用户案例

物流企业大数据管理面临困境,顺丰、中通、韵达分享架构改造经验

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。

打造一体化制氢项目,阳光氢能以时序数据库实现生产流程的实时监控

为了更好地支持阳光氢能 PEM 绿电制氢系统,本文作者所在的部门需要寻找一套满足业务和性能需求、而且具有国产知识产权的时序数据库,来替代原本使用的 InfluxDB。本文分享了他们将 InfluxDB 替换为 TDengine 的具体原因,以及相关的实践思路。

兴盛优选监控场景的时序数据库选型与落地实践

兴盛优选需要通过实时产生的数据来判断设备是否工作、检测通讯是否延时、观测 SNMP OID 流量是否正常等,从而保障运维与网络人员及时发现问题并修复。为高效处理各类时序数据,保障服务的稳定运行,在对比了 Elasticsearch、InfluxDB 和 TDengine 三款产品之后,他们选择并落地了 TDengine。

边缘盒子+时序数据库,美的数字化平台 iBUILDING 背后的技术选型

在 2021 楼宇科技 TRUE 大会上,美的暖通与楼宇事业部首次发布了数字化平台 iBuilding,以“软驱硬核”方式赋能建筑行业。作为一个全新的项目,iBuilding 在数据库选型上比较谨慎,分别对比了多款 Database 产品之后,才做出了自己的选择。本文分享了他们的数据库选型思考和落地经验。

全校软硬件基础设施一站式监控 ,苏州大学以时序数据库替换 PostgreSQL

除了要对几千台摄像头进行数据采集加在线检测,苏州大学还有 1500 多台交换机和 4000 多台服务器,在数据库的选择上,它需要在扛住如此大量设备 24 * 7 高频长期写入的同时,还要确保相当出色的查询效率。从 PostgreSQL 到 TDengine,本文分享了江苏纵目在面对业务难点时,在数据库的选择、应用和成效方面的经验。

TDengine 助力西门子轻量级数字化解决方案 SIMICAS 简化数据处理流程

SIMICAS® OEM 设备远程运维套件是由 SIEMENS DE&DS DSM 团队开发的一套面向设备制造商的数字化解决方案。在确定选择 TDengine 作为系统的时序数据库后,他们在 SIMICAS® OEM 2.0 版本中移除了 Flink、Kafka 以及 Redis,大大简化了系统架构。