杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <atom:link href="//www.yakult-sh.com.cn/tag/iov/feed" rel="self" type="application/rss+xml" /> <link>//www.yakult-sh.com.cn</link> <description>TDengine | 楂樻€ц兘銆佸垎甯冨紡銆佹敮鎸丼QL鐨勬椂搴忔暟鎹簱 | 娑涙€濇暟鎹?/description> <lastBuildDate>Fri, 29 Nov 2024 06:08:27 +0000</lastBuildDate> <language>zh-Hans</language> <sy:updatePeriod> hourly </sy:updatePeriod> <sy:updateFrequency> 1 </sy:updateFrequency> <generator>//wordpress.org/?v=6.8.2</generator> <image> <url>//www.yakult-sh.com.cn/wp-content/uploads/2025/07/favicon.ico</url> <title>杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <link>//www.yakult-sh.com.cn</link> <width>32</width> <height>32</height> </image> <item> <title>TDengine 鍦ㄨ溅鑱旂綉鐨勬祦璁$畻鍏稿瀷搴旂敤 //www.yakult-sh.com.cn/time-series-databases/27503.html Fri, 29 Nov 2024 06:08:24 +0000 //www.yakult-sh.com.cn/?p=27503 在当今的车联|^CQR辆上报的数据量巨大且更新频繁Q包括R辆传感器数据、驾驶行为数据、GPS轨迹数据{。这需要流式计来实时处理和分析这些数据,在数据?接入的时候就立刻产生价倹{比如,可以实时监测和分析R辆的健康状态,预测可能发生的故障,提供及时的维修徏议,监控车辆的运行轨qҎ否正常、从而确保R辆和业务的安全和E_?/p>

在流计算中,数据是以源源不断的流QstreamQ的形式到达的。由于流数据是无界的Q理Z数据会一直生)Qؓ了划分最的计算单元Q就有了H口的概c通过不同逻辑的窗口划分,计可以满不同的业务需求?/p>

?TDengine 的流计算中,Ҏ据集提供?5 U特色的H口查询Q?a href="//docs.yakult-sh.com.cn/reference/taos-sql/distinguished/" rel="nofollow noopener" target="_blank">//docs.yakult-sh.com.cn/reference/taos-sql/distinguished/。简单来Ԍ分别是通过固定旉间隔划分H口?interval , 通过布尔值划分窗口的 state_window, 通过状态持l时间划分窗口的 session , 通过数据行数划分H口?count_windowQ通过自定义表辑ּ制定规则?event_window。每一U窗口功能,都包含了很多典型的业务需求,它们?TDengine 在R联网行业中发挥了更重要的作用?/p>

以通过布尔值划分窗口的 state_window 举例Q用户可以通过对R辆移动状态进行移?静止的窗口划分,然后实时计算获取车辆的每ơ启停的旉、位|、中间耗时。通过cMq样的语句,可以做到实时掌握R辆的Ud状态。再通过与实时数据的ҎQ就可以及时对超?异常停R的R辆发出告警?/p>

CREATE stream overtime_parking INTO overtime_parking_output_stb AS
SELECT
    _wstart,
    _wend,
    TIMEDIFF(_wstart, _wend, 1s) AS sparking_time,
    LAST(address) address,
    speed_status,
    COUNT(*) AS record_count,
    tbname
FROM
    stb_cold_gps PARTITION BY tbname state_window(speed_status); 

除此之外Q用戯可以通过车辆采集到的各种信号|从而通过业务逻辑自定义出两种状态?/p>

通过 CASE WHEN 的逻辑Q用戯定义地设|这个窗口:STATE_WINDOW( CASE WHEN speed >= xxx THEN true ELSE false END)Q从而满x灉|的业务需求?/p>

