一篇全掌握!TDengine 在能源、电力、汽车、物流、工业制造等十大行业应用合集

伴随着产品的六载创新与发展,TDengine 的全球用户实例以日增 500 例在持续扩大。截至 2024 年初,TDengine 全球运行的实例数已经超过了 46 万,在物联网、车联网、工业互联网等多个领域都有了广泛的应用,越来越多的企业和组织选择使用 TDengine 作为其实时数据存储和分析解决方案,以应对数字化转型大潮下的数据处理难题。

一直以来,用户和开发者的“声音” 都在陪伴着 TDengine 的成长,来自各行各业的客户案例以文字的方式被记录下来,沉淀到了 TDengine 的官网和媒体矩阵上,包括京东云、货拉拉、中节能风电、和利时、陕西煤矿、蔚来能源、同程旅行、亿咖通、58同城、西门子、美的、中通、顺丰等众多行业头部企业。在应用 TDengine 改造或搭建现有数据架构后,这些企业项目均获得了不同程度地降本增效,而这些来自用户的声音也成为推动着 TDengine 不断前进的新鲜燃料。

为了便于读者查阅与自身所在行业相关的企业实践,我们在 2022 年便开始以行业为坐标整理案例合集,将此行业中标杆企业的数据架构改造经验进行汇总,给到有需要的小伙伴参考。截止目前,TDengine 官网上已经沉淀了十余篇行业案例合集,我们从中挑选出了比较具有普适性的十篇合集文章,为大家进行进一步的汇总,欢迎收藏备用。

光伏储能系统需要长期保存大量的历史数据,以便进行回溯分析和趋势预测,海量历史数据的存储和管理也成为一个挑战,亟需高效的存储解决方案。本文中,我们汇总了一批较为典型的光伏储能项目的数据架构改造真实案例,给到大家参考。

为实现发电、输电、变电、配电、用电的实时智能联动,电力行业开始在传统业务之上构建信息网络、通讯网络、能源网络,运用云计算、物联网等新兴技术,大力发展数智化。在此背景下,一些企业开始尝试进行数据架构改造以支撑业务发展,本文汇总了相关实践经验。

在应对车联网场景下时序数据的存储时,企业大多选择的都是 MongoDB 或 Apache HBase,初期尚能满足业务需求,但随着业务的加速扩张,写入速度太慢、支撑成本过高等问题也逐渐显现。本文将会从四个典型的车联网案例出发,给到你数据架构升级思路。

在工业领域, 生产、测试、运行阶段都可能会产生大量带有时间戳的传感器数据,这都属于典型的时序数据。本文汇总了包括西门子、美的、拓斯达、和利时在内的四家比较具有代表性的工业企业的架构改造案例,一起来看看他们都如何应对海量时序数据处理。

在钢铁行业的生产、运输、治理等环节中,都会涉及大量时序数据的存储分析、运维监控等操作,每日产生的数据量甚至高达亿级。本文汇总了三大钢铁行业数据治理场景下的数据架构升级方案,供有相关业务需求的开发者参考。

在智慧水务系统中,往往需要对设备中产生的液位、电流、水量等实时指标数据进行存储、分析及监控操作,这些也都是典型的时序数据,老化的数据架构如何改造?本文汇总了三个典型智慧水务场景下的数据架构升级实践,给到大家参考。

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。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践,帮助你挑选符合业务需求的时序数据库Time Series Database)。

在 IoT 设备的整体运作过程中,会产生大量的时序数据,而传统的数据解决方案不管是在性能还是成本管控上都捉襟见肘。因此,IoT 产品/平台想要实现快速发展,首要解决的难题就是数据处理痛点。一起来看看本文优选出的几大 IoT 项目数据架构改造实践。

对于互联网业务而言,为保证服务的稳定运行,就要时刻关注服务器、服务调用、网络状况等各项指标,单是监控数据就存在非常大的量级。结合监控数据的特点,许多企业开始选择符合业务需求的时序数据库,以便更好地支持运维监控,本文便是它们的实践分享。

随着 5G 基站等通信工程的加快建设,城市治理、城市安全管理成为热门话题,随着智慧燃气、智能电表等一众智慧城市项目的深入落地,海量时序数据的高效处理和成本管控也成为一个待解的难题。本文汇总了四家比较具有代表性的智慧城市升级项目的架构改造案例。

如果你正在面临数据架构升级的烦恼,抑或也在探寻数字化转型的发展经验,不妨点击上文链接,查看文章详细内容,相信你一定能在这里找到你需要的答案。

2024 年已经起航,新的一年 TDengine 的“掌舵人”依旧是市场和用户,你们的反馈与支持就是我们前进的方向和动力~2024 TDengine 还将继续联合更多企业用户打造实践案例,笔耕不辍,将数据架构改造的经验分享给有需要的朋友!