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
时序数据库 TDengine 用户主要来自物联网、工业互联网、车联网、物流、IT运维监测、电力、智慧城市、智慧矿山等领域。
IT 运维监控场景下 TDengine 应对海量时序数据的用户实例分享
本文优选出几大 IoT 项目的数据架构改造实践。
基于对 TDengine 的定义和理解,笔者将会在本篇文章中从 TDengine 能解决什么问题、它的优势与亮点、它与其它数据库的区别等维度展开详述,希望能帮助到对 TDengine 感兴趣的小伙伴。
本篇文章汇总了三大钢铁行业数据治理场景下的数据架构升级方案,供有相关业务需求的开发者参考。
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。
一些煤矿企业已经开始进行数据架构转型实践,也取得了一些进展,值得一提的是,时序数据库(Time Series Database)在其中发挥了重要作用。本文将这些案例进行了相关汇总,供读者参考。
对于物流企业来说,如何高效地记录和处理车辆的轨迹信息、应对每天海量监控数据的采集和处理工作,对于项目整体的交付效率至关重要。诸多物流企业开始寻求数据架构的变革,特别是选择符合业务需求的时序数据库产品,本篇文章汇总了国内四家大型物流公司的工业大数据架构改造实例,给到读者参考。
在应对海量时序数据处理需求时,如关系型数据库、工业实时库、Hadoop 大数据平台在内的传统数据库解决方案问题重重,严重阻碍数字化进程。在此背景下,一些企业开始尝试进行数据架构改造,选择适合的时序数据库产品。
为了帮助一众金融企业寻找到合适的数据库解决方案,我们汇总了几个比较有代表性的企业客户案例,希望他们的相关实践经验应该能够给到行业从业者一些解决思路。
在应对车联网场景下时序数据的存储时,企业大多选择的都是 MongoDB 或 Apache HBase,随着业务的加速扩张,写入速度太慢、支撑成本过高等问题逐渐显现。本文将会从四个典型的车联网案例出发,给到你数据架构升级思路。