共计 1984 个字符，预计需要花费 5 分钟才能阅读完成。
小 T 导读：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，在数据库的抉择上，它须要在扛住如此大量设施 24 * 7 高频长期写入的同时，还要确保相当杰出的查问效率。从 PostgreSQL 到 TDengine，本文分享了江苏纵目在面对业务难点时，在数据库的抉择、利用和功效方面的教训。
企业简介
苏州大学（Soochow University），简称“苏大”，坐落于漂亮的江苏省苏州市，是教育部与江苏省人民政府共建高校，国家“双一流”建设高校，国家“211 工程”、“2011 打算”首批入选高校，前身是 1900 年开办的东吴大学，是中国最早以古代大学学科体系举办的大学。
我的项目介绍
作为一所重点高校，苏州大学具备规模较大的 IT 基础设施及利用零碎，资源压力大，网络故障波及用户数量多。为保障全校零碎以及网络、服务器硬件、操作系统的可用性、可靠性和安全性，学校必须建设标准且全面的运维管理体系。 在此背景下，咱们江苏纵目与苏州大学与发展技术单干，打造了苏州大学智慧运维治理平台 。
该业务场景面临着以下难点：
- 资源设施类型、品牌、版本繁冗，各厂商协定区别大，人员教训无奈全笼罩，原厂难以及时响应。
- 业务利用、服务与资源的关联关系简单，问题定位工夫远超过解决问题的工夫。
- 不足事先运维的无效工具，零碎网络异样会波及各部门 / 院系师生的教学工作的发展，被动解决负担重，导致业务部门投诉。
海量设施数据的存储和查问问题首当其冲
对于这样一个规模较大的 IT 基础设施及利用零碎来说，解决问题自身并不难，难的是如何高效地解决小问题、迷信地预防大问题、迅速地定位问题的根本原因。就从监控数据层面来说，如果想对设施进行 24 * 7 不间断监控的话，那么海量的设施数据存储和查问对于 Database 的压力将会十分大。
苏州大学有几千台摄像头，光摄像头的数据采集加在线检测的数据量就曾经很大了，更别提还有 1500 多台交换机、4000 多台服务器，在数据库的抉择上，它须要在扛住如此大量设施 24 * 7 高频长期写入的同时，还要确保相当杰出的查问效率。
此前，咱们应用的是 PostgreSQL 数据库单机版，因为是关系型数据库（Relational Database），在该时序数据的场景下数达到亿级数据量时，查问剖析提早会达到大几秒，压缩率上也不太现实（后文会有理论比照），无奈撑起一个全域一体化运维监控平台的继续运行。
数据的存储与读写是所有业务的根基，因而数据库选型这个环节尤为重要。早在此前，咱们就针对此类业务对时序数据库（Time Series Database）做了充沛的调研与实测。其中 TDengine 作为一个专为物联网、车联网、工业互联网、运维监测等优化而设计的时序数据库，非常符合该场景。最终咱们抉择将 TDengine 集成到咱们自研且专用于监控时序数据的 Argus 平台中 https://zmops.com。
理论利用与成果剖析
其实，从 2020 年开始，咱们就开始关注和接触 TDengine 了，很开心最终修成了正果，在应用 TDengine 对 Argus 平台进行全面降级后，不论是查问效率、剖析性能还是磁盘占用，都失去了质的晋升。
在将 TDengine 作为平台时序数据永恒存储之后，各项性能都合乎甚至超出了咱们的预期：
脚到实际上，咱们是在一台 4C 16G 机械硬盘规格的服务器上落地了该我的项目，应用单列模型建表，针对每个数据类型的指标都创立一个子表，并用一个超级表来对立治理。以后， 子表数量曾经达到四十多万张，轻松达成了数十万级指标的实时监控 。
在写入层面，因为各个设施采集频率不太一样，每秒钟大略写入 6000 多行，这对于 TDengine 来说毫无压力， 咱们通过官网测试工具 taosBenchmark，在本人的虚拟机上都能跑出每秒写出数百万测点的问题 。
目前，咱们的数据存储周期（keep 7 天）为一周，TDengine 所蕴含的数据量如下：
以下为用作比照的 PostgreSQL 中的数据量。
能够看到，TDengine 存储的大略 2 亿行数据，理论占用存储空间不过 2 GB。（注：Vnode2 是 log 库所占用的空间，即 TDengine 用于外部监控而自带的数据库），比起 PostgreSQL 占用的超过 200GB 的空间，简直能够忽略不计。
在查问上也是一样，针对性能详情页的指标查问，PostgreSQL 的很多查问都须要几秒返回后果，而 TDengine 都是毫秒级别 。
写在最初
当下，因为咱们的重点业务是实时监控，所以对历史数据还没有那么高的平安优先级，但后续业务会波及到对此前的监控进行复盘，咱们将会降级到 TDengine 集群版来确保数据的高可用。总而言之，从以后的利用状况来看，TDengine 适配十分顺利，为咱们的零碎提供了十分大的助力。
想理解更多 TDengine Database 的具体细节，欢送大家在 GitHub 上查看相干源代码。