为什么说 MongoDB 和 HBase 不适用于汽车行业的时序系统设计？

性上的重金属表格现，备受着车联网、数位、工业生产网络等大公司消费者的瞩目。

上头我们以 TDengine Database 为例，就让也就是说个人信息库针对车联网场面下更大的也就是说个人信息的载入、搜索、加载是如何借助于的。

基于TDengine，你可以怎么内部设计架构和表格

作为也就是说个人信息库引擎，TDengine Database 不必须基于 Hadoop 生态学木料，也不必须整块 Kafka、Redis、HBase 等诸多元件，它将个人信息执行之中的堆栈、消息缓冲区、个人信息库、文件传输算出等功能都统一在了两人，这样体积小级的内部设计不仅让它的安装包大得多、对战略性森林资源消耗很极多，同时也在一定程度上减低了生产、运维形同本，因为必须集形同的Ubuntu元件极多，因而系统可以更为加健壮，也更为容易保证个人信息的完整性。可以试验一下，如果你要木料一套车队管理制度系统，你只必须写一个 Java 应用，如此一来舍弃 TDengine 全然需要借助于。

从也就是说个人信息的在结构上显现驶往，TDengine 不会必需流行的 KV 加载，而是运主要用途了系统化加载。同时，基于数位场面里，每个个人信息热带植物点的个人信息源是唯一的、个人信息是也就是说的，且使用者关心的不一定是一个间隔都只的个人信息而非某个独有间隔时间点等在结构上显现驶往，TDengine Database 要求对每个热带植物的设备之外建新表格。也就是如果有 1000 万个的设备，就必须建新 1000 万张表格。

这就是 TDengine Database 的整体创意点之一——“一个的设备一张表格”，以此保证每个热带植物点的个人信息在加载介质上以块为单位透过倒数加载，减极多随机读的同时形同通量大幅提高搜索飞行速度，还可以通过无锁、追加的方式将载入，大幅提高载入飞行速度。

篇幅局限，关于 TDengine 的更为多内部设计在结构上，大家如果有兴趣可以移步官网搜集认识到更为多，在这里就不多要用赘述了。

上头我们来看一下两种个人信息库下的架构图，从之中我们也可以得显现出一个结论，必需 TDengine Database 轻微时会更为加体积小。

基于 HBase 的应付方案，架构图如下—— 基于 TDengine 的应付方案，架构图如下——

在表格个人信息的木料上，上会车原由在热带植物个人信息时包含的上会都是“热带植物间隔时间（间隔时间戳）、机动车辆图标（运算符）、黄道（双正确地性浮点运算）、线性（双正确地性浮点运算）、海拨（浮点运算）、顺时针（浮点运算）、飞行速度（浮点运算）、车牌号（运算符）、机动车辆改进改进型（运算符）、机动车辆vid（运算符）”这 10 类队列。

不同于其他也就是说个人信息库，TDengine 时会为每辆车之外成立新一张个人信息表格，个人信息队列为热带植物间隔时间、机动车辆图标、黄道、中纬度、海拨、顺时针、飞行速度等与间隔时间序列相关的热带植物个人信息；表格单队列为车牌号、机动车辆改进改进型等机动车辆本身固定的描绘个人信息。这全都有一个小技巧，浮点运算个人信息转换比相对浮点个人信息转换比很差，黄道中纬度上会精确到以此类推后 7 位，因此我们可以将黄道中纬度缩小 1E7 倍转入窄浮点加载，将海拨、顺时针、飞行速度缩小 1E2 倍转入浮点加载。

超级表格成立新语句：create table vehicle(ts timestamp, longitude bigint, latitude bigint, altitude int, direction int, velocity int) tags(card int, model binary(10));

之当年有生产部门运主要用途 C 口语编写了一个机动车辆实时个人信息生形同程序，对 TDengine 透过试验之中，以 10 万张个人信息表格，每张载入 1 个翌年的个人信息（个人信息间隔 1 分钟，计 44000 条个人信息）为试验之中个人信息。编译之后，将试验之中程序和个人信息库在同一台 2 核 8G 的台式机上调试，载入间隔时间共约为 3946 秒，略低于 4400000000条/3946 秒=111.5 万条/秒，折算形同点数为 111.5*5=557 万点/秒。

