技术支持

对于物流企业来说，如何高效地记录和处理车辆的轨迹信息、应对每天海量监控数据的采集和处理工作，对于项目整体的交付效率至关重要。诸多物流企业开始寻求数据架构的变革，特别是选择符合业务需求的时序数据库（Time Series Database，TSDB）产品，本篇文章汇总了国内四家大型物流公司的数据架构改造实例，给到读者参考。

随着 TDengine 这款时序数据库（Time Series Database）在各个领域应用的越来越广泛，很多用户选择将 Grafana 与 TDengine 配合使用，以可视化的方式监控各项指标的运行状态。为了让用户更便捷地组合使用 TDengine+Grafana，我们不仅对 TDengine Grafana 插件进行了改造升级，还推出了基于 Grafana 的零依赖监控解决方案 TDinsight。

为了在数据采集项频繁变动的情况下保证用户仍然能够顺利地完成数据记录工作，TDengine 提供了三种无模式写入协议。本文将对无模式写入方式的主要处理逻辑、映射规则与变更处理等进行分析，便于用户理解与使用。

事实证明，在时序数据场景下，无论是在存储空间、写入速度还是查询性能等各方面，TDengine 都存在数量级优势。

用户在做时序数据库的选型调研时，通常要进行环境模拟测试，以观察所选数据库的性能优劣和成本损耗情况。为方便用户，TDengine 官方提供了一款名为 taosBenchmark 的测试工具，本文将会详细讲解其使用方式，供读者参考。

大家都知道 TDengine 3.0 是一款高性能、云原生的分布式时序数据库（Time Series Database），甚至可以支持十亿级别的表数量，因此它的元数据量是十分庞大的。那么如果使用了事务，会不会影响 TDengine 的高性能呢？