共计 2289 个字符，预计需要花费 6 分钟才能阅读完成。
在车联网场景中，智能车辆会通过各类传感器定时采集车身状态信息，比方行驶速度、发动机转速、轮胎压力值、里程数等，此外，还会由某个事件触发产生车辆事件数据，比方门锁上防、撤防、车辆碰撞、异样挪动等，在每次上报数据时都会带有工夫戳，这是十分典型的时序数据场景。在这类场景下，高写入、高压缩率、疾速查问是对于数据处理最根本的要求。
但始终以来，在应答车联网场景下时序数据的存储时，企业大多抉择的都是 MongoDB 或 Apache HBase，这两大数据库技术绝对更加成熟，在业务规模尚未扩张之前，因为设施不多、数据量不大，加上查问场景繁多，尚且能够满足业务需要。随着业务的减速扩张，写入速度太慢、撑持老本过低等问题也逐步浮现。本文将会从四个典型的车联网案例登程，给到你数据架构降级思路。
TDengine x 大疆车载
“在大疆车载以后的云端平台中，TDengine 的利用不仅节约了存储老本和开发学习老本，同时也体现出了很好的写入读取性能，满足了智能驾驶云端平台海量时序数据的解决需要。在查问方面，不论是抉择特定数据的查问还是轻量的查问，都是毫秒级返回数据。”
业务背景
因为以后的智能驾驶业务还是新的业务场景，所以大疆车载在选型上的历史累赘绝对较轻。在数据库选型要求上，从业务需要登程，次要聚焦在两点：首先，联合当下的业务场景，须要满足单台车辆的高频音讯上报频率；其次，反对在数据量大的时候，通过聚合函数，或选择函数来疾速筛选出须要的数据。此外，对数据库要求反对集群部署的同时，也要求更低的查问语句编写上手难度；而且需反对单表千万量级，在海量数据并发场景下，须要有较高的统计报表能力和较好的查问 SQL 效率。
架构图
点击案例查看更多技术细节
TDengine x 蔚来汽车能源
“在实际效果上，革新实现后，查问速度晋升显著，从应用 HBase 查问单设施 24 小时数据的秒级返回，到应用 TDengine 查问查问雷同数据的毫秒级返回；每天增量数据占用的存储空间相当于原来应用 HBase 时的 50%；集群计算资源老本相比应用 HBase 节俭超过 60%。”
业务背景
为了给用户提供更好的补能体验，蔚来能源在加电基础设施上进行了大量的投入，须要对设施进行更高效的治理——将设施采集数据上报至云端进行存储，并提供实时数据查问、历史数据查问等业务服务，用来做设施监控和剖析。在业务诞生之初，其用作数据存储的选型是 MySQL + HBase，MySQL 存储设备最新实时数据，HBase 存储设备原始数据。随着换电站和超充站等设施在全国的疾速布局，设施数量持续增长，积攒的数据量越来越多，长时间跨度数据查问效率呈现瓶颈，再加上查问场景不断丰富，HBase 曾经无奈满足以后业务须要（具体痛点问题见下方案例链接）。
测试论断
采纳批量写入数据形式，调整适合的单批次数据量大小，应用单机部署（8 核 32 GB，500 GB 存储）默认配置的 TDengine 服务，RESTful API 写入形式，在 4k 并发流量下写入没有问题，同时生产积压数据时峰值达到 7 k/s，因为单条音讯蕴含信息量太大，理论解决中会拆分为 30 条写入 TDengine，所以理论写入 QPS 为 210 k/s，比满足同样数据流量的 HBase 集群规模要小不少，能够节省成本，再加上 TDengine 自身部署不依赖其余三方软件，也能够同时节俭运维老本。
架构图
点击案例查看更多技术细节
TDengine x 零跑汽车
“在利用 TDengine 后，不必再像 MongoDB 一样，在查问前须要依据业务加工出需要数据；入库性能高，解决了以前 HBase 入库不及时的问题，能够用更少的服务器资源入库更多的数据，节俭更多老本。同时，TDengine 高压缩的算法能晋升 10 到 20 倍的压缩性能，升高了存储压力和老本。”
业务背景
始终以来，在数据存储上零跑汽车的抉择都是 MongoDB 和 HBase，然而随着业务的减速扩张，写入速度太慢、撑持老本过低等问题也逐步浮现（具体痛点问题见下方案例链接）。从降本增效的角度思考，零跑决定在 C11 新车型上试用下其余的数据库，在剖析数据特点后，最终确定采纳时序数据库（Time-Series Database）。
架构图
点击案例查看更多技术细节
TDengine x 现实汽车
“通过跟涛思官网人员进行深刻业务封闭式测试，TDengine 的性能超出预期，性能比 InfluxDB 要强出许多，两级存储架构设计（行存与列存）很棒，TTL 和标签机制对业务通明，具备极其优良的高并发写入和数据压缩能力，极大升高了业务老本和业务压力。因而咱们决定从 TiDB 迁徙至 TDengine。”
业务背景
在现实汽车的信号上报业务中，须要将标记工夫戳和采集点的信息，通过云端写入到后端数据库中，有肯定的聚合查问需要。这是典型的高并发插入场景，写多读少，之前的零碎用的是 MongoDB，起初因为 MongoDB 的局限性，其将业务迁徙到了 TiDB，不便进行扩缩容。但在迁徙到 TiDB 之后，在目前应用百度云 SSD 虚拟机的状况下，TiDB 集群纯写入性能并不能达到业务冀望预期（HTAP 场景数据库对纯高并发写入反对不好，与该业务场景的适配性不高），须要一直的资源扩容（具体痛点问题见下方案例链接）。
应用老本对照表
点击案例查看更多技术细节
写在最初
随着业务的一直倒退，车联网场景下数据量之大难以想象，如果没有一款可能实现高效存储的数据库，服务器老本会十分的高。术业有专攻，在适合的时候抉择适合的数据库是反对业务倒退的要害，从数据处理需要和特点登程，时序数据库无疑是最佳抉择。
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。
