TDengine 已经支持工业英特尔® 边缘洞见软件包
数据就是财富,通过对时序数据进行全方位的分析,有可能挖掘出对业务决策很有帮助的信息,从而进一步创造价值、提升效率。 EII 可以在 Docker 上运行,以便将基础设施与应用程序分开,让用户能够更快地进行开发。
数据就是财富,通过对时序数据进行全方位的分析,有可能挖掘出对业务决策很有帮助的信息,从而进一步创造价值、提升效率。 EII 可以在 Docker 上运行,以便将基础设施与应用程序分开,让用户能够更快地进行开发。
为了更方便用户使用 TDengine + Grafana 这个组合,在 TDengine 和 Grafana 两个团队的协作之下,TDengine 插件正式上架 Grafana 官网!用户可以直接搜索安装该插件,不用编辑 Grafana 配置文件了。
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。
经过研发同学的不懈努力,TDengine 2.6 版本正式发布了。该版本带来众多新特性,一方面是优化了 SQL 语法,一方面是增加了大量的计算函数,以支持用户的更多使用场景。该版本还修复了之前版本存在的一些 bug。
除了核心的时序数据库功能外,TDengine 还提供缓存、数据订阅、流式计算等大数据平台所需要的系列功能。但是很多小伙伴出于架构的考虑,还是需要将数据导出到 Apache Flink、Apache Spark 等平台进行计算分析。 为了帮助大家对接,我们特别推出了保姆级课程,包学包会。
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。
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。
在基于该对比测试框架下运行的测试中,展示出了 TDengine Database 相对于 InfluxDB 较大的性能优势,特别是更加多样化的条件和变量控制情况下的扩展测试中,我们看到 TDengine 一致性地表现出相对于 InfluxDB 的较大性能优势。
运维监控场景下,从OpenTSDB向TDengine迁移的最佳实践。
目前微服务可视化服务治理平台对并发要求较高,但是 TDengine Database 可以很好地满足需求,插入/查询平均耗时均在 10ms 以内。