共计 2330 个字符，预计需要花费 6 分钟才能阅读完成。
小 T 导读：从试用到正式上线的一年多里，释普科技从 TDengine 2.0 版本始终关注到 2.4。目前，释普的三款产品“监控保”、“数据宝”、“仪器保”均与 TDengine 达成了单干，不仅机器投入老本实现了显著升高，查问、存储等性能也能满足业务倒退需要。本文将分享释普科技利用 TDengine 的实践经验，供读者参考。
公司简介
释普信息科技（上海）有限公司（简称释普科技）始终以“引领实验室数智化服务”为己任，专一于实验室和公共卫生畛域，利用 AloT、物联数智平台以及人工智能技术，帮忙各行各业实验室实现平安合规、提效降本、数字化决策。公司成立于 2016 年，总部位于上海，研发核心位于杭州，并在全国多地设有分支机构，客户宽泛散布于生物医药、测验监测、科研院所、政府机构、化学化工、园区及公共服务平台、食品化妆品等行业。
我的项目介绍
为了帮忙实验室客户在数字化层面实现更精准无效的数字洞察，为客户提供更疾速的数据分析、更高效的算力反对、更轻量便捷的查问服务，释普科技借力 TDengine，在实时数据存储、高效压缩和疾速聚合查问方面获得了良好的成果。截止到 2021 年，共计 18000 个点位，80000+ 台设施，10000+ 的 SKU 化学品通过 iLabService 释普科技系列产品实现了智能化监管。
咱们通过“释普·监控保”“释普·仪器保”“释普·库存保”“释普·样本保”“释普·数据宝”5 大产品，为客户构建实验室数智化整体解决方案。现阶段综合客户应用场景以及业务布局，“释普·监控保”、“释普·数据宝”、“释普·仪器保”三款产品因为智能算法的实现须要携手 TDengine 数据库，将来将会有更多产品接入 TDengine。
作为一家迅速成长的守业企业，为了满足成长过程中客户体量一直增长的需要，为客户提供更高价值的服务，咱们综合评估了 TDengine 单机、集群的性能，加之其针对物联网场景的非凡设计，能够在物联网场景下显著升高机器的投入老本，因而咱们毫不犹豫地抉择 TDengine 进行了测试。
注：本案例中的截图次要为我司本人的设施场景，用作产品实用展现。
一、实际与成果
该环境的 TDengine 数据库服务版本为 2.2.2.15 单机模式，备份用其余形式实现。机器配置为 8C + 16G + 500G 机械硬盘。咱们依照设施的原始数据、操作状态、样本状态，离线状态四个维度创立了“超级表—子表”的数据模型。
图片“释普·仪器保”的次要性能是为客户提供设施台账治理、利用率监控、资产治理、工单治理、打算服务治理、共享预约、仪器设备盘点等仪器设备全生命周期治理。其底层逻辑是数据的采集和存储。咱们通过智能网关对实验室的设施采集数据后，通过 mqtt 发送到 EMQ 或者阿里云平台（依据客户需要），而后再通过音讯队列缓冲后，以 Java 的 RESTful 形式写入到 TDengine，而后再把数据用以监控（监控保）、展现（数据保）。
该环境目前共有数百台设施的接入，总数据量大略为 3 亿行左右，占据存储空间粗略估算为 672MB，压缩率满足咱们的预期。
“释普·数据保”的次要性能是帮忙客户整合各类数据，个性化地展示数据统计分析，以数据价值赋能决策，为实验室提供更智能的决策倡议，助力晋升实验室治理。因而，TDengine 对“数据保”的帮忙次要体现在通过 SQL 语句进行数据展现，罕用的 SQL 大抵如下：
select last_row(ts) ts, last_row(${item.measurement}) value from ilabservice.socket
select ts, min(${item.measurement}) value from ilabservice.socket
select ts, max(${item.measurement}) value from ilabservice.socket
select avg(${item.measurement}) value from ilabservice.socket
值得一提的是，在 2、3 这样的 SQL 语句中，TDengine 一开始是不反对的。过后的 SQL 不能实现 ts 和 max（）/min() 函数同时返回后果，也就是说，一次查问只能失去最大值 / 最小值，然而不能同时取到最大值 / 最小值和对应的工夫戳。
起初官网听到了用户声音后，对这个性能做了优化：在应用所有的选择函数（max/min/last/last_row 这类抉择出数据类型的函数）时，能够同时指定输入 ts 列，甚至还有其余标签列（包含 tbname），这样就能够不便地晓得被选出的值是源于哪个设施、哪个工夫了。从这一点上也能够看到，国产数据库本地服务无疑会更加贴近用户和市场，会真正通过凝听用户声音来改善产品。
目前，咱们还在开发 TDengine 在“监控保”中的利用。预计五月中下旬，客户就能通过 TDengine 实时查问设施状态表的最新数据，将体验到安全级别更高、更疾速晦涩的仪器设备运行参数、设施能耗剖析状态、环境视频监控、人员行为辨认反馈、安防治理等一体化实验室安全监控数据，在数据合规性上将会更有保障。
二、写在最初
从试用到正式上线的一年多里，咱们从 TDengine 2.0 版本始终关注到 2.4，从最后的对数据库基础架构进行学习、SQL 性能的调试、集群的高可用测试、JNI 和 RESTful 的抉择，再到间断查问、监控模块等高级性能的试用，这个过程中咱们看到了 TDengine 整个团队都在致力地让产品稳定性、功能性等各个方面变得更好，这也更加加强了咱们打造好本人我的项目的信念。
咱们置信，站在数字化智能化的时代大潮下，优良的企业和产品总会怀才不遇。
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。