서화됨 |
| 알람에서 기계 조작 | ✅ 앱 함수와 AI 에이전트로 | ❌ |
가격 비교
TDengine: 5,000태그까지 무료, 이후 태그 단위 라이선스
2026년 7월부터 TDengine의 무료 등급은 플랫폼 전체 — TSDB와 IDMP, 데이터 커넥터 20종 전부, 자산 모델링, 대시보드, 분석, AI 기능 — 를 5,000태그까지, 운영 환경에서, 수집이나 쿼리 제한 없이, 체험 기한 없이 제공합니다. 태그는 지속적으로 모니터링되는 신호 하나(자산 또는 디바이스와 측정값 이름의 조합)이며 샘플링 주기와는 무관합니다. TDengine은 5,000태그를 기계 100~200대, 또는 중간 복잡도의 생산 라인 하나 정도로 봅니다. 라이선스는 무기한 무료로 갱신되지만, 활성화와 갱신에는 일시적인 인터넷 연결이 필요합니다. 알아둘 단서가 둘 있습니다. 지원은 등급에 포함되지 않는 유료 옵션이고, 함께 제공되는 TSDB에 서드파티가 쿼리로 접근하려면 별도의 상용 라이선스가 필요합니다.
5,000태그를 넘으면 라이선스는 태그 구간별, 자체 호스팅으로, 연간 또는 영구 중에서 선택하며, 고가용성 구성과 영구 라이선스의 지속 지원에는 추가 비용이 붙습니다. TDengine Cloud는 관리형 서비스로 별도 가격이 책정됩니다. AGPL-3.0의 TSDB-OSS는 정말로 무료이고 자체 호스팅할 수 있지만, IDMP도 taosX 커넥터도 암호화도 사용자 권한 제어도 없습니다.
이 모델은 명확하고 예측 가능하며, 특히 높은 샘플링 주기를 벌하지 않습니다 — 정해진 신호 집합에 대해 긴 이력을 남기는 용도에 잘 맞습니다. 다만 계측의 폭에 따라 커집니다. 새 기계의 새 측정값은 하나하나가 태그이고, 아무도 보지 않더라도 마찬가지입니다.
IronFlock: 무료 클라우드 + 온프레미스 구독
IronFlock의 클라우드 버전은 무료입니다 — 디바이스 관리, 대시보드, 데이터 저장, OTA 업데이트, 알람, 원격 접근, 앱 배포가 비용 없이 포함됩니다. 과금은 리소스 사용량을 따릅니다: 스토리지, 원격 접근 세션, 가상 디바이스, AI 사용량입니다. 태그 수 계산도, 포인트 라이선스도, 디바이스별 요금도, 필수 지원 계약도 없습니다. 자세한 내용은 가격 페이지를 참고하세요.
추가 기능은 마켓플레이스의 앱을 구매해 더할 수 있습니다 — 프로토콜 커넥터, 분석 도구, IronFlock이나 서드파티 개발자가 만든 산업별 솔루션입니다. 온프레미스 배포(에어갭 또는 사설 인프라)에는 구독 기반 라이선스를 제공합니다.
TDengine을 선택해야 하는 경우
다음이라면 TDengine이 더 나은 선택입니다:
- 데이터베이스 자체가 핵심인 경우. 부하가 TSDB 기준으로도 극단적이고 — 수백만 태그, 매우 높은 샘플링 주기, 한 클러스터에서 수년치 보존 — 범용 SQL 방언을 포기할 만큼 전용 엔진이 가치 있는 경우.
- 히스토리안이나 다른 TSDB에서 이전하는 경우 — PI System, AVEVA, InfluxDB, OpenTSDB용 노코드 커넥터가 직접 구현하는 것보다 이전 비용을 크게 낮춥니다.
- 내장된 시계열 파운데이션 모델을 원하는 경우. TDgpt는 쿼리 안에서 TDtsfm이나 Time-MoE를 실행하므로, 직접 모델을 고르고 호스팅하고 유지할 필요가 없습니다.
- 디바이스가 이미 연결되어 있고 이미 관리되고 있는 경우 — 기존 SCADA, PLC, 게이트웨이 자산이 안정적으로 데이터를 내고 있고, 빠진 것은 그것을 담을 현대적인 장소와 그 위에서 따져볼 방법뿐인 경우.
- 큰 공장에 대해 의미론적 자산 계층을 원하는 경우: 엘리먼트, 속성, 관계, 그리고 AI 에이전트가 탐색할 수 있는 디지털 트윈 모델.
- 자체 호스팅하고 들여다볼 수 있는 진짜 오픈소스 코어(AGPL-3.0)를 원하고, 작은 공장이라면 무료 등급에 무기한 머무를 선택지도 남기고 싶은 경우.
