青岛的网站建设公司哪家好,久久建筑网站内搜索,WordPress养老院主题,wordpress的插件下载在工业领域#xff0c; 生产、测试、运行阶段都可能会产生大量带有时间戳的传感器数据#xff0c;这都属于典型的时序数据。时序数据主要由各类型实时监测、检查与分析设备所采集或产生#xff0c;涉及制造、电力、化工、工程作业等多个行业#xff0c;具备写多读少、量非常…在工业领域 生产、测试、运行阶段都可能会产生大量带有时间戳的传感器数据这都属于典型的时序数据。时序数据主要由各类型实时监测、检查与分析设备所采集或产生涉及制造、电力、化工、工程作业等多个行业具备写多读少、量非常大等典型特性。如 Apache HBase、MySQL 等互联网公司常用的数据库在写入、存储、查询、运维等方面都暴露出了诸多问题。这种情况下从业务发展的角度出发数据架构改造成为了当务之急。本文汇总了包括西门子、美的、拓斯达、和利时在内的四家比较具有代表性的工业企业的架构改造案例一起来看看他们都是如何做的改造效果是否达成了预期。西门子 x TDengine“从高性能、高可用、低成本、高度一体化几个目标出发我们发现 TDengine 正好符合产品重构所有的要求尤其是低成本和高度一体化这两个点这是目前绝大部分数据平台或时序数据库都不具备的。在确定选择 TDengine 作为系统的数据库后我们在 SIMICAS® OEM 2.0 版本中移除了Flink、Kafka 以及 Redis系统架构大大简化。”业务背景SIMICAS® OEM 设备远程运维套件是由 SIEMENS DEDS DSM 团队开发的一套面向设备制造商的数字化解决方案。在其 1.0 版中团队使用了 Flink Kafka PostgreSQL Redis 的架构因为引入了 Flink 和 Kafka导致系统部署时非常繁琐服务器开销巨大同时为了满足大量数据的存储问题PostgreSQL 中不得不做分库分表操作应用程序较为复杂。这种情况下如何降低系统复杂度、减少硬件资源开销帮助客户减少成本成为研发团队的核心任务。在调研过程中TDengine 脱颖而出。架构图点击案例查看更多技术细节美的 x TDengine“当前TDengine 主要被应用于中央空调制冷设备的监控业务中作为先行试点这一场景已经取得了不错的效果。在楼宇智能化方面我们也有很多工作要做从边缘侧的监控、到指令控制、再到边云协同的一体化服务我们会在这些场景中继续探索和挖掘 TDengine 的潜力。”业务背景在 2021 楼宇科技 TRUE 大会上美的暖通与楼宇事业部首次发布了数字化平台 iBuilding以“软驱硬核”方式赋能建筑行业。作为一个全新的项目iBuilding 在数据库选型上比较谨慎分别对比了关系型数据库Relational Database以及主流的时序数据库Time Series Database包括 InfluxDB、TDengine、MySQL 等因为在需求上更偏向于高效的存储和大范围时间的数据拉取iBuilding 在综合评估了适配、查询、写入和存储等综合能力后最终选择了 TDengine。架构图点击案例查看更多技术细节拓斯达 x TDengine“运行一段时间后TDengine 的查询、写入速度完全可以满足我们目前的客户需求最慢的分钟级最快的能达到 1 秒一条一个设备一天最多能写入近十万条数据近千个设备同时写入也完全没有问题相较于之前写入速度提升了数十倍。查询数据在以月为单位的时间范围内也没有过于明显的延迟整体的数据压缩比大概是 1/10目前每天产生的数据量在数 G 左右。”业务背景在拓斯达的业务中传统的关系型数据库已经无法高效处理时序数据在加载、存储和查询等多个方面都遇到了挑战主要问题包括写入吞吐低、存储成本大、维护成本高、查询性能差。为了更好地满足时序数据的处理需求拓斯达开始进行数据库选型调研他们发现TDengine 专为时序数据库所打造和优化的写入、存储、查询等功能非常匹配工业传感器数据的应用分析场景最终其使用 TDengine 搭建了新的数据处理架构。架构实现思路通过网关采集设备数据推送到 MQTTJava 后端监听到后会写入 TDengine在后端按需求查询处理后再把数据返回给前端。具体来说网关会先读取后台发布的上行规则在采集到设备数据后使用上行规则对数据进行处理计算后再将结果返回给下行规则模块后台监听到后会连接 TDengine 进行数据库表的创建修改和数据写入。之前在云平台拓斯达使用过 Kafka 进行数据的发布订阅现在所有环境都改为 MQTT 了。点击案例查看更多技术细节和利时 x TDengine“在测试阶段我们发现同等条件下TDengine 的压缩率最高数据占用的存储空间最小在原始数据查询上OpenTSDB 最慢TDengine 与 HolliTSDB 在伯仲之间在聚合查询操作上TDengine 最快HolliTSDB 的速度和 InfluxDB 相当OpenTSDB 最慢。同时InfluxDB 只能单机部署集群版本并未开源且查询性能存在瓶颈其 QPS 约为 30-50。”业务背景在物联网场景下面对庞大的时序数据处理需求Oracle、PostgreSQL 等传统关系型数据库越来越吃力因此和利时开始进行时序数据库的选型对包括 InfluxDB、OpenTSDB、HolliTSDB和利时自研时序数据库和 TDengine 在内的四款时序数据库进行了选型调研及相关测试。测试结果显示在同等条件下TDengine 在查询、存储等方面均优于其他几款数据库最终和利时决定接入 TDengine以享受更多元的本地化支持和响应。架构图点击案例查看更多技术细节结语从以上案例中不难看出在工业互联网场景下面对庞大的时序数据处理需求专业的时序数据库显然比传统的关系型数据库效果更加明显上述企业案例在架构改造之后确实达到了更高程度的降本增效。如果你有同样的困扰欢迎添加小T微信可以邀请你进入TDengine 用户交流群和专业的解决方案架构师点对点沟通。想了解更多TDengine Database的具体细节欢迎大家在GitHub上查看相关源代码。