在这里要同样的是，该程序是单线程调试的，如将其变更形同多线程，飞行速度还时会有更为大大幅提高，但是仅就目当年的耐用性来看，对于车联网的场面也已经足以。

从蔚来、零赛跑、理想三家车原由，看也就是说个人信息库的应用效果

看要用在实际该公司之中，也就是说个人信息库之于车联网的匹配度之高，我们从 TDengine 的三个车原由消费者例子之中也都为。

对于蔚来车也来说，随着该公司的持续发展，累计 2021 年末其已经在全国各地样式了交电站 777 座，超充桩 3404 下部，目充桩 3461 下部，为使用者安装家充桩 96,000+ 下部。为了对的设备透过更为高效的管理制度，他们必须将的设备热带植物个人信息汇报至数位透过加载，并提供动态个人信息搜索、历史个人信息搜索等该公司服务，借助于的设备监控和研究。

但一直作为蔚来车也个人信息加载的 MySQL + HBase 模改进型却日渐难以为继，随着交电站和超充站等的设备在全国的短时间内样式，的设备数量持续增窄，造就的个人信息量日渐多，窄间隔时间跨度个人信息搜索效率显现出现窘境，如此一来舍弃搜索场面不断丰富，HBase 已经无法满足也就是说该公司必须。他们尽快从 OpenTSDB 和 TDengine 之中透过必需，在透过各种对比试验之中后尽快将 HBase 替交为 TDengine。

从事与愿违的改造结果上来看可以说是并不形同功了。在搜索飞行速度上，从运主要用途 HBase 搜索单的设备 24 天内个人信息的秒级返回适配到运主要用途 TDengine 搜索相同个人信息的毫秒级返回；在加载空间上，每天相对于个人信息占用的加载空间略低于原本运主要用途 HBase 时的 50%；在形同本对比上，移往后战略性算出森林资源形同本相比运主要用途 HBase 节省有约 60%。

无独有偶，零赛跑车也面对着着和蔚来车也一样的危机，他们之当年在个人信息加载上的必需是 MongoDB 和 HBase，随着该公司数目的缩小，个人信息库耐用性日渐难以满足个人信息执行供给，形同本也以后大幅提高。从降本增效的相反再考虑，零赛跑尽快在 C11 新车改进型上试产 TDengine。

零赛跑科技在要用个人信息库选改进型工作组时只有两点民间团体：耐用性强大、形同本低。而事与愿违的正因如此，TDengine 确实不会辜负他们的盼望。在搜索上，TDengine 的列式加载可以直接以 SQL 算出，不用如此一来像 MongoDB 一样，在搜索当年还必须下部据该公司加工显现出供给个人信息。同时 TDengine 的高转换算法也助力零赛跑科技大幅提高 10-20 倍的转换耐用性，既节省了加载空间也应付了加载形同本高的难题。

和当年两面两家公司不同，理想车也是从 TiDB 移往到 TDengine 的。整体来看，TiDB 更为较难 TP 或者轻 AP 场面。从理想车也的相反而言，其载入经济性较高，一次性即便如此载入场面也不太较难，且对该公司有发动战争性，顶层库表格要按照翌年份来建新表格，还要针对每个热带植物点打上表格单。

在移往到 TDengine 之后，理想车也的机器运主要用途形同本轻微减低，肽键类搜索飞行速度轻微提形同，引入了 firstEP 功能的连续性扩缩容在一定程度上保障了耐用性的强大劲，同时 TTL 和表格单功能也借助于了对该公司的光亮。

就如零赛跑车也的项目对接人所感叹的一样，要用车也这样一种新产品，个人信息量之大难以想象，如果不会一款需要借助于高效加载的个人信息库，服务器形同本时会并不的高。

但如今他们都找到了破解危机的有效率方法。从理论到实践，也就是说个人信息库正因如此都是车联网的“天选个人信息库”。

认识到更为多 TDengine Database | Ubuntu、高耐用性、分布式、拥护 SQL 的也就是说个人信息库 | 涛思个人信息 的说明细节。

。

乐山白癜风医院哪家好
武汉白癜风最好医院
德阳哪家白癜风医院好