本文仅以此窗口ؓ例,而对于其他更多的H口的流计算应用场景Q请点击q里Q申hC?/p> ]]> 杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <atom:link href="//www.yakult-sh.com.cn/tag/iov/feed" rel="self" type="application/rss+xml" /> <link>//www.yakult-sh.com.cn</link> <description>TDengine | 楂樻€ц兘銆佸垎甯冨紡銆佹敮鎸丼QL鐨勬椂搴忔暟鎹簱 | 娑涙€濇暟鎹?/description> <lastBuildDate>Fri, 29 Nov 2024 06:08:27 +0000</lastBuildDate> <language>zh-Hans</language> <sy:updatePeriod> hourly </sy:updatePeriod> <sy:updateFrequency> 1 </sy:updateFrequency> <generator>//wordpress.org/?v=6.8.2</generator> <image> <url>//www.yakult-sh.com.cn/wp-content/uploads/2025/07/favicon.ico</url> <title>杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <link>//www.yakult-sh.com.cn</link> <width>32</width> <height>32</height> </image> <item> <title>TDengine 鍦ㄨ溅鑱旂綉鐨勬祦璁$畻鍏稿瀷搴旂敤 //www.yakult-sh.com.cn/tdengine-user-cases/14415.html Tue, 27 Sep 2022 17:40:00 +0000 //www.yakult-sh.com.cn/?p=14415 在R联网场景中,车辆会通过各类传感器定旉集Rw状态信息,比如行驶速度、发动机转速、轮胎压力倹{里E数{,此外Q还会由某个事g触发产生车辆事g数据Q比如门锁上阌Ӏ撤阌ӀR辆碰撞、异常移动等Q在每次上报数据旉会带有时间戳Q这是非常典型的时序数据场景。在q类场景下,高写入、高压羃率、快速查询是对于数据处理最基本的要求?/p>

但一直以来,在应对R联网场景下时序数据的存储Ӟ企业大多选择的都?MongoDB ?Apache HBaseQ这两大数据库技术相Ҏ加成熟,在业务规模尚未扩张之前,因ؓ讑֤不多、数据量不大Q加上查询场景单一Q尚且可以满业务需求。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昄。本文将会从四个典型的R联网案例出发Q给C数据架构升思\?/p>

TDengine x 大疆车蝲

“在大疆车蝲当前的云端^CQTDengine 的应用不仅节U了存储成本和开发学习成本,同时也表现出了很好的写入d性能Q满了N云端q_量时序数据的处理需求。在查询斚wQ不是选择特定数据的查询还是轻量的查询Q都是毫Uq回数据。?/p>

业务背景

׃当前的智能驾驶业务还是新的业务场景,所以大疆R载在选型上的历史负担相对较轻。在数据库选型要求上,从业务需求出发,主要聚焦在两点:首先Q结合当下的业务场景Q需要满_台R辆的高频消息上报频率Q其ơ,支持在数据量大的时候,通过聚合函数Q或选择函数来快速筛选出需要的数据。此外,Ҏ据库要求支持集群部v的同Ӟ也要求更低的查询语句~写上手隑ֺQ而且需支持单表千万量Q在量数据q发场景下,需要有较高的统计报表能力和较好的查?SQL 效率?/p>

架构?/strong>

TDengine Database

点击案例查看更多技术细?/p>

TDengine x 蔚来汽R能源

“在实际效果上,攚w完成后Q查询速度提升明显Q从使用 HBase 查询单设?24 时数据的秒U返回,C?TDengine 查询查询相同数据的毫Uq回Q每天增量数据占用的存储I间相当于原来?HBase 时的 50%Q集计资源成本相比?HBase 节省过 60%。?/p>

业务背景

Zl用h供更好的补能体验Q蔚来能源在加电基础设施上进行了大量的投入,需要对讑֤q行更高效的理——将讑֤采集数据上报至云端进行存储,q提供实时数据查询、历史数据查询等业务服务Q用来做讑֤监控和分析。在业务诞生之初Q其用作数据存储的选型?MySQL + HBaseQMySQL 存储讑֤最新实时数据,HBase 存储讑֤原始数据。随着换电站和充站等讑֤在全国的快速布局Q设备数量持l增长,U篏的数据量来多Q长旉跨度数据查询效率出现瓉Q再加上查询场景不断丰富QHBase 已经无法满当前业务需要(具体痛点问题见下Ҏ例链接)?/p>

试l论

采用扚w写入数据方式Q调整合适的单批ơ数据量大小Q用单机部|Ԍ8 ?32 GBQ?00 GB 存储Q默认配|的 TDengine 服务QRESTful API写入方式Q在 4k q发量下写入没有问题,同时消费U压数据时峰D?7 k/sQ因为单条消息包含信息量太大Q实际处理中会拆分ؓ 30 条写?TDengineQ所以实际写?QPS ?210 k/sQ比满同样数据量?HBase 集群规模要小不少Q可以节省成本,再加?TDengine 本n部v不依赖其他三方YӞ也可以同时节省运l成本?/p>

