车联网时序数据库
目前解决方案存在的问题
传统数据库在处理大量车联网产生的时序数据时，由于缺乏有效的数据压缩和存储机制，会导致存储空间迅速膨胀，从而增加了存储成本。
传统数据库在处理大量车联网产生的时序数据时，由于缺乏有效的数据压缩和存储机制，会导致存储空间迅速膨胀，从而增加了存储成本。
应用往往需要实时或近实时的数据处理能力，以便快速响应变化和紧急情况。而传统数据库在数据写入和查询可能无法满足实时性要求。
为了处理车联网数据，可能需要构建复杂的数据处理架构，包括数据收集、存储、分析等多个环节，增加了系统的复杂性和维护的难度。
复杂的系统架构导致开发人员可能需要学习和掌握多种技术和工具来处理这些数据，这无疑增加了学习成本。
复杂的系统架构，导致车联网数据平台可能缺乏灵活的 API 接口和标准化的数据交换格式，这使得与第三方应用的集成变得复杂和困难。
架构图
TDengine 解决方案的优点
TDengine 针对时序数据的特点进行了优化，其数据插入和查询的性能比通用大数据平台高出 10 倍以上。
由于高效的压缩和多级存储，TDengine 在存储时序数据时占用的空间远小于传统解决方案。
内置流计算、数据订阅、缓存等功能，减少了对其他大数据组件的依赖，如 Kafka、HBase、Spark、Redis 等。
简化的架构和高性能使得研发和运营成本大幅减少。
TDengine 具备强大的弹性伸缩能力，能够处理不同规模的车联网数据处理需求。
换电站
- 14810 k/s 读取，880k/s 写入
- 引入超级表管理子表
- 多级存储，降低成本
- 不依赖任何第三方软件，集群安装方便，支持灵活扩容
- 提供多种聚合函数
为了给用户提供更好的补能体验，蔚来能源在加电基础设施上进行了大量的投入，截止 2021 年底，已经在全国各地布局了换电站 777 座，超充桩 3,404 根，目充桩 3,461 根，为用户安装家充桩 96,000+ 根。为了对设备进行更高效的管理，需要将设备采集数据上报至云端进行存储，并提供实时数据查询、历史数据查询等业务服务，用来做设备监控和分析。
车联网实时信号
- 解决使用数据重复解析问题
- 列式存储，支持 SQL，提高业务灵活性
- 提升 10～20 倍压缩性能，节省存储成本
- 入库性能高，解决以前 Hbase 入库不及时的问题
浙江零跑科技股份有限公司(leapmotor)作为一家科技型企业，是国内极少数拥有智能电动汽车完整自主研发能力并掌握核心技术的新能源汽车厂家。一直以来，在数据存储上零跑的选择都是 MongoDB 和 HBase，但是随着业务的加速扩张，写入速度太慢、支撑成本过高等问题也逐渐显现。
云端基础平台
- 每次数据上报都包含时间戳，这是典型的时序数据场景
- 有效支撑极氪在数据管理和分析上的需求
- 处理大规模数据时的高效读写性能和水平扩展能力
随着极氪汽车销量的快速增长和业务的不断扩张，车机和智能座舱等产生的数据量呈爆炸式增长。极氪在设计研发新一代车联网云端基础平台时，经过充分的对比选型，参考国内外主流系统架构，最终选择应用 TDengine 构建云端基础平台。基于 TDengine 的云端基础平台将有效支撑极氪在数据管理和分析上的需求，特别是在处理大规模数据时的高效读写性能和水平扩展能力，为后续新车和其他车型的大规模接入提供了有力保障。
应用场景
实时监控车辆的状态，如速度、位置和运行状况。
分析时序数据以预测车辆的维护需求。
评估驾驶员的行为模式，提高安全性。
监测和优化车辆的能源消耗。
存储和查询车辆的历史轨迹数据。
处理车辆事件触发的数据，如碰撞或异常移动。
提供车辆状态的实时更新和警报。
实时处理和分析车辆数据流。
为车企提供数据管理和分析上的支持.
