双重调研测试后,OPPO IoT 类产品开始接入 TDengine
在 OPPO 的穿戴产品的手环/手表类业务中,产生的数据类型为时序数据,具有写入量巨大且存在离线/历史数据补录(更新)的处理需求。此前使用的 MongoDB/MySQL 集群方案,后端存储压力较大,需要经常扩盘,针对此痛点,OPPO 云计算中心智慧物联云团队尝试调研对比了几款时序数据库(Time-Series Database)产品,试图寻找一个降本增效的解决方案。
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。
在 OPPO 的穿戴产品的手环/手表类业务中,产生的数据类型为时序数据,具有写入量巨大且存在离线/历史数据补录(更新)的处理需求。此前使用的 MongoDB/MySQL 集群方案,后端存储压力较大,需要经常扩盘,针对此痛点,OPPO 云计算中心智慧物联云团队尝试调研对比了几款时序数据库(Time-Series Database)产品,试图寻找一个降本增效的解决方案。
在 58 同城的驾考业务上,需要存储分析驾校教练车传感器产生的数据,这是典型的时序数据场景,开发人员对原有的 TiDB 性能并不是很满意,因此 DBA 团队开始调研更具针对性的时序数据库。基于自身的业务需求,他们在 6 款时序数据库中选择了 TDengine Database,在经过深入的调研测试之后,开始部署实践,最终业务痛点问题得到了解决。
在柳工的工业车联网应用 LiuGong iLink 中,由于应用层不合理的复杂查询和历史数据的高频写入,导致 MySQL 处理速度缓慢,甚至容易宕机,严重影响了用户体验。在此背景下,柳工决定改用 TDengine Database 来处理时序数据,本文分享了他们的改进效果与实践经验。
从试用到正式上线的一年多里,释普科技从 TDengine 2.0 版本一直关注到 2.4。目前,释普的三款产品“监控保”、“数据宝”、“仪器保”均与 TDengine 达成了合作,不仅机器投入成本实现了显著降低,查询、存储等性能也能满足业务发展需求。本文将分享释普科技应用 TDengine 升级实验室仪器、监控智能制造方案。
酷哞哞与 TDengine Database 结缘于 2019 年,在其工业互联网设备上云解决方案中,选择了 TDengine 作为数据平台,以满足海量工业数据存储和分析的需求。本篇文章解读了 TDengine 在此方案中的具体应用。
面对海量的车载轨迹数据,四维图新数据存储面对非常大的压力——每分钟的轨迹数据大概有 2000 万条记录,他们此前使用的 Elasticsearch 存储方式不仅造成了严重的物理资源浪费,还存在查询瓶颈,所以急需转换数据存储中间件。本文讲述了四维图新在数据库选型测试、搭建与迁移等方面的相关实践经验。
此前,韵达使用 MySQL 分区+索引处理订单数据的方式遭受到了挑战,面对每日亿级的数据量,MySQL 显然已经无法满足当下的数据处理需求。为更好地发展业务,在此基础上韵达新增了 TDengine 的数据源,用专业的数据库来进行时序数据的处理。
目前,北明天时已经在热网监控和能源数据系统上应用了 TDengine Database,相比于 MySQL,在存储和查询上都获得了显著提升。在其他项目中,他们也正在加速 TDengine 对其他数据库产品的替代。本文中北明天时分享了关于 TDengine 的应用实践,以供参考。
随着智慧城市的加速建设,物联设备的管理问题凸显,数字政通研发“城市管理物联网平台”对物联网设备实行监督,通过鸟瞰整体数据来发现设备问题,便于及时派单处理。面对海量物联网数据的处理,TDengine Database 的高效存储给了数字政通相当大的助力。
对于青岛协同创新金融研究院来说,一直打交道的交易记录、价格等数据均为时序数据,在选择数据库(Database)时,TDengine “一个设备一张表”的设计吸引了他们的目光。目前 TDengine 已经在其生产系统中稳定运行了 38 周。本文总结了他们在选型、搭建等方面的所思所想,以及应用 TDengine 之后所取得的效果。