Apache IoTDB 是由清华大学发起的、全球领先的国际顶级开源项目,是支持物联网时序数据收集、存储、查询与分析一体化的数据管理引擎。支持“端-边-云”一体化部署,适用于高端装备管理、工厂设备、高速网联设备等多种数据管理场景,是工业互联网时序数据管理的核心基础支撑。目前已在能源电力、轨道交通、车联网等多家行业有广泛应用。
项目官网:
https://iotdb.apache.org/zh/
代码仓库:
https://github.com/apache/iotdb
2月19日(周六)9:00-12:00,来自清华大学、阿里巴巴、云智慧、360的4位嘉宾,就Apache IotDB的核心技术及典型应用场景进行直播分享探讨,感兴趣的小伙伴欢迎到时收看。
识别二维码,免费报名参与
本次分享的内容靓点有:
-
Apache IoTDB的核心技术是什么?
-
IoTDB 对平台的数据建模、数据存储及查询加速带来的全方位优化
-
AIOps智能运维是什么?IoTDB如何解决智能运维场景中的挑战?
-
360为什么选择IoTDB?时序数据产品,还需要解决哪些问题?
活动时间:02月19日(周六)09:00-12:00
活动地点:DataFunTalk直播间
主办方:Apache IoTDB、DataFun
01
分享日程
02
详细介绍
1. 乔嘉林 清华大学 助理研究员,Apache IoTDB PMC
报告题目:Apache IoTDB:基于开放数据文件格式的时序数据库
报告简介:本报告将介绍时序数据文件格式 TsFile 的设计理念及特点,并介绍如何基于开放的数据文件格式构建一套物联网原生时序数据库架构,在此架构中,数据文件不仅可以由数据库引擎产生,也可以从外部生成、传输、加载,从而更灵活地支持跨越端边云的物联网应用。
内容靓点:
1、物联网时序数据文件结构 TsFile
2、基于开放文件格式的数据库查询分析一体化架构
3、基于时序数据文件的边云同步方案
个人简介:清华大学博士,清华大学软件学院助理研究员,Apache IoTDB PMC 及初创成员,曾获北京市科技进步一等奖,公众号「铁头乔」作者。
2. 巩宁 阿里巴巴 架构师
报告题目:IoTDB 在阿里云智能制造业务中的实践
报告简介:主要介绍基于云原生的阿里云智能制造平台架构设计以及 IoTDB 在平台中的实践,具体包括:
-
智能平台能力一体化建设:数据采集、建模、存储、计算、分析、智能决策等。
-
IoTDB 在水泥、钢铁、垃圾焚烧等传统业务场景中的实践经验。
-
IoTDB 在数字孪生等新兴业务场景中的实践经验
内容靓点:
1、阿里云智能制造平台简介
2、平台在行业的应用——AI 助力垃圾焚烧,水泥"两磨一烧"等业务场景
3、平台技术演进——IoTDB 对平台的数据建模、数据存储及查询加速带来的全方位优化
个人简介:巩宁,花名:苏志,阿里巴巴高级技术专家,在阿里有10年研发经验,历任阿里集团安全部、数字供应链事业部等多个部门的核心产品技术负责人,有丰富的风险分析平台、供应链平台建设经验。目前任阿里云智能制造平台架构师,带队负责智能控制优化系统(AICS)和 工业物联数据分析系统(IGate)的架构设计和研发相关工作,对汽车、钢铁、水泥、环保等多行业有深刻理解,致力于通过物联网,人工智能、控制优化、数字孪生等技术理念,加速国内工业制造产业升级。
3. 张博 云智慧(北京)科技有限公司 CTO
报告题目:智能运维场景中的时序数据库选型与挑战
报告简介:不可否认运维已经成为真正的大数据场景,面对数据体量大、乱序到达、缺失丢点、峰谷潮、粒度不齐整、重复采集等一系列领域问题,全球领先的运维可观测企业均在时序数据方面投入研发力量,如ServiceNow自研了MetricBase,NewRelic推出了NRDB,M3的两位创始人创建了Chronosphere。作为国内领先的智能运维解决方案提供商,云智慧面临着哪些时序数据的挑战,IoTDB又如何帮助解决这一系列的问题,基于IoTDB的底座,云智慧又能提供哪些“智能”的运维方案。
内容靓点:
1、AIOps智能运维是什么?
2、为什么说智能运维是名副其实的大数据场景?
3、IoTDB如何解决智能运维场景中的挑战?
个人简介:张博,云智慧CTO,负责公司技术研究体系和产品体系建设。拥有丰富的人工智能研究及领域落地实践经验;曾就职于微软亚洲研究院(Microsoft Research Asia),从事数据驱动的智能技术研究及算法工程化。作为负责人完成工信部“新一代人工智能产业创新重点任务揭榜”项目一项;主导研发了智能运维领域首款算法SDK-Hours; 拥有国际专利4项,中国专利20余项目;张博先生毕业于清华大学软件学院。
4. 程建云 360 大数据开发工程师
报告题目:时序数据库IoTDB在360的落地实践
报告简介:
1. 360时序数据库产品的选型之路,对比市面上常见的时序数据库
2. IoTDB落地过程中遇到的问题以及解决方案
3. 360对于时序数据产品在大数据云平台上定位的思考与探索
内容靓点:
1、360为什么选择IoTDB?
2、IoTDB很吃内存?
3、大数据云平台上,时序数据产品如何定位?
4、时序数据产品,还需要解决哪些问题?
个人简介:硕士研究生,毕业于哈尔滨工业大学计算机学院。曾供职于微软,主要负责开发了必应词典、输入法等产品。主导开发了微软小娜跨平台功能,对于分布式应用开发有深入理解。目前就职于360,负责大数据云平台时序数据产品的研发与落地。
识别二维码,免费报名参与