海量数据监控如何选择存储方案? 看转转、得物这些企业是怎么做的
IT 运维监控场景下 TDengine 应对海量时序数据的用户实例分享
IT 运维监控场景下 TDengine 应对海量时序数据的用户实例分享
兴盛优选需要通过实时产生的数据来判断设备是否工作、检测通讯是否延时、观测 SNMP OID 流量是否正常等,从而保障运维与网络人员及时发现问题并修复。为高效处理各类时序数据,保障服务的稳定运行,在对比了 Elasticsearch、InfluxDB 和 TDengine 三款产品之后,他们选择并落地了 TDengine。
除了要对几千台摄像头进行数据采集加在线检测,苏州大学还有 1500 多台交换机和 4000 多台服务器,在数据库的选择上,它需要在扛住如此大量设备 24 * 7 高频长期写入的同时,还要确保相当出色的查询效率。从 PostgreSQL 到 TDengine,本文分享了江苏纵目在面对业务难点时,在数据库的选择、应用和成效方面的经验。
聚焦到实际效果上,TDengine 数据写入性能很强。原本我们的单套存储系统需要 10 多台高配机器,IO 平均 30% 最高 100% 的情况下才能写完数据;现在只需要 7 台机器,并且 CPU 消耗在 10% 左右、磁盘 IO 消耗在 1% 左右,这点非常的棒!
整体压缩比在7-8倍,数据查询也实现秒级响应。
每秒钟需采集22050条数据,如何修改TDengine默认时间精度?
TDengine Database的写入性能高、并发高、查询时延极短;整体集群采用分布式架构,可靠性、稳定性、数据完整性满足项目需求。