共计 2076 个字符，预计需要花费 6 分钟才能阅读完成。
作者：喻东 东莞中融数字
小 T 导读：当下我国养殖企业广泛采纳传统塑料耳标 + 人工定期剖析 + 兽医现场诊断来做家畜异样预防，尽管市面上有固定摄像头、滑轨追踪摄像头、电信 NB 卡等计划，但这种形式依旧会存在家畜辨认谬误、高提早等问题，无奈做到实时监控每一头家畜。基于此，咱们利用新兴技术打造了家畜“特色采集 +AI 剖析”的 AIoT 平台，来实现家畜异样的早发现、早报警、早预防。
具体场景如下：应用 APP 提前录入采集器编号，再将采集器固定在家畜身上（耳朵、颈部、腿部等），采集器每分钟会采集 20 次特色数据，采集数据品种包含温度、流汗状况、经纬度、静止、脉搏、环境温湿度等。将采集到的数据进行边缘计算，再将汇总后果通过 4G 网络发送至云端服务器，之后云端会依据经纬度等要求获取到所对应的天气、风量等变量，联合采集器数据，AI 会综合评估出家畜以后的衰弱状况，例如是否有食欲不振、瘫坐不动、发烧趋势等。
一、架构和具体实现
与传统物联网我的项目一样，本平台对数据的写入性能有较高的要求，同时也有肯定的聚合查问需要，具体操作上写多读少，是典型的高并发写入场景。咱们之前采纳的是 MongoDB 的计划，还做了月份分表，然而进行聚合查问的效率并不高，而且也不便当，之后咱们又尝试引入 Cassandra，但应用上仍旧不够便当。
偶尔的机会下，咱们理解到 InfluxDB 和 TDengine，在搭建测试环境后对两者别离进行了测试，最终敲定 TDengine。 除了两者间接的性能差距外，TDengine 提供的表数据 TTL 机制、数据压缩、流式计算等性能也让咱们更加青眼于它。
基于超级表的设计原理，咱们将家畜的业务关联信息作为 tag，不便关联 MySQL，同时一个采集器就作为一个子表存在，采集器测点作为子表的列。
表构造别离如下图所示：图一为家畜所佩戴的采集器表，也能够认为是家畜表，其与采集器一一绑定，图二与图三则为装置在养殖场固定地位的环境温湿度表，此外还有存储原始报文数据的表等，就不在此一一列举了。
图 1
图 2
图 3
目前我司的所有物联网数据表都是基于 TDengine 超级表设计的，针对外围的家畜超级表，其关联的 tag 会比其余表更多一些。须要留神的是，为了保障 TDengine 中 tag 与 MySQL 统一，每当业务中批改了家畜的根本属性，也须要同步执行 tag 批改操作。
这种表设计不便咱们追溯可能呈现的解决延时等问题，表中的 collect_time 为采集工夫，insert_time 为数据落盘工夫，如果两者的时间差较大，则可能就呈现了网络差、采集器故障、服务端吞吐量不够等问题，此时就须要排查下起因了。
家畜数据采集到数据落盘的全流程如下图所示，通过采集器采集到的数据通过 4G 网络上报，由设施网关初步解决数据并推送至 MQ，晋升吞吐量，之后传输给消费者，最终落盘到 TDengine。
二、数据迁徙和实际效果
因为咱们之前应用的是其余数据库，更换新的数据库时会产生数据迁徙的操作，具体迁徙步骤如下：
- 新产生的采集器数据别离写入 MongoDB 和 TDengine，即一份数据写两份，旧数据查 MongoDB，新数据查 TDengine，以便呈现问题后能及时解救；
- 逐渐将历史数据格式化导入到 TDengine；
- AI 剖析的数据源由 MySQL 数仓改为 TDengine。
在迁徙过程中咱们也遇到了一些小问题，次要有两点：
- 因为此前应用的是 MySQL+MongoDB 的计划，所有 MongoDB 的语句都得改写为 TDengine 的 SQL，而 TDengine 的语法尽管靠近 SQL，但细节局部区别却不少，不过也并不是大问题，适应之后就好了。
- 因为我司的服务比拟多，起初我有思考做一个中间件来提供给零碎内的其余服务做数据查问，但因为 TDengine 是一个较新的开源我的项目，因而最终还是应用传统的形式：波及到了物联网数据调用的服务全副自行连贯 taos，在迁徙运行稳固后再做整合。
迁徙之后的成果也非常明显，咱们在应用 MongoDB 时，自建集群是应用了 6 台 4 核 32G 机器， 迁徙到 TDengine 之后，自建集群仅应用了 2 台 8 核 32G 机器，在老本上有显著降落。
在性能的具体表现上，我模仿了 6000 多个采集器的数据，表数据共计约三亿条。我司大部分查问都是基于子表，仅局部业务须要查看聚合操作。对超级表做 group by+last_row() 查问时，能在 1.5s 内返回数据，对子表做查问在 0.1 秒左右（select from son_table limit 10），能够满足业务要求。
三、写在最初
随着物联网、人工智能等新兴科技的倒退，AIot 曾经是个不可漠视的大趋势，而计算环节往往少不了数仓，但在需要不简单的产品中或者能够节俭掉这一步，某种意义上，TDengine 提供的流式计算和高性能的查问，也帮忙咱们在肯定水平上省掉了不少两头步骤，达到了降本增效的后果。
当初 TDengine 在老本管控和性能晋升方面所带来的成果曾经很突出，如果其可能在将来某个版本反对与模型之间的调用并间接输入后果，那可就太完满了！
✨想理解更多 TDengine 的具体细节，欢送大家在 GitHub 上查看相干源代码。✨