架构?/strong>

TDengine Database

点击案例查看更多技术细?/p>

TDengine x 零跑汽R

“在应用 TDengine 后,不用再像 MongoDB 一P在查询前需要根据业务加工出需求数据;入库性能高,解决了以前HBase入库不及时的问题Q可以用更少的服务器资源入库更多的数据,节省更多成本。同ӞTDengine高压~的法能提?10 ?20 倍的压羃性能Q降低了存储压力和成本。?/p>

业务背景

一直以来,在数据存储上零跑汽R的选择都是 MongoDB ?HBaseQ但是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昄Q具体痛炚w题见下方案例链接Q。从降本增效的角度考虑Q零跑决定在 C11 新R型上试用下其他的数据库,在分析数据特点后Q最l确定采?a href="//www.yakult-sh.com.cn/" data-internallinksmanager029f6b8e52c="2" title="时序数据? target="_blank" rel="noopener">时序数据?/a>QTime Series DatabaseQ?/p>

架构?/strong>

TDengine Database

点击案例查看更多技术细?/p>

TDengine x 理想汽R

“通过跟涛思官方h员进行深入业务封闭式试QTDengine 的功能超出预期,性能?InfluxDB 要强多,两存储架构设计Q行存与列存Q很,TTL 和标{机制对业务透明Q具备极其优U的高q发写入和数据压~能力,极大降低了业务成本和业务压力。因此我们决定从 TiDB q移?TDengine。?/p>

业务背景

在理x车的信号上报业务中,需要将标记旉戛_采集点的信息Q通过云端写入到后端数据库中,有一定的聚合查询需求。这是典型的高ƈ发插入场景,写多dQ之前的pȝ用的?MongoDBQ后来因?MongoDB 的局限性,其将业务q移C TiDBQ方便进行扩~容。但在迁Ud TiDB 之后Q在目前使用癑ֺ?SSD 虚拟机的情况下,TiDB 集群U写入性能q不能达C务期望预期(HTAP 场景数据库对U高q发写入支持不好Q与该业务场景的适配性不高)Q需要不断的资源扩容Q具体痛炚w题见下方案例链接Q?/p>

使用成本对照?/strong>

TDengine Database

点击案例查看更多技术细?/p>

写在最?/h2>

随着业务的不断发展,车联|场景下数据量之大难以想象,如果没有一ƾ能够实现高效存储的数据库,服务器成本会非常的高。术业有专攻Q在合适的时候选择合适的数据库是支持业务发展的关键,从数据处理需求和特点出发Q时序数据库无疑是最佳选择?/p>

d TDengine 助手小TQ找专业的解x案架构师聊一?/p>

TDengine Database
]]> 杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <atom:link href="//www.yakult-sh.com.cn/tag/iov/feed" rel="self" type="application/rss+xml" /> <link>//www.yakult-sh.com.cn</link> <description>TDengine | 楂樻€ц兘銆佸垎甯冨紡銆佹敮鎸丼QL鐨勬椂搴忔暟鎹簱 | 娑涙€濇暟鎹?/description> <lastBuildDate>Fri, 29 Nov 2024 06:08:27 +0000</lastBuildDate> <language>zh-Hans</language> <sy:updatePeriod> hourly </sy:updatePeriod> <sy:updateFrequency> 1 </sy:updateFrequency> <generator>//wordpress.org/?v=6.8.2</generator> <image> <url>//www.yakult-sh.com.cn/wp-content/uploads/2025/07/favicon.ico</url> <title>杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <link>//www.yakult-sh.com.cn</link> <width>32</width> <height>32</height> </image> <item> <title>TDengine 鍦ㄨ溅鑱旂綉鐨勬祦璁$畻鍏稿瀷搴旂敤 //www.yakult-sh.com.cn/tdengine-user-cases/12611.html Fri, 15 Jul 2022 08:27:32 +0000 //www.yakult-sh.com.cn/?p=12611 作?nbsp;?nbsp;温金雄、彭涛、周玉峰

?nbsp;T DQؓ了解军_大新能源汽R车主面的充甉|率问题,协鑫能科打造了以换电ؓ核心业务的移动能源品牌「协鑫电港」,需要对各种数据进行科学管理、合理运用与调度Q在数据库的选择上尤为重要。本文分享了他们对于数据库架构的搭徏思考以?TDengine 的应用心得?/p>

企业?/strong>

协鑫能源U技股䆾有限公司Q证券简Uͼ协鑫能科 002015.SZQ?pd鑫(集团Q控股有限公司旗下企业,主营业务为清z能源运营、移动能源运营以及综合能源服务。公司們֊打造从清洁能源生、补能服务到储能的便捗经、绿色的生态圈Qؓ电动化出行提供一体化能源解决ҎQ致力于成ؓ领先的移动数字能源科技q营商?/p>

1?strong>业务痛点

随着新能源汽车的q泛普及Q补能的效率问题逐渐成ؓ了广大R主面临的痛点N。ؓ了解xNQ作Z家头部的新能源公司,协鑫能科创新H破Q切入能源服务领域,打造了以换电ؓ核心业务的移动能源解x案品牌「协鑫电港」?/p>

׃q是一个在全新领域中打造的全新目Q想要获得成功,需要对各种数据进行科学管理、合理运用与调度Q所以针对该场景Q我们一开始便把量U最大的物联|数据处理方案锁定在?a href="//www.yakult-sh.com.cn/" data-internallinksmanager029f6b8e52c="2" title="时序数据? target="_blank" rel="noopener">时序数据?/a>QTime Series DatabaseQ上Q重点对比了 InfluxDB、OpenTSDB 以及 TDengine?/p>

最l,TDengine 以其独特而科学的设计和优U的测试表现成为我们选中的时序数据处理引擎,承担了用戯R辆数据、电池设备数据以及换甉|工作讑֤{的量数据存储分析dQؓ我们解决了该目上难度最大的一个环节。最l,我们军_使用 TDengine 2.4.0.10 版本Qƈ在电信的天翼云上落地了该目?/p>

2、架构与搭徏

从流量削C及数据安全的角度出发Q我们会先通过使用?nbsp;MQTT 消息服务器把q些不同U类的设备数据先l一转发l到 Kafka。其中不同类型的数据Q将会分别上传到不同?nbsp;Kafka topicQ最后再通过 Java q接器把数据写入 TDengine。具体架构如下图所C:

TDengine Database

在整体架构上Q除?nbsp;TDengineQ也有一些其它数据库共同支持pȝ服务Q其?nbsp;MySQL 负责存储订单、流水等需要精l查询的关系型数据,但由?nbsp;MySQL 可以承受的数据量比较有限Qؓ了做一些大表的q接查询Q因此我们也接入?nbsp;TiDBQ负责分析报表类数据的存储?/p>

目前接入 TDengine 最主要的入库数据是车辆传感器(如:车辆里程、经U度{)以及换电站电池相关的传感器(甉|的各U指标)数据。当前共?nbsp;55 张超U表Q子表数量达?nbsp;11 万张?/p>

我们当前?nbsp;TDengine、TiDB、MySQL 中存储的数据量比例大概ؓ 6:3:1Q仅仅用了三台 4C+16G 的服务器QTDengine 便挑起了整个pȝ数据存储的大_L支撑起了我们的服务?/strong>在数据库的选择上,我们一直认Z同数据库之间术业有专攻,不得不承认,TDengine 在存储引擎上的独特设计,在降低成本方面的效果十分显著?nbsp;

TDengine Database

对于 TDengineQ我们一开始用的是单节点Q在E_q营了几个月后,于今q?nbsp;3 月完成了动态扩容,发展C 3 节点集群模式Q把数据库也升C三副本(从图中可以看出来Q?/p>

TDengine 的动态扩展非常方便,只要保一些必要的参数保持一_可以直接通过 “create dnode”把新的计算资源加进来。加入后Q再通过 “alter database iot replica 3?nbsp;q个命oQ即可直接在Uo数据库变?nbsp;3 副本Q从而实现数据的备䆾及高可用?nbsp;

TDengine Database
TDengine Database

3、效果分?/strong>

当前Q我们在 TDengine 中一共存储了数百亿别的数据量(׃表结构各异,不方便统计,不在本篇文章中展C)Q存储空间大概占?nbsp;600GB 左右Q?00GB*3Q,CPU 日常使用?nbsp;15% 左右Q内存用在 20% 左右?/strong>

TDengine Database

在查询方面,在此列D一些我们常用的 SQLQTDengine 的响应速度都很快,完全可以满我们的需求:

select max(pmk)-min(pmk) from aodong_109 where sid='P42100001' and sd=0 and ts>'2021-12-01 00:00:00'
TDengine Database
TDengine Database
select last(sv),last(st) from aodong_112 where bn='001PB0GM000002B3L0300067';
TDengine Database
TDengine Database

4、关?nbsp;TDengine 的一些思?/strong>

׃我们业务?nbsp;24*7 不间断运?Q所以没有时间做版本升。我们首先计划抽出时间把 TDengine 版本升到比较新的版本,再做一些碎片重l压~的工作来加强查询效率。此外,我们q计划?nbsp;Flink ?nbsp;TDengine 中读取数据做式计算Q看C官方发布?nbsp;Flink 适配 TDengine 的文?/a>Q?/p>

随着业务快速增长,TDengine 集群存储的数据量也会来大Q而数据又需要长期保留,大数据量的运l对?nbsp;TDengine 来说是一个巨大的挑战。伴随数据量U的增长Q备份、迁UR库、表的运l都会受到媄响,也有可能遇到我们之前没有l历q的问题Q这需?nbsp;TDengine 集群实现升、扩展、拆分、维护等q维操作。未来我们希望能U篏更多的经验分享给C֌Q让更多的h了解 TDengine?/p>

对于 TDengine 未来的发展,我们也有自己的期待:

  • 希望能增加动态修改参数功能,减少停机l护ơ数?/li>
  • 实现cM?nbsp;SQL 日志功能Q降低高负蝲、调优事后分析定位、回溯故障原因?/li>
  • q一步权?nbsp;udp 带来的好处和D的各U问题。我们经常连接报?nbsp;Ref is not there Q目前来看在客户端添?nbsp;rpcForceTcp 1  应该是有效的?/li>
  • 增强报错信息可读性,很多报错提示不够明确Q无法快速判断出具体原因?/li>

总而言之,希望 TDengine 后面来好Q也希望我们的合作能更上一层楼?/p> ]]> 杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <atom:link href="//www.yakult-sh.com.cn/tag/iov/feed" rel="self" type="application/rss+xml" /> <link>//www.yakult-sh.com.cn</link> <description>TDengine | 楂樻€ц兘銆佸垎甯冨紡銆佹敮鎸丼QL鐨勬椂搴忔暟鎹簱 | 娑涙€濇暟鎹?/description> <lastBuildDate>Fri, 29 Nov 2024 06:08:27 +0000</lastBuildDate> <language>zh-Hans</language> <sy:updatePeriod> hourly </sy:updatePeriod> <sy:updateFrequency> 1 </sy:updateFrequency> <generator>//wordpress.org/?v=6.8.2</generator> <image> <url>//www.yakult-sh.com.cn/wp-content/uploads/2025/07/favicon.ico</url> <title>杞﹁仈缃?– TDengine | 娑涙€濇暟鎹?/title> <link>//www.yakult-sh.com.cn</link> <width>32</width> <height>32</height> </image> <item> <title>TDengine 鍦ㄨ溅鑱旂綉鐨勬祦璁$畻鍏稿瀷搴旂敤 //www.yakult-sh.com.cn/tdengine-user-cases/8473.html Tue, 17 May 2022 10:38:55 +0000 //www.yakult-sh.com.cn/?p=8473

?T DQ在柛_的工业R联网应用 LiuGong iLink 中,׃应用层不合理的复杂查询和历史数据的高频写入,D MySQL 处理速度~慢Q甚臛_易宕机,严重影响了用户体验。在此背景下Q柳工决定改?TDengine Database 来处理时序数据,本文分n了他们的改进效果与实늻验?

企业?/strong>

q西柛_机械股䆾有限公司是中国制造业 500 Z业——柳工集团的核心企业。作为国内工E机械行业和q西W一家上市公司,柛_被誉为“中国工E机械行业的排头兵”,在全球拥?20 多个刉基地?7000 多名员工? 个研发基圎ͼ产品遍布 170 多个国家和地区?

目介绍

LiuGong iLink 是柳工面向国际市Z务的一个工业R联网应用Q包?Web 端和 App 端。它可以让用L到所有R辆设备的实时动态,例如在哪里工作、何时工作以及如何工作,也可以实现设备的q程监控Q以便更有效地实施服务和l护计划?

此前Q我们?MySQL 数据库承载了包括应用层和接入解析层的大多C务,但由于应用层不合理的复杂查询和历史数据的高频写入Q给 MySQL 造成了非常大的压力,D其处理速度~慢Q甚臛_易宕机,严重影响了用户体验?strong>I其原因Q还是因为关pd数据库ƈ不适用于存储v量的时序数据Q在量数据聚合计算、抽E{业务中效率很低?/strong>

决上q问题,我们选择以专用的时序数据?/a>QTime Series DatabaseQ存储处理时序数据,q样可以大大增加整个pȝ的吞吐能力。经q调研,我们选择了时序数据库 TDengineQ原因在于,我们的业务场景与 TDengine 的“一个设备采集点一张表”的理念十分dQ而且 TDengine 可以支持对大数据q行聚合和降采样查询q些Ҏ,也恰好可以解决上q技术痛炏V?/p>

从真实环境出发,TDengine 的写入、查询、存储效果如何?

分析架构可知Q数据采集来源主要是 TBOX {设备,通过解析层解析ؓ JSON 后发往 KafkaQ再通过入库E序消费写入?TDengine Database 中?/p>

我们落地使用的是 TDengine2.4.0.16 版本Q单副本模式Q只用了一?4 ?8GB+1TB 的服务器撑起了服务Q当前磁盘占用约 110G?/strong>

当前Q库中总表数量辑ֈ?55701 张,U承着“一个采集点一张表”的原则Q我们选择不同l度Q共建立?21 张超U表Q如QR辆类型,讑֤cdQ数据类型?strong>当前L据量大概?4-5 亿行左右Q写入规模大概是每台车每 5 分钟上报一ơ,TDengine 可以L抗住q个U别的写入?/strong>

TDengine Database

在查询方面,我们通过装 API 的方式,可以便捷地提供查询服务,q也是针Ҏ们业务痛Ҏq最为明昄地方。在军_?MySQL q行替换Ӟ我们做了充分的查询对比测试?/p>

数据库查询测? class=

如上图所Cg?API 分别代表了查?mcu 历史数据、查?TBOX 历史数据、查询设备轨qV查询设备故障历史数据四个功能。可以看刎ͼ面对大批量的数据QTDengine 的查询能力是q远过 MySQL 的?

再分享一个真实场景:在替换TDengine之前Q我们每天都有一些业务报表需要展C,每一时需l计一ơ下一个时区内所有设备的数据Q这个流E在 MySQL 中经帔R要耗时1时以上Q无法正常执行后l业务。而换到TDengine后,整个程只需?0 U左叟?/strong>

实际应用旉到的问题与经验分?/h2>
列数很多

从上图中可以看到Q我们每c设备的采集点位Q列敎ͼ是比较多的,动辄破百Q这也给我们带来了一个潜在的问题——间接地影响了压~率Q这是后来在?TDengine 官方人员排查别的问题时发现的?

后来我们了解C产生此问题的原因Q由?TDengine 中的每个 Vnode 都有一块自q~冲区,大小?cache * blocks 的值决定(单位 MBQ。每当写满三分之一时就会触发数据落盘,q在落盘时完成压~。列宽带来的影响是单行长度过大,每次写满三分之一的时候,q不需要多行数据Q由于样本太,所以数据ƈ不能很好的压~?

通过 selct _block_dist() from 表的方式查看数据块的分布Q可以看到小?SmallBlocks 相当之多Q在 99% 以上?/p>

smallblock

我们的解x案就是通过攑֤ blocks 参数Q默认ؓ 6Q,来缓解后l新数据的压~。至于历史数据,我们计划使用 TDengine Database 提供的重整数据碎片的压羃功能来完成?

具体到操作上是比较简单的Q备份数据文件后Q?compact vgroups in (3,4,5,6) 卛_Q数字ؓ Vgroup IDQ。但׃重整的过E中会对写入有一定的影响Q所以我们需要选择在业务休整期来完成这个操作。这个时间点可能会在 TDengine 3.0 发布后,届时我们可以对现有场景再度完成一ơ质变别的升?/p>

写在最?/h2>

目前Q我们还在规划R辆维保相关的目Q通过车辆实时讑֤产生报警Q提高R辆用时长和安全率。聚焦“智慧”“电动”“智能”等关键词,柛_向世界伙伴们展示了各个行业的解决ҎQ未来我们也会和 TDengine 产生更多深层ơ的互动?/p> ]]>