- 산업 데이터를 MCP로 외부 AI 에이전트에 노출하고, 추론은 자체 에이전트 스택에 맡기고 싶은 경우.
TDengine 대안으로 IronFlock을 선택해야 하는 경우
다음이라면 IronFlock이 더 강한 선택입니다:
- 데이터베이스만이 아니라 플릿이 있는 경우. 프로비저닝, 그룹화, OS·에이전트·애플리케이션에 걸친 OTA 업데이트, 실시간 로그, 디바이스 건전성은 현장에서 기계를 운영하는 일상 업무입니다 — 그리고 그 어느 것도 TDengine의 범위에 없습니다.
- 진짜 엣지 컴퓨팅이 필요한 경우 — 프로토콜 변환과 전달만이 아니라, 제어·비전·로컬 버퍼링·로컬 HMI를 수행하는 애플리케이션을 어떤 언어로든 기계 위에서 실행.
- VPN 없는 원격 접근이 필요한 경우 — HTTP, SSH, VNC, TCP, UDP 터널링이 플랫폼에 내장되어 모든 디바이스에 브라우저로.
- 조언에 그치지 않고 행동하는 AI를 원하는 경우. IronFlock의 에이전트는 디바이스 앱이 노출한 함수를 호출 사용자의 권한으로 호출합니다 — 즉 AI와의 대화가 설정값을 바꾸고, 공정을 재시작하고, 루틴을 실행할 수 있습니다. 뭔가 이상해 보인다고 알려주는 데서 끝나지 않습니다.
- 사업장이 네트워크가 끊겨도 계속 돌아가야 하는 경우 — IronFlock 디바이스는 모든 앱을 자율적으로 계속 실행하고, 로컬 화면을 제공하고, 데이터를 모으고, 재연결 시 정합을 맞춥니다.
- 자사 고객에게 디지털 서비스를 제공하는 OEM으로서, 단일 테넌트 공장 데이터베이스가 아니라 고객별 데이터 격리와 화이트라벨 포털이 필요한 경우.
- 앱을 만들고 수익화하고 싶은 경우 — 도메인 전문성을 컨테이너로 포장해 개방형 마켓플레이스에서 판매.
- 분석과 함께 SCADA 수준의 시각화를 원하는 경우 — 완전한 P&ID 심볼 라이브러리, 액션 위젯, 폼.
- 태그 과금이 데이터와 맞지 않는 경우. 많은 기계에 걸친 폭넓은 계측 — 대당 수백 개의 신호이고 대부분은 문제가 생겼을 때만 들여다봅니다 — 은 모든 신호가 라이선스 대상 태그가 되면 금세 비싸집니다.
- 태그에 대한 질문만이 아니라 비즈니스 질문에 답해야 하는 경우. FleetDB는 완전한 PostgreSQL입니다. 생산 수량을 서로 다른 세 앱의 품질 결과·에너지 계측값과 결합하고, OEE나 수율을 하나의 쿼리로 표현한 뒤 변환으로 저장하면, 스스로 최신 상태를 유지하며 다른 테이블과 똑같이 보드와 AI에 쓰입니다.
- 스택이 아니라 하나의 시스템을 원하는 경우. 저장, 대시보드, SCADA 그래픽, 알람, 디바이스 관리, 원격 접근, AI가 같은 플랫폼에서, 그 전부에 하나의 접근 모델로 제공됩니다 — 아래에 디바이스 계층이 여전히 필요한 데이터 계층이 아니라.
마이그레이션 경로
IronFlock은 옮겨 가는 동안 기존 TDengine 구성과 나란히 운영할 수 있습니다. 기계에서 시작하세요: IronFlock 수집기 앱이 엣지 디바이스에서 같은 PLC를 S7, Modbus, OPC UA로 읽어 FleetDB에 기록하므로, 새 대시보드와 알람과 AI 대화는 IronFlock 위에 만들어지고 기존 TSDB는 아직 그쪽을 가리키는 것들에 계속 응답합니다. 과거 데이터는 컨테이너화한 마이그레이션 앱으로 TDengine의 REST 인터페이스를 통해 한꺼번에 옮깁니다.
거기서부터 그림을 바꾸는 것은 디바이스 계층입니다 — 이전에는 태그만 보내던 그 기계들에 프로비저닝, OTA 업데이트, 원격 접근, 오프라인 운영이 더해집니다 — 그리고 태그 라이선스는 측정값을 추가할 때마다 늘어나기를 멈춥니다.
시작할 준비가 되셨나요? 무료로 시작하세요 — 디바이스를 연결하고 수 분 내에 첫 대시보드를 확인하세